View a markdown version of this page

Deadline Cloud의 Wan2.2를 사용하여 텍스트 프롬프트에서 비디오 생성 - 기한 클라우드

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

Deadline Cloud의 Wan2.2를 사용하여 텍스트 프롬프트에서 비디오 생성

GitHub 웹 사이트의 wan22_video_generation 작업 번들은 개방형 비디오 생성 모델인 Wan2.2를 사용하여 텍스트 프롬프트에서 짧은 비디오 클립을 생성합니다. 각 작업은 자체 시드가 있는 독립 클립 하나를 렌더링하므로 단일 작업이 작업자 간에 팬아웃하고 동일한 프롬프트에서 변형 세트를 반환합니다.

번들은 디퓨저를 통해 Wan2.2 TI2V-5B 체크포인트를 실행합니다WanPipeline. 작업자는 런타임에 Hugging Face에서 가중치를 가져와 캐싱하며, 나중에 작업자가 다운로드를 재사용할 수 있도록 플릿의 영구 볼륨을 선호합니다. Wan2.2 리포지토리가 비활성화되어 있으므로 Hugging Face 토큰이 필요하지 않습니다. 모델 자체는 GitHub 웹 사이트의 Wan2.2 리포지토리를 참조하세요.

번들에는 GPU 지원 Linux 대기열이 있는 팜이 필요합니다. 작업자는 모델 캐시를 위해 NVIDIA GPU(최소 24GB VRAM), 64GiB의 시스템 메모리 및 최소 60GiB의 여유 디스크가 있어야 합니다. 24GB 카드에서 스크립트는 모델이 적합하도록 순차적 CPU 오프로드 및 VAE 타일링을 켭니다. 더 큰 카드는 상당히 빠르게 실행됩니다.

프롬프트의 네 가지 변형을 생성하는 작업을 제출합니다.

deadline bundle submit ./wan22_video_generation \
  --queue-id gpu-queue-id \
  -p Prompt="A hot air balloon drifting over terraced rice fields at dawn" \
  -p NumClips=4 \
  -p OutputDir=~/wan22_output

README는 해상도 및 프레임 수 제약 조건, 더 빠른 연기 테스트 설정, 측정된 생성 시간을 포함하여 전체 파라미터 세트를 설명합니다. 관련 생성형 AI 예제는 Deadline Cloud에서 확산 모델을 사용하여 일괄적으로 이미지 생성 및 섹션을 참조하세요Deadline Cloud에서 FLUX.2 Klein LoRA 훈련 및 사용. 영구 볼륨 설정은 README에서 연결된 플릿 스토리지 설명서를 참조하세요.