deforum + kandinsky = 视频工作流

像搭积木一样玩AI，随着模型种类的不断丰富，不同的组合会带来什么惊喜？今天和大家分享最近看到的一个视频工作流（工具箱）。

首先，我们先对deforum和kandinsky做一些基本的介绍：

deforum-art/deforum

Deforum是一个Python包，用于扩散动画工具包。提供了生成动画的实际生成模型、辅助数据、辅助类和实用工具等功能。

生成效果是什么样的？参考以下网友分享的视频：

Kandinsky 2.2

朝着实现照片般逼真效果前进

Kandinsky 2.2是一个图像生成模型，通过引入新的图像编码器CLIP-ViT-G和ControlNet机制，提供更好的图像生成和文本引导图像。

宇航员猫潜入充满可爱鱼的海洋，优雅，高度详细，流畅，清晰焦点，美丽，全身，电影级，8K

Kandinsky 在2023年4月4日发布了2.1，3个月后发布了2.2版本，分辨率进行了提升，达到了1024，同时，支持了ControlNet功能，还有个特别的功能，生成贴纸！

通过在提示的末尾添加“sticker”一词进行生成，然后通过分割模型去除背景。因此，可以生成任何主题的贴纸。

几种典型的任务

更大的模型，参数总量4.6亿。主要是用于训练Image Prior模型的视觉编码器替换为更大的CLIP-ViT-G，从而提高了生成图像的质量。

	Kandinsky2.1	Kandinsky 2.2
类型	潜在扩散	潜在扩散
参数数量	3.3亿	4.6亿
文本编码器	0.6亿	0.6亿
Diffusion Mapping	1.0亿	1.0亿
U-Net	1.2亿	1.2亿
ViT	0.5亿	1.8亿
MoVQ	0.08亿	0.08亿
数据集规模	12亿对	15亿对
图像质量	良好 (768×768)	很好 (1024×1024)，不同的长宽比
发布日期	2023年4月4日	2023年7月12日

deforum + kandinsky

视频工作流

主要借助deforum的几种对镜头控制的功能，加上kandinsky的生成能力，实现了此视频工作流。

图解原理

丰富的视频镜头：

最后，我们借助MixCopilot完成了对代码仓库的阅读理解，从代码层面也理解了整个技术的实现原理：

详细的中文注解，可以加入社群领取：

除了animatediff的视频工作流，我们又多了一个可选方案。

ComfyUI中文社区#文档汉化内测，全新的创作方式等你来探索！