Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Genera video da istruzioni di testo con Wan2.2 on Deadline Cloud
Il job bundle
Il pacchetto fa passare il Wan2.2 TI2V-5B checkpoint attraverso i diffusori. WanPipeline I lavoratori recuperano i pesi da Hugging Face in fase di esecuzione e li memorizzano nella cache, preferendo il volume persistente della flotta in modo che i lavoratori successivi riutilizzino il download. Non è richiesto alcun token Hugging Face perché i repository non sono datati. Wan2.2 Per il modello stesso, consulta il Wan2.2 repository
Il pacchetto richiede una farm con una coda GPU-enabled Linux. I lavoratori devono disporre di una GPU NVIDIA (minimo 24 GB di VRAM), 64 GiB di memoria di sistema e almeno 60 GiB di disco libero per la cache del modello. Sulle schede da 24 GB lo script attiva l'offload sequenziale della CPU e il tiling VAE in modo che il modello si adatti; le schede più grandi funzionano molto più velocemente.
Invia un lavoro che generi quattro varianti di un prompt:
deadline bundle submit ./wan22_video_generation \ --queue-idgpu-queue-id\ -p Prompt="A hot air balloon drifting over terraced rice fields at dawn" \ -p NumClips=4 \ -p OutputDir=~/wan22_output
Il README descrive il set completo di parametri, inclusi i vincoli di risoluzione e numero di fotogrammi, impostazioni di smoke-test più rapide e tempi di generazione misurati. Per esempi correlati di IA generativa, vedi e. Genera immagini in batch con un modello di diffusione su Deadline Cloud Addestramento e utilizzo di un FLUX.2 Klein LoRa su Deadline Cloud Per una configurazione persistente dei volumi, consulta la documentazione sullo storage del parco veicoli collegata al README.
