お停下さい！これらのモデルはtxt2img推論用ではありません！

stable-diffusion-webui/models ディレクトリにこれらを配置して、画像を生成すると期待しないでください！

では、これらは何ですか？

これらは、txt2video用の新しいModelscopeベースモデルで、16:9の動画構成を最適化しています。24fps、576x320解像度で、9,923本の動画クリップと29,769枚のタグ付けされたフレームで学習されています。

これらははるかに優れた結果を出せますが、Civitai向けにmp4出力をgifに変換しなければなりませんでした。また、現在アップロード中のZeroscope v2 XL txt2vidモデルを使用して、これらの動画をアップスケールすることもできます。

注意：このモデルは、より多くのVRAMを必要とするXLモデル（こちらで利用可能）の軽量版です。VRAMが15GB以上ある場合は、XLバージョンを使用すべきです。

\stable-diffusion-webui\models\ModelScope\t2v フォルダに配置してください。

ダウンロード後、text2video_pytorch_model.pt の拡張子を .pth に変更することが必須です。

ファイル名は、open_clip_pytorch_model.bin と text2video_pytorch_model.pth でなければなりません。

これらのモデルは、txt2video Auto1111 WebUI拡張機能でのみ使用するために設計されています。