Cosmos AUTOMATED Image to Video (I2V) - EnragedAntelope

此工作流程的作用是什么？

此工作流程将获取您的输入图像，必要时进行裁剪/调整大小以适应理想的 Cosmos 渲染尺寸，然后自动生成适用于 Cosmos 的提示词，让其施展魔法！最终结果将是一段可能极为出色的视频，您的家人可以世代珍藏。

此过程依赖于 Florence（用于自动描述图像）和一个大语言模型（LLM，用于根据图像描述生成视频提示词）。

工作流程中包含了进一步的说明和链接。

初始设置（模型加载/LLM配置）后操作极为简单：

1. 加载输入图像。

2. 队列提示词。就是这样，其他所有设置都已默认优化完毕。

尽情享受吧，我期待看到您的创作！

预期说明：此模型非常庞大。使用 7B 模型并配合所附（可选）优化措施，我在 4090 显卡上生成一段 121 帧、分辨率为 1280x704 的视频时，耗时约 15 分钟，显存占用约 20GB。