模型描述

此为针对THUDM/CogVideoX-5b-I2V训练的BelGio13/cogvideoX-I2V-locobot LoRA权重。

权重使用CogVideoX Diffusers训练器训练完成。

是否启用了文本编码器的LoRA？否。

下载模型

在文件与版本选项卡中下载*.safetensors格式的LoRA文件。

配合🧨 diffusers库使用

import torch  
from diffusers import CogVideoXImageToVideoPipeline  
from diffusers.utils import load_image, export_to_video  

pipe = CogVideoXImageToVideoPipeline.from_pretrained("THUDM/CogVideoX-5b-I2V", torch_dtype=torch.bfloat16).to("cuda")  
pipe.load_lora_weights("BelGio13/cogvideoX-I2V-locobot", weight_name="pytorch_lora_weights.safetensors", adapter_name="cogvideox-i2v-lora")  

# LoRA适配器权重由训练参数决定  
# 本例假设`--lora_alpha`为32，`--rank`为64  
# 可通过调整这些值在训练基准上下浮动，以减弱或增强LoRA效果  
# 超出合理范围可能导致效果消失或数值溢出  
pipe.set_adapters("cogvideox-i2v-lora", [32 / 64])  

image = load_image("/路径/图片文件")  
video = pipe(image=image, "", guidance_scale=6, use_dynamic_cfg=True).frames[0]  
export_to_video(video, "output.mp4", fps=8)  

更多细节（包括权重调整、合并与融合LoRA）请参阅diffusers加载LoRA文档

许可协议

请遵守此处描述的许可条款。

预期用途与限制

使用方法

# TODO: 添加运行此扩散管道的示例代码片段  

局限性与偏差

[TODO: 提供潜在问题示例及改进方案]

训练详情

[TODO: 描述训练所用数据]