停！这些模型不用于txt2img推理！

请不要将它们放入你的 stable-diffusion-webui/models 目录并期望生成图像！

那么这些是什么？

这些是基于Modelscope的新模型，专为txt2video优化，可生成16:9比例的视频画面。它们在9,923个视频片段和29,769个标注帧（24fps，1024x576分辨率）上进行了训练。

请注意，这些是 /model/96454/zeroscope-v2-576w-txt2video 模型的升级版。XL 模型在渲染 1024x576 分辨率、30 fps 视频时，需使用 15.3GB VRAM。

它们应该放在哪里？

将它们放入 \stable-diffusion-webui\models\ModelScope\t2v 文件夹中。

务必在下载后将文件 text2video_pytorch_model.pt 重命名为 .pth 扩展名。

文件必须命名为 open_clip_pytorch_model.bin 和 text2video_pytorch_model.pth。

谁开发的？原始来源？

https://huggingface.co/cerspense/zeroscope_v2_XL

我还需要什么？

这些模型专为 txt2video Auto1111 WebUI 扩展 设计使用。