open sora1.2容器构建教程指南

一. 介绍

1. 技术特点

高清视频生成 ：

• OpenSora 1.2 在 720p 高清文生视频质量和生成时长上取得了突破性进展，支持无缝产出任意风格的高质量短片。
• 通过引入视频压缩网络（VAE）和更优的扩散模型算法，显著提升了视频生成的质量和效率。

视频压缩网络 ：

• OpenSora 团队提出了一个创新的视频压缩网络，该网络在空间和时间两个维度上分别进行压缩。首先在空间维度上进行 8x8 倍的压缩，接着在时间维度上进一步压缩了 4 倍。这种压缩策略既避免了因抽帧而牺牲视频流畅度的弊端，又大幅降低了训练成本。

更优的扩散模型算法 ：

• 基于 Stable Diffusion 3 的研究成果，OpenSora 团队提供了一套完整的训练解决方案，包括简单易用的整流（rectified flow）训练、用于训练加速的 Logit-norm 时间步长采样、基于分辨率和视频长度的时间步长采样等。这些技术的整合不仅加快了模型的训练速度，还显著减少了推理阶段的等待时间。

模型评估体系 ：

• OpenSora 团队构建了更完善的模型评估体系，保障模型的稳健性和泛化能力。他们跟踪了 100 张图像和 1k 个视频的校正流评估损失，并使用 VBench 进行自动视频评估，以监控训练过程和评估模型性能。

2. 应用场景

游戏开发 ：

• 游戏开发者可以使用 OpenSora 生成游戏场景、人物动画等，提升游戏画面表现力。

影视制作 ：

• 电影、电视剧等影视作品的制作人员可以使用 OpenSora 生成各种场景、特效等，为影视作品增添视觉效果。

广告制作 ：

• 广告制作人员可以使用 OpenSora 生成各种场景和动画，提升广告创意和视觉效果。

教育和培训 ：

• OpenSora 可以用于制作教学视频、演示视频等，为用户提供更直观的学习体验。

个人创作 ：

• 个人用户可以使用 OpenSora 制作各种短视频，满足个人创作需求。

3. 其他特性

多语言能力 ：

• OpenSora 1.2 通过用 mT5 替换了 T5，增强了多语言能力，使得模型能够更好地处理不同语言的文本输入。

生成可控性 ：

• 提供了更多的可控性选项，使用户能够根据需要调整生成的视频内容和风格。

支持任意长度和分辨率 ：

• 采用了 bucket 策略，从而支持生成任意长度和分辨率的视频。

4. 模型下载与资源

• 模型下载 ：OpenSora 1.2 的模型可以在 Hugging Face 等平台上免费下载和使用，具体链接如：Huggingface 模型下载。
• 代码资源 ：相关的代码和文档可以在 GitHub 等开源平台上找到，便于开发者进行二次开发和研究。

二、容器构建说明

下面将以 open sora1.2 项目进行部署，由于模型较大建议使用 RTX3090 及以上显卡 。

1. 安装 miniconda

进入 Anaconda 官网：

Miniconda — Anaconda 文档

找到快速命令行安装，选择 Linux 系统，复制代码进入终端中进行安装。

等待安装完成。

2. 安装并更新基础命令，让后续使用更快捷： unzip、lsof、git、git-lfs

apt-get update
apt-get install -y unzip
apt-get install -y lsof
apt-get install -y git
apt-get install -y git-lfs

3. 克隆项目仓库，并打开文件

项目地址：GitHub - hpcaitech/Open-Sora：Open-Sora：为所有人实现高效视频制作的民主化

git clone https://github.com/hpcaitech/Open-Sora.git
cd Open-Sora

4. 创建 python 为 3.9 版本的虚拟环境，名称为 opensora

conda create -n opensora python=3.9 -y

5. 激活虚拟环境 opensora

conda activate opensora

6. 安装项目依赖文件

为了安装速度更快可以将 pip 进行永久换源

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

pip install -r requirements/requirements-cu121.txt
pip install -v .
apt-get install libgl1
apt-get install libglib2.0-0

7. 修改运行代码

由于RTX3090运行该项目还有一定压力因此更改精度，减小显卡压力

打开/Open-Sora/configs/opensora-v1-2/inference/sample.py

将bf16改为fp16

8. 指定端口：

export GRADIO_SERVER_NAME=0.0.0.0
export GRADIO_SERVER_PORT=8080

9. 更改模型库的镜像，运行 py 文件（运行项目，首次运行会自动下载模型参数，需要保证网络通畅）

#export HF_ENDPOINT=https://hf-mirror.com
#python scripts/inference.py configs/opensora-v1-2/inference/sample.py \
  --num-frames 4s --resolution 720p --aspect-ratio 9:16 \
  --num-sampling-steps 30 --flow 5 --aes 6.5 \
  --prompt "a beautiful waterfall"

如上所示代码需要下载apex以及flash attention，这两个包极易出现安不上或配置环境速度缓慢问题，不建议使用。包括如需webui界面的也需要下载这两个包。

建议使用终端进行推理：

export HF_ENDPOINT=https://hf-mirror.com
python scripts/inference.py configs/opensora-v1-2/inference/sample.py \
  --num-frames 4s --resolution 144p \
  --layernorm-kernel False --flash-attn False \
  --prompt "a beautiful room"

等待下载完成即可出现结果 

待以下进度条为100%时会显示出运行出的结果保存的路径

如果无法查看视频所在地址，可以通过 python http服务进行显示,以下示例为监听8080端口

cd samples/samples
python -m http.server 8080

打开浏览器输入 127.0.0.1：8080即可显示运行的视频