【AI生成视频工具】阿里推出图片生成视频Ai工具，免费无限制国内可用，比GEN2香多了-Toy模板网

这篇具有很好参考价值的文章主要介绍了【AI生成视频工具】阿里推出图片生成视频Ai工具，免费无限制国内可用，比GEN2香多了。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

大家好，我是龙一，专注AI轻创副业项目分享，今天给大家分享一款阿里近日推出的开源的图片生成视频的Ai工具，目前可免费使用，没有使用次数的限制，效果非常好，不得不说比RunwayGen2香多了。

可以根据用户输入的静态图像和文本生成目标接近、语义相同的视频，生成的视频具高清(1280 * 720)、宽屏(16:9)、时序连贯、质感好等特点。

【AI生成视频工具】阿里推出图片生成视频Ai工具，免费无限制国内可用，比GEN2香多了,AIGC,Ai工具,AIGC,I2VGen-XL,AI生成视频,Ai,GPT,SD,MJ

这个项目的名字叫I2VGen-XL，由阿里达摩院研发的高清视频生成基础模型，旨在解决根据输入图像生成高清视频任务。生成的视频还支持二次修改和高清化，你要是觉得不满意可以多点几下重新生成，内容要是不满意还可以输入提示词调整视频内容、运镜、运动方向等等，输出高清视频。

具体的原理如下，参数量共计约37亿，总结下来分为两个阶段，就是通过输入图片生成图片序列，然后可以通过文字进行微调并生成高清图片。

【AI生成视频工具】阿里推出图片生成视频Ai工具，免费无限制国内可用，比GEN2香多了,AIGC,Ai工具,AIGC,I2VGen-XL,AI生成视频,Ai,GPT,SD,MJ

下面展示一下具体的生成的案例，由于文章无法放入视频，我选择插入gif图片，展示效果会大打折扣，想搞完整高清的可以去我的视频号看最新视频介绍。左边是原图，右边是生成的效果。

【AI生成视频工具】阿里推出图片生成视频Ai工具，免费无限制国内可用，比GEN2香多了,AIGC,Ai工具,AIGC,I2VGen-XL,AI生成视频,Ai,GPT,SD,MJ

同时还支持自己部署，不过对于设备的要求比较高。I2VGen-XL包含2个模型：图片生成视频模型MS-Image2Video和视频生成视频模型MS-Vid2Vid。

MS-Image2Video建立在Stable Diffusion之上，如给出的原理图所示，通过专门设计的时空UNet在隐空间中进行时空建模并通过解码器重建出最终视频。

在1*A100的环境配置下运行 (可以单卡运行, 图生视频模型显存要求20G，视频生成视频显存要求28G)

torch2.0.1+cu117，python>=3.8

安装miniconda

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

一直[ENTER], 最后一个选项yes即可

sh Miniconda3-latest-Linux-x86_64.sh

conda虚拟环境搭建

conda create --name ms-sft python=3.8
conda activate ms-sft

安装最新的ModelScope

pip install "modelscope" --upgrade -f https://pypi.org/project/modelscope/

确定你的系统安装了ffmpeg命令，如果没有，可以通过以下命令来安装

sudo apt-get update && apt-get install ffmpeg libsm6 libxext6  -y

安装依赖库

pip install xformers==0.0.20
pip install torch==2.0.1
pip install torchsde
pip install open_clip_torch>=2.0.2
pip install opencv-python-headless
pip install opencv-python 
pip install einops>=0.4
pip install rotary-embedding-torch
pip install fairscale 
pip install scipy
pip install imageio
pip install pytorch-lightning

下载好模型，模型链接后台回复Ai视频即可获取。

通过以下代码，实现模型的下载和推理。

第一步：图生视频 (所需显存单卡20G)

from modelscope.pipelines import pipeline
from modelscope.outputs import OutputKeys

pipe = pipeline(task="image-to-video", model='damo/Image-to-Video', model_revision='v1.1.0')

IMG_PATH: your image path (url or local file)

IMG_PATH = './example.png'
output_video_path = pipe(IMG_PATH, output_video='./output.mp4')[OutputKeys.OUTPUT_VIDEO]
print(output_video_path)

第二步：提升视频分辨率 (所需显存单卡28G)

pipe =pipeline(task="video-to-video", model='damo/Video-to-Video', model_revision='v1.1.0')

# VID_PATH: your video path
# TEXT : your text description
VID_PATH = './output.mp4'
TEXT = 'A lovely little fox is among the flowers.'
p_input = {
            'video_path': VID_PATH,
            'text': TEXT
        }

output_video_path = pipe(p_input, output_video='./output.mp4')[OutputKeys.OUTPUT_VIDEO]
print(output_video_path)