云平台一键部署【DiffSynth-Studio】支持wan2.1视频生成及视频lora训练

于 2025-04-22 20:00:00 发布
阅读量432 收藏 5
点赞数 3
文章标签： 人工智能 AI GPU 算力 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_49711991/article/details/147423380
版权

图片

阿里通义万相Wan2.1模型登顶Vbench榜首第一，超越Sora、HunyuanVideo、Minimax、Luma、Gen3、Pika等国内外视频生成模型。而在今天，万相Wan2.1视频生成大模型正式开源！

【DiffSynth-Studio】 模型已经在趋动云『社区项目』上线，无需自己创建环境、下载模型，一键即可快速部署，快来体验【DiffSynth-Studio】带来的精彩体验吧！

启动开发环境

进入【DiffSynth-Studio】项目主页中，点击运行一下，将项目一键克隆至工作空间，『社区项目』推荐适用的算力规格，可以直接立即运行，省去个人下载数据、模型和计算算力的大量准备时间。

图片

选择p2.large配置，点击启动开发环境，根据主页项目介绍进行部署。

图片

使用方法：(有1.3B和14B的CLI、webui；使用方法相同)

一、视频生成

打开1、wanvideo视频生成.ipynb选中2.1单元格，点击运行。

图片

等待生成local URL，右侧添加端口7860。

图片

二、wanvideo视频lora训练

根据wanvideo视频lora训练.ipynb的数据准备即可进行lora训练。

图片

项目使用方法：

图片

➫温馨提示： 完成项目后，记得及时关闭开发环境，以免继续产生费用！

图片

智汇全球，趋动未来

『社区项目』汇聚全球智慧，是促进技术交流的宝贵平台，期待每一位AI爱好者体验一键部署功能的强大魅力。

图片

同时，我们也热切盼望每一位码友加入，分享您的精品作品，共筑这个充满活力与创新的技术乐园。

趋动云

连接算力・连接人

virtaitech
关注
博客
云平台一键部署【MSST-WebUI】语音分离可视化工具
05-06 919
MSST-WebUI 是2024年最新的音乐源分离工具的界面版。支持众多声源分离模型，您可以使用此Web界面推断MSST模型和VR模型来将 wav/mp3/flac等音频文件分离为人声和其他伴奏声音，还可以用于音频去噪、去混响、去和声，非常适用于音频制作领域。
博客
云平台一键部署【Kimi-VL】 多模态对话助手
05-06 279
Kimi-VL 采用了一种专家混合架构，仅在执行特定任务时激活部分模型。尽管只有2.8亿个活跃参数，但 Kimi-VL 在多个基准测试中表现出与许多大型模型相媲美的结果，其效率远超许多同类产品。在图像处理方面，Kimi-VL 的能力也相当引人注目。与一些其他系统不同，该模型能够分析完整的屏幕截图或复杂图形，而无需将其拆分成更小的部分。
博客
云平台一键部署【Wan2.1】开放和先进的大规模视频生成模型
04-23 510
Wan2.1 基于主流的 diffusion transformer 范式设计，通过一系列创新实现了生成能力的重大进步。其中包括我们新颖的时空变分自动编码器 （VAE）、可扩展的训练策略、大规模数据构建和自动评估指标。总的来说，这些贡献增强了模型的性能和多功能性。项目功能：👍 SOTA 性能：Wan2.1 在多个基准测试中始终优于现有的开源模型和最先进的商业解决方案。👍 支持消费级 GPU：T2V-1.3B 型号仅需 8.19 GB VRAM，几乎兼容所有消费级 GPU。
博客
云平台一键部署【fluxgym】最强Flux-lora训练器，三步炼万物
04-22 292
FluxGym 是一款用于简化 Flux LoRA 模型训练的工具，特别适用于低显存环境（如12GB、16GB或20GB VRAM）。LoRA 模型是一种低秩适应技术，允许在较小的数据集上微调大型模型，而无需大量计算资源。FluxGym 为用户提供了一个图形界面，使得即使没有深厚编程背景的用户也可以轻松上手训练 Flux LoRA 模型。
博客
云平台一键部署【OmniGen】多功能图像生成模型（2025更新版）
04-11 368
OmniGen 是智源推出的一款全新的扩散模型架构，专注于统一图像生成。它简化了图像生成的复杂流程，通过一个框架处理多种任务，例如文本生成图像、图像编辑和基于视觉条件的生成等。此外，OmniGen 通过统一学习结构实现了知识迁移，使其能够适应不同的任务和领域需求。该模型不仅高度简化和易用，还在图像生成领域展示了强大的灵活性。功能介绍：文本生成图像：通过文本描述生成相应的图像。图像编辑：根据用户需求对图像进行局部或整体编辑。角色一致性生成：在多个图像中保持角色的外观一致。
博客
云平台一键部署【SGLang】适用于大型语言模型和视觉语言模型的快速服务框架
03-11 557
SGLang 是一个适用于大型语言模型和视觉语言模型的快速服务框架。它通过共同设计后端运行时和前端语言，使您与模型的交互更快、更可控。1.吞吐量碾压级优势2.结构化输出快如闪电3.多 GPU 优化SGLang模型已经在趋动云『社区项目』上线，无需自己创建环境、下载模型，一键即可快速部署，快来体验SGLang带来的精彩体验吧！项目入口：https://open.virtaicloud.com/web/project/detail/548095845019824128。
博客
趋动云『社区项目』【Deepseek671B】一键体验
02-21 464
DeepSeek-R1 一经发布引起国际热议，其性能比肩 OpenAI o1 正式版，但是花费却大大减少，并且该模型已经完全开源。目前deepseek模型671b版本1.58bit量化版本已经在趋动云『社区项目』上线，无需自己创建环境、下载模型，即可快速运行，快来一键体验deepseek吧！项目入口：视频教程：趋动云平台一键体验爆火模型【deepseek671b】
博客
趋动云『社区项目』一键体验爆火模型【Qwen2.5-VL】
02-14 681
Qwen2.5-VL是Qwen家族的旗舰视觉语言模型，相比Qwen2-VL有显著提升。Qwen2.5-VL能够识别常见物体并分析图像中的文本、图表等；作为视觉Agent，具备推理能力；能理解长视频并精准捕捉事件；支持视觉定位和结构化输出。在性能方面，在多个基准测试中表现出色，尤其在文档和图表理解方面优势明显。目前Qwen2.5-VL-7B-Instruct版本已经在趋动云『社区项目』上线，在官网上可以看到Qwen2.5-VL-7B-Instruct 在多个任务中超越了 GPT-4o-mini！
博客
云平台一键体验爆火模型【deepseek】
02-06 327
DeepSeek-R1 一经发布引起国际热议，其性能比肩 OpenAI o1 正式版，但是花费却大大减少，并且该模型已经完全开源。目前使用Ollama搭建的deepseek模型1.5b版本已经在趋动云『社区项目』上线，无需自己创建环境、下载模型，一键即可快速部署，快来体验搭建deepseek 带来的精彩体验吧！视频教程：趋动云一键体验爆火模型【deepseek】
博客
趋动云一键体验【ChatTTS】最强语音推理服务
01-26 763
ChatTTS（Chat Text To Speech）是专为对话场景设计的文本生成语音（TTS）模型，特别适用于大型语言模型（LLM）助手的对话任务，以及诸如对话式音频和视频介绍等应用。ChatTTS支持中文和英文，还可以穿插笑声、说话间的停顿、以及语气词等，听起来非常真实自然（ChatTTS团队声称：突破开源天花板）。它通过优化语音合成过程，实现了更加自然和流畅的语音输出。这项技术特别适用于需要模拟真实对话场景的应用，如聊天机器人和虚拟助手。
博客
云平台一键部署【Story-Adapter】极速生成高质量、极具细腻交互的长篇故事图像
01-21 1173
Story-Adapter 框架。所提出的迭代范式的说明，包括初始化、Story-Adapter 中的迭代和全局参考交叉注意 (GRCA) 的实现。Story-Adapter 首先仅根据故事的文本提示对每幅图像进行可视化，并将所有结果用作下一轮的参考图像。在迭代范式中，Story-Adapter 将 GRCA 插入 SD。对于每次图像可视化的第 i 次迭代，GRCA 将通过交叉注意在去噪过程中聚合所有参考图像的信息流。本次迭代的所有结果将用作参考图像，以指导下一次迭代中故事可视化的动态更新。
博客
云平台一键部署【Video-Background-Removal】视频换背景，无任何限制，随意换
01-13 1657
Video-Background-Removal 是一款革命性的视频背景替换工具，旨在让用户轻松实现视频背景的快速更换。无论你是专业创作者还是普通用户，这款软件都能让你在几秒钟内改变背景，完全消除限制，随心所欲，随时随地想换就换！影视制作：在电影、电视剧中创建不可思议的场景转换，如科幻片中的星际旅行、历史剧中的时空穿越等。在线会议和直播：对于直播带货或教育培训等领域，主播或讲师可以使用多样化的场景切换来吸引观众注意力，提高互动性和观看体验。
博客
云平台一键部署【Tango】生成数字人视频，全身数字人
01-07 983
TANGO 是一项前沿的AI技术，旨在解决传统数字人生成技术中存在的局限性，如只能生成面部或唇形同步的视频片段。通过结合音频输入与参考视频中的动作数据，TANGO 能够生成与音频内容匹配的全身动作视频，使得生成的人物形象更加生动逼真。TANGO框架的开源和高效性为其在数字人领域的应用提供了广阔的前景。以下是几个潜在的应用场景：虚拟主持人： 利用TANGO框架，可以轻松生成与真实主持人相似度极高的虚拟主持人，他们可以在各种场合下代替真实主持人进行工作。
博客
云平台一键部署【OminiControl】图像主题控制和空间精确控制
12-30 768
OminiControl 是一个最小但功能强大的FLUX通用控制框架，可以一个模型实现图像主题控制和深度控制。比如一个提示词加一个服装图片就能让生成的人物穿上服装。或者实现将图片中的物品放到生成图片的指定位置。主要有以下特点：通用控制：支持主题驱动控制和空间控制（例如边缘引导和绘画生成）的统一控制框架。极简设计：在保留原始模型结构的同时注入控制信号。仅向基础模型引入 0.1% 的额外参数。Subject-driven generation 主题驱动控制。
博客
图像描述/字幕开源模型与数据集全览
12-30 2523
图像描述/字幕（Image Captioning）是用文字描述图像内容的任务，属于计算机视觉和自然语言处理的交叉领域。大多数图像描述系统采用编码器-解码器（encoder-decoder）框架，其中输入图像被编码为中间表示形式，然后解码为描述性文本序列。最受欢迎的基准测试包括nocaps和COCO，模型的性能通常通过BLEU或CIDER指标进行评估。本篇汇总了图像描述/字幕相关开源模型与数据集，助力开发人员的研究进程，轻松获取所需算法与数据。
博客
全景分割开源宝藏
12-26 1051
Panoptic Segmentation（全景分割） 是一种计算机视觉任务，结合了语义分割和实例分割，旨在提供对场景的全面理解。目的是将图像分割成具有语义意义的部分或区域，同时检测和区分这些区域内的各个物体实例。在给定的图像中，每个像素都会被分配一个语义标签，而属于“物体”（可计数的具有实例的物体，如汽车和人）类别的像素会被赋予唯一的实例ID。
博客
云平台一键部署【Llama3.3-70B-Instruct】
12-26 1110
前几天 Meta 宣布推出一款新的 Llama 系列生成式 AI 模型：70亿参数的 Llama 3.3、又称 Llama 3.3 70B。CEO 扎克伯格在旗下社交媒体 Instagram 称，这是今年最后一次 AI 大模型更新，下一步就是明年 Llama 4 亮相。
博客
趋动云『社区项目』一键部署【HunyuanVideo】130 亿参数打造超牛腾讯混元视频生成
12-17 600
HunyuanVideo作为腾讯混元大模型在视频生成方向的重要成果，展现出了强大的技术实力。它拥有高达130亿的参数量，以文生视频为核心功能，当前生成视频的分辨率为1080p。不仅如此，其发展规划十分宏大，后续计划推出8k/4k分辨率版本，并且在功能拓展上也有着明确的方向，即将实现图生视频、视频自动配乐等功能，旨在为用户提供更加丰富、高质量的视频生成体验。HunyuanVideo是创作者的得力助手，能快速将灵感转化为视频。为企业提供新推广方式。企业依产品和目标输入提示，能快速生成高质量广告视频。
博客
总奖池超200W美元！推荐几个重量级机器学习竞赛！
12-17 1078
竞赛目的是创建能够解决以 LaTeX 格式书写的复杂数学问题的算法和模型。
博客
趋动云双12，两重福利，年末钜惠来袭！
12-13 239
为了回馈广大用户的支持，趋动云特别推出双12年末大促活动！活动期间（），用户充值即可享受丰厚的算力金返赠，同时趋动云大部分实例规格的CPU及内存配置比原先提升 33% 以上，部分规格甚至翻倍，让您的算力体验更上一层楼！赶紧参与，抓住年底的最后机会！
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值