video2videoが可能なVideoCrafterのインストール

video2videoが可能なVideoCrafterのインストール 機械学習

「テキストから動画を生成したい」
「動画から動画を生成するvideo2videoを試したい」

このような場合には、VideoCrafterがオススメです。
この記事では、VideoCrafterについて解説しています。

本記事の内容

  • VideoCrafterとは?
  • VideoCrafterのシステム要件
  • VideoCrafterのインストール
  • VideoCrafterの動作確認

それでは、上記に沿って解説していきましょう。

VideoCrafterとは?

GitHub - AILab-CVC/VideoCrafter: VideoCrafter2: Overcoming Data Limitations for High-Quality Video Diffusion Models
VideoCrafter2: Overcoming Data Limitations for High-Quality Video Diffusion Models - AILab-CVC/VideoCrafter

VideoCrafterは、テキストからビデオへの生成と編集のためのツールキットと説明されています。
簡単に言うと、text2videoとvideo2videoに対応しています。

text2videoと言えば、ModelScope text2video Extensionが有名ですね。

VideoCrafterでも、ModelScope text2video Extensionと同じことができます。
これに加えて、VideoCrafterはvideo2videoに対応しているのです。

video2videoの場合、動画を入力に用いて動画を生成できます。
VideoCrafterにおいては、video2videoをVideoControlと表現しています。

このVideoCrafterのデモが、Hugging Face上で公開されています。

VideoCrafter1 - a Hugging Face Space by VideoCrafter
Discover amazing ML apps made by the community

実際に触ってみれば、VideoCrafterについてもっと理解できるでしょう。
ただし、サーバーが混んでいる場合は、かなり待たされますけどね。

今回は、Hugging Face上のデモとして公開されているVideoCrafterのインストールを説明します。
これローカルマシンにインストールすれば、自由にVideoCrafterを使えます。

以上、VideoCrafterについて説明しました。
次は、VideoCrafterのシステム要件を説明します。

VideoCrafterのシステム要件

VideoCrafterのシステム要件は、GPU版のPyTorchが動けばOKです。
バージョンに関しては、1系でも2系でもどちらでも構いません。

ここでは、PyTorch 2.0を推奨しておきます。
GPU版PyTorch 2.0のインストールは、次の記事で説明しています。

また、PyTorch 2.0はPython 3.8以降がサポート対象です。
そのため、Pythonのバージョンは3.8以降が必須となります。

まず、事前にPyTorchをインストールしておきましょう。
もちろん、GPU版のPyTorchです。

動画を扱うとなると、GPUなしではまともに動きません。

以上、VideoCrafterのシステム要件を説明しました。
次は、VideoCrafterのインストールを説明します。

VideoCrafterのインストール

VideoCrafterのインストールは、Python仮想環境の利用をオススメします。
Python仮想環境は、次の記事で解説しています。

検証は、次のバージョンのPythonで行います。

> python -V  
Python 3.10.4

そして、システム要件であるGPU版PyTorchをインストール済という状況です。
このような状況において、次の手順でVideoCrafterのインストールを進めます。

  • ファイル一式の取得(Hugging Faceから)
  • requirements.txtを使った一括インストール

それぞれを下記で説明します。

ファイル一式の取得(Hugging Faceから)

VideoCrafter/VideoCrafter at main
We’re on a journey to advance and democratize artificial intelligence through open source and open science.

ファイル数が多くて、手動でダウンロードするのは大変です。
このような場合は、huggingface_hubを利用します。

huggingface_hubを利用すると、自動的にファイルをダウンロードしてくれます。
huggingface_hubをインストールできたら、次のコードを実行します。

from huggingface_hub import snapshot_download

snapshot_download(
    repo_id="VideoCrafter/VideoCrafter",
    repo_type="space",
    revision="main",
    cache_dir="./")

上記コードを実行すると、ダウンロード処理が開始されます。
ダウンロードは、すぐに終わります。

処理が完了すると、ディレクトリ上に「spaces–VideoCrafter–VideoCrafter」を確認できます。

そして、「snapshots」以下にあるファイル・ディレクトリをコピーします。

「32619a4d8eaada6dba684fd8872a04598a45fa37」は、リポジトリのバージョンです。
バージョンが更新されれば、この値も変わってきます。

この長たらしいディレクトリより下のモノをコピーしましょう。
コピーしたファイルは、コンテンツルートに保存します。

requirements.txtを使った一括インストール

コンテンツルートには、コピーしたrequirements.txtが存在しています。

requirements.txt

decord==0.6.0
einops==0.3.0
imageio==2.9.0
numpy==1.24.2
omegaconf==2.1.1
opencv_python
pandas==2.0.0
Pillow==9.5.0
pytorch_lightning==1.8.3
PyYAML==6.0
setuptools==65.6.3
torch==2.0.0
torchvision
tqdm==4.65.0
transformers==4.25.1
moviepy
av
xformers
gradio
timm
# -e .

requirements.txtに次の修正を加えます。

  • PyTorch関連(torch、torchvision)とsetuptoolsを対象外にする
  • バージョン指定を外す

バージョン指定は、トラブルの元です。
実際、バージョン指定のままだとエラーになります。

修正を実施した結果、requirements.txtは次のようになります。

decord
einops
imageio
numpy
omegaconf
opencv_python
pandas
Pillow
pytorch_lightning
PyYAML
#setuptools==65.6.3
#torch==2.0.0
#torchvision
tqdm
transformers
moviepy
av
xformers
gradio
timm
# -e .

変更後のrequirements.txtを利用して、必要なモノを一気にインストールします。
実行するのは、次のコマンドです。

pip install -r requirements.txt

処理完了までは、少し時間がかかります。
処理が完了したら、VideoCrafterのインストールは終了です。

以上、VideoCrafterのインストールを説明しました。
次は、VideoCrafterの動作確認を説明します。

VideoCrafterの動作確認

VideoCrafterの動作確認を行います。
コンテンツルートに配置したapp.pyを実行すれば、VideoCrafterを起動できます。

初回起動時は、ファイルのダウンロードが実施されます。
しばらく待つことになります。
処理が完了したら、コンソールに以下のように表示されます。

Running on local URL:  http://127.0.0.1:7860

To create a public link, set `share=True` in `launch()`.

Chromeなどのブラウザで「http://127.0.0.1:7860」にアクセスします。
Hugging Face上のデモと同じような画面を確認できます。

今回は、video2videoを試しましょう。
「VideoControl」タブを開きます。

そして、Exampleにあるフラミンゴの画像をクリック。

フラミンゴの動画がアップロードされた状態になります。
プロンプトを適当に変更します。

A giraffe walking in the city, photorealistic, 4k

プロンプトを変更できたら、「Send」ボタンをクリック。
処理が完了すると、次のように表示されます。

生成される動画は、全部で以下の3つです。

  • Center-cropped Video
  • Depth Video
  • Generated Video

Generated Video以外は、処置の途中で生成される動画になります。
なお、デフォルトの設定であれば約30秒(NVIDIA GeForce RTX 3090)で動画を生成できます。

入力したプロンプトが、生成される動画のファイル名になります。
また、動画の再生時間を延ばすには次の項目の値を大きくします。

デフォルトは16です。
4倍にすれば、動画の再生時間は8秒になります。

もちろん、処理にかかる時間はその分だけ長くなります。

では、設定をすべてMAXにした場合は一体どれくらいの時間がかかるのでしょうか?

なんと1700秒(28分30秒)です!!

生成された動画は、以下から確認できます。
https://youtube.com/shorts/hmA-qQS7DcY

正直、失敗作ですね。
でも、画質はデフォルトの設定よりも格段にUPしています。

以上、VideoCrafterの動作確認を説明しました。

タイトルとURLをコピーしました