许可协议：apache-2.0
支持语言：

• 英文
  任务类型：文本生成视频
  标签：
• 艺术
• 代码

RCNA MINI 模型

RCNA MINI 是一款紧凑型 LoRA（低秩自适应）模型，专为生成高质量的四步文本转视频输出而设计。该模型可生成4至16秒的视频片段，非常适合制作细节丰富、过渡流畅的短动画。

核心特性：

• 四步文本转视频：仅需4步即可根据文本提示生成视频。
• 视频时长：支持生成4秒至16秒的视频。
• 高品质输出：支持高达8K的高分辨率和细节呈现。
• 快速采样：通过解耦一致性学习技术，在保证质量的同时优化生成速度。

示例输出：

• 提示词："宇航员在丛林中，冷色调，柔和的色彩，细节丰富，8K"
  • 生成一段细节丰富、动作流畅的高质量视频。

工作原理：

RCNA MINI 基于LoRA架构，通过低秩自适应微调扩散模型。相比完整模型重新训练，这种方法生成速度更快，计算开销更小。

应用场景：

• 社交媒体内容的短视频动画
• 创意项目的视频生成
• 基于文本描述的艺术视频创作

模型细节：

• 架构：基于扩散模型的LoRA适配
• 推理步数：4步生成
• 输出时长：4至16秒

通过Diffusers使用AnimateLCM

import torch  
from diffusers import AnimateDiffPipeline, LCMScheduler, MotionAdapter, DiffusionPipeline  
from diffusers.utils import export_to_gif  

# 加载AnimateLCM视频生成组件  
adapter = MotionAdapter.from_pretrained("Binarybardakshat/RCNA_MINI")  
pipe = AnimateDiffPipeline.from_pretrained("emilianJR/epiCRealism", motion_adapter=adapter, torch_dtype=torch.float16)  
pipe.scheduler = LCMScheduler.from_config(pipe.scheduler.config, beta_schedule="linear")  
pipe.load_lora_weights("Binarybardakshat/RCNA_MINI", weight_name="RCNA_LORA_MINI_1.safetensors", adapter_name="lcm-lora")  
pipe.set_adapters(["lcm-lora"], [0.8])  
pipe.enable_vae_slicing()  
pipe.enable_model_cpu_offload()  

# 使用RCNA MINI生成视频  
output = pipe(  
    prompt="沙漠中发射升空的航天火箭，尾部拖着烟雾轨迹，4K高清画质",  
    negative_prompt="低质量，画质差，分辨率低",  
    num_frames=16,  
    guidance_scale=2.0,  
    num_inference_steps=6,  
    generator=torch.Generator("cpu").manual_seed(0),  
)  
frames = output.frames[0]  
export_to_gif(frames, "animatelcm.gif")  
print("视频和图像生成完成！")  

许可协议：

本模型采用 MIT许可证 授权。