初始版本。
使用生成的引导图像创建6张相似的关键帧图像，然后以用户定义的速度在各关键帧之间进行插值。接着，将初步插值结果输入HunYuan，可选地进行超分辨率处理并转化为最终视频。注重速度和低显存占用，而非追求绝对最高质量。