hunyuanvideo-community/HunyuanVideo-1.5-Diffusers-480p_t2v_distilled

hunyuanvideo-community
Texto a video

Modelo de texto a video de la familia HunyuanVideo 1.5, publicado para usarse con Diffusers. Esta variante destilada genera videos a 480p a partir de prompts de texto y utiliza HunyuanVideo15Pipeline con pesos Safetensors.

Como usar

Instalación básica:

pip install -U diffusers transformers accelerate

Uso con Diffusers:

import torch
from diffusers import DiffusionPipeline

# switch to "mps" for apple devices
pipe = DiffusionPipeline.from_pretrained(
    "hunyuanvideo-community/HunyuanVideo-1.5-Diffusers-480p_t2v_distilled",
    dtype=torch.bfloat16,
    device_map="cuda"
)

prompt = "Astronaut in a jungle, cold color palette, muted colors, detailed, 8k"
image = pipe(prompt).images[0]

Uso recomendado con attention backend optimizado:

import torch

dtype = torch.bfloat16
device = "cuda:0"

from diffusers import HunyuanVideo15Pipeline, attention_backend
from diffusers.utils import export_to_video

pipe = HunyuanVideo15Pipeline.from_pretrained(
    "hunyuanvideo-community/HunyuanVideo-1.5-Diffusers-480p_t2v_distilled",
    torch_dtype=dtype
)
pipe.enable_model_cpu_offload()
pipe.vae.enable_tiling()

generator = torch.Generator(device=device).manual_seed(seed)

with attention_backend("_flash_3_hub"):
    # or `"flash_hub"` if you are not using H100/H800
    video = pipe(
        prompt=prompt,
        generator=generator,
        num_frames=121,
        num_inference_steps=50,
    ).frames[0]

export_to_video(video, "output.mp4", fps=24)

Uso con attention backend por defecto:

import torch

dtype = torch.bfloat16
device = "cuda:0"

from diffusers import HunyuanVideo15Pipeline
from diffusers.utils import export_to_video

pipe = HunyuanVideo15Pipeline.from_pretrained(
    "hunyuanvideo-community/HunyuanVideo-1.5-Diffusers-480p_t2v_distilled",
    torch_dtype=dtype
)
pipe.enable_model_cpu_offload()
pipe.vae.enable_tiling()

generator = torch.Generator(device=device).manual_seed(seed)

video = pipe(
    prompt=prompt,
    generator=generator,
    num_frames=121,
    num_inference_steps=50,
).frames[0]

export_to_video(video, "output.mp4", fps=24)

Funcionalidades

Generación de video desde texto con la tarea Text-to-Video.
Integración directa con Diffusers mediante HunyuanVideo15Pipeline.
Variante destilada orientada a inferencia local.
Soporte para bfloat16 y ejecución en CUDA.
Recomendación de attention backends optimizados para secuencias de longitud variable y padding eficiente.
Compatible con exportación a MP4 mediante export_to_video.

Casos de uso

Crear clips de video a partir de descripciones textuales.
Prototipar flujos locales de generación de video con Diffusers.
Evaluar HunyuanVideo 1.5 en pipelines de investigación o experimentación creativa.
Generar salidas MP4 de 121 fotogramas a 24 fps usando prompts personalizados.