本地部署视频AI模型之"StreamingT2V"
探索Picsart AI Research团队发布的StreamingT2V模型，这是一种先进的自回归技术，能够从文本生成长达2分钟的高质量视频。StreamingT2V不仅能够生成比以往模型更长的视频，还能与SVD、animatediff等其他主流模型无缝衔接，且完全开源，为视频生成领域带来了新的突破。了解如何本地部署这一创新的AI模型，并探索其在创造动态一致视频内容方面的能力。
今天分享一个由Picsart AI Research团队联合发布的StreamingT2V模型，本地部署搭建的过程，可生成长达2分钟(1200帧)的高质量视频,目前已经超越了之前的Sora模型，这一开源模型不仅可以生成更长时长的视频,还能与SVD、animatediff等其他模型无缝兼容,为开源视频生成领域带来新的突破。该模型的突出亮点：
- 生成时长达2分钟(1200帧),超越以往模型
- 视频质量高
- 与业内其他主流模型可以实现无缝衔接
- 开源免费,便于开发者使用和二次开发
可生成视频的模型很多很多，下面效果使用的都是最简单的”文生视频“功能，首先分享一下该模型"文字生成视频"的效果：
一只在街头奔跑的小猫咪
，时长00:03一只在街头跳舞的龙猫
，时长00:03一对在街头拥抱的恋人
，时长00:03
现在正式分享搭建的过程，硬件要求有一张NIVDIA显卡(官方推荐的入门级是A100-80G，这个玩意太贵，没有大金主支撑玩不起，需要安装Git、Python与Cuda以及conda，这些基本环境安装简单不赘述。
- 克隆该项目到本地
cd StreamingT2V/
2.安装必备环境
conda create -n st2v python=3.10 && conda activate st2v
pip install -r requirements.txt
然后从官网下载模型权重包放在安装好的文件夹即可，这样就可以可是生成视频了，比较悲剧的是我的显卡是Nvidia T1000 4G，显卡太烂，生成视频的最后一步报错，有些功能不支持。
输入：python inference.py --prompt="A cat running on the street"
输入文字"一只在街头奔跑的小猫咪"以后，利用该描述文字，模型就开始生成相应视频，生成过程中电脑温度升高，读写频繁，并且需要联网（You Known)
生成视频的最后一步报错，CUDA编译某些模块错误，查了下我的显卡太烂不支持，手头宽裕的有A100显卡的小伙伴可以一试！