概述

文本-视频生成模型是由三个子网络组成的模型，包括：文本特征提取模型（Text feature extraction）、文本特征到视频扩散模型（Text feature-to-video latent space diffusion model)、视频空间映射模型（Video latent space to video visual space)。整体模型参数约为17亿。目前仅支持英文输入。扩散模型采用Unet3D结构，通过对纯高斯噪声视频进行迭代去噪处理，实现视频生成。

实例说明

Text to Video基于社区开源版本部署，参考源码HuggingFace Model Card。实例规格套餐如下：

规格族	vCPU与内存	系统盘
ecs.gn6i-c8g1.2xlarge	T4 GPU 计算型，8vCPU 31GiB，16G GPU RAM	ESSD云盘 200GiB PL0
ecs.gn7i-*	A10 GPU计算型，*，24G GPU RAM	ESSD云盘 200GiB PL0

部署流程

0.准备工作

在正式开始使用前，您需要一个阿里云账号，对ECS、VPC等资源进行访问和创建操作。

若您使用个人账号，可以直接创建服务实例
若您使用RAM用户创建服务实例，且是第一次使用阿里云计算巢
需要在创建服务实例前，对使用的RAM用户的账号添加相应资源的权限。添加RAM权限的详细操作，请参见为RAM用户授权。所需权限如下表所示。
且需要授权创建关联角色，参考下图，选中同意授权并创建关联角色

权限策略名称	备注
AliyunECSFullAccess	管理云服务器服务（ECS）的权限
AliyunVPCFullAccess	管理专有网络（VPC）的权限
AliyunROSFullAccess	管理资源编排服务（ROS）的权限
AliyunComputeNestUserFullAccess	管理计算巢服务（ComputeNest）的用户侧权限

1.部署入口

您可以在阿里云计算巢自行搜索，也可以通过下述部署链接快速到达。
部署链接

2.创建服务

2.1 参数列表

您在创建服务实例的过程中，需要配置服务实例信息的参数列表，具体如下：

参数组	参数项	示例	说明
服务实例名称	N/A	TextToVideo-mc64	实例的名称
地域	N/A	华东1（杭州）	选中服务实例的地域，建议就近选中，以获取更好的网络延时。
付费类型配置	付费类型	按量付费	N/A
ECS实例配置	实例类型	ecs.gn6i-c8g1.2xlarge	选择T4 GPU套餐规格或自定义套餐规格
ECS实例配置	实例密码	_**_	设置实例密码。长度8~30个字符，必须包含三项（大写字母、小写字母、数字、 ()`~!@#$%^&*_-+={}[]:;'<>,.?/ 中的特殊符号）。
登陆信息配置	软件登陆名	admin	设置软件登陆用户名
登陆信息配置	软件登录密码	**	设置软件登录密码
可用区配置	交换机可用去	可用区I	地域下的不同可用区域，确保实例非空
新建网络配置	专有网络IPv4网络	192.168.0.0/16	VPC的ip地址段范围
新建网络配置	交换机子网网段	192.168.1.0/24	交换机子网地址段范围
选择已有基础资源配置	VPC ID	vpc-xxx	按实际情况，选择专有网络的ID。
选择已有基础资源配置	交换机ID	vsw-xxx	按实际情况，选择交换机ID。若找不到交换机, 可尝试切换地域和可用区