示例 1	示例 2	示例 3

如果您使用了我们工作的任何组件，请引用本文。

@article{wang2024animatelcm,
  title={AnimateLCM: 加速个性化扩散模型与适配器的动画生成——基于解耦一致性学习},
  author={Wang, Fu-Yun and Huang, Zhaoyang and Shi, Xiaoyu and Bian, Weikang and Song, Guanglu and Liu, Yu and Li, Hongsheng},
  journal={arXiv 预印本 arXiv:2402.00769},
  year={2024}
}

新闻

• [2024.05]: 🔥🔥🔥 我们发布了用于加速 Stable Video Diffusion 的训练脚本。
• [2024.03]: 😆😆😆 我们发布了 AnimateLCM-I2V 和 AnimateLCM-SVD，用于快速图像动画。
• [2024.02]: 🤗🤗🤗 发布了预训练模型权重及 Hugging Face 演示。
• [2024.02]: 💡💡💡 技术报告已在 arXiv 上发布。

这里是一段使用过程的屏幕录制。提示词：“河流映照山峦”

简介

Animate-LCM 是一项开创性工作，在一致性模型的基础上探索快速动画生成，能够在仅需 4 步推理的情况下生成高质量动画。

它依赖于解耦的学习范式，先学习图像生成先验，再学习时间生成先验以实现快速采样，从而极大地提升了训练效率。

AnimateLCM 的高层次工作流程可以表示为：

演示

我们在项目主页上发布了大量由 Animate-LCM 生成的演示视频。总体而言，AnimateLCM 可用于快速文生视频、控制条件生视频、图生视频、视频风格化以及较长视频的生成。

模型

截至目前，我们已发布了三款可供使用的模型：

• Animate-LCM-T2V：一种空间 LoRA 权重和运动模块，用于个性化视频生成。社区的一些尝试表明，该运动模块也兼容许多针对 LCM 调优的个性化模型，例如 Dreamshaper-LCM。

• AnimateLCM-SVD-xt。我提供了 AnimateLCM-SVD-xt 和 AnimateLCM-SVD-xt 1.1，它们分别基于 SVD-xt 和 SVD-xt 1.1 进行调优。它们适用于高分辨率图像动画，每秒 25 帧，每次采样只需 1~8 步。您可以通过 Hugging Face 的演示进行试用。感谢 Hugging Face 团队提供的 GPU 支持。

• AnimateLCM-I2V。一种空间 LoRA 权重和运动模块，并附加了一个图像编码器，用于个性化图像动画。这是我们尝试直接训练一个无需任何教师模型即可快速采样的图像动画模型。它可以利用个性化图像在 2~4 步内生成动画。然而，由于训练资源非常有限，其稳定性不如预期（正如大多数基于 Stable-Diffusion-v1-5 构建的 I2V 模型一样，通常在生成时不够稳定）。

安装与使用说明

我们将 animatelcm_sd15 和 animatelcm_svd 分成了两个文件夹。它们基于不同的环境。请参考 README_animatelcm_sd15 和 README_animatelcm_svd 获取使用说明。

使用技巧

• AnimateLCM-T2V：

  • 一般情况下，4 步即可获得良好效果。若追求更高品质，可增加至 6~8 步以提升生成质量。
  • CFG 缩放值应设置在 1~2 之间。将 CFG 设置为 1 可使采样成本降低一半。不过，我个人更倾向于使用 CFG 1.5，并配合适当的负面提示词进行采样，以达到更好的效果。
  • 采样时建议将视频长度设为 16 帧，因为这是模型训练时所采用的长度。
  • 该模型可与 IP-Adapter、ControlNet 以及许多为 Stable Diffusion 调优的适配器以零样本方式协同工作。若希望获得更好的组合效果，可尝试使用我提供的无教师适配脚本对其进行联合调优，这不会影响采样速度。

• AnimateLCM-I2V：

  • 对于个性化图像动画，2~4 步即可满足需求。

  • 大多数情况下，该模型并不需要 CFG 值，只需将 CFG 设置为 1 即可降低推理成本。

  • 我额外设置了一个 motion scale 超参数，默认值为 0.8。若将其设置为 0.0，则始终会生成静态动画。您可以适当提高运动尺度以获得更大的动作幅度，但这也可能导致生成失败。

  • 典型的工作流程如下：

    • 使用您的个性化图像模型生成一张高质量的图像。
    • 将生成的图像作为输入，重复使用相同的提示词进行图像动画处理。
    • 您甚至可以进一步使用 AnimateLCM-T2V 来优化最终的运动效果。

• AnimateLCM-SVD：

  • 1~4 步即可满足需求。
  • SVD 需要两个 CFG 值：CFG_min 和 CFG_max。默认情况下，CFG_min 被设置为 1。适当调整 CFG_max 至 [1, 1.5] 之间，即可获得不错的效果。当然，为了降低推理成本，也可以直接将其设置为 1。
  • 对于 AnimateLCM-SVD-xt 的其他超参数，请遵循原始 SVD 的设计。

相关说明

• 🎉 AnimateLCM 在 ComfyUI 上的教程视频：教程视频
• 🎉 AnimateLCM 的 ComfyUI 插件：AnimateLCM-ComfyUI & ComfyUI-Reddit

对比

AnimateLCM-T2V 的屏幕录制。提示词：“戴着太阳镜的狗”。

联系与合作

我欢迎合作，但不接受全职实习生职位。如果您对我的部分工作感兴趣，并希望以任何形式进行合作或讨论，请随时与我联系。

📧 邮箱：fywang@link.cuhk.edu.hk

致谢

我要感谢 AK 宣传了我们的工作，也感谢 Hugging Face 团队在搭建 Gradio 演示和存储模型方面提供的帮助。同时也要感谢 Dhruv Nair 在 Diffusers 方面给予的支持。

AnimateLCM 快速上手指南

---

环境准备

• 系统要求：Linux/macOS（推荐Ubuntu 20.04+），Python 3.8-3.10
• 前置依赖：

  # 安装PyTorch（国内镜像加速）
  pip install torch torchvision torchaudio --extra-index-url https://pypi.tuna.tsinghua.edu.cn/simple
  
  # 安装diffusers库
  pip install diffusers -U --extra-index-url https://pypi.tuna.tsinghua.edu.cn/simple
  

---

安装步骤

1. 克隆仓库

   git clone https://github.com/G-U-N/AnimateLCM.git
   cd AnimateLCM
   

2. 安装依赖（选择对应模块）

   • 文本驱动动画模块：

     cd animatelcm_sd15
     pip install -r requirements.txt
     

   • 图像驱动动画模块：

     cd animatelcm_svd
     pip install -r requirements.txt
     

3. 下载预训练模型

   # HuggingFace国内镜像加速下载
   pip install huggingface_hub
   python -c "from huggingface_hub import snapshot_download; snapshot_download(repo_id='wangfuyun/AnimateLCM')"
   

---

基本使用

文本生成动画（AnimateLCM-T2V）

from diffusers import DiffusionPipeline
import torch

# 加载模型
pipe = DiffusionPipeline.from_pretrained("wangfuyun/AnimateLCM", torch_dtype=torch.float16)
pipe.to("cuda")

# 生成16帧动画（4步采样）
video_frames = pipe(
    prompt="A dog wearing sunglasses",
    num_frames=16,
    num_inference_steps=4,
    guidance_scale=1.5
).frames

# 保存结果
pipe.save_gif(video_frames, "output.gif")

图像生成动画（AnimateLCM-I2V）

from diffusers import DiffusionPipeline
import torch

# 加载图像动画模型
pipe = DiffusionPipeline.from_pretrained("wangfuyun/AnimateLCM-I2V", torch_dtype=torch.float16)
pipe.to("cuda")

# 使用本地图片生成动画（2步采样）
video_frames = pipe(
    image="your_image.png",
    num_frames=16,
    num_inference_steps=2,
    motion_scale=0.8
).frames

pipe.save_gif(video_frames, "image_animation.gif")

---

关键参数说明

• 采样步数：T2V推荐4-8步，I2V推荐2-4步
• CFG缩放：T2V设为1.5-2.0，I2V建议固定为1.0
• 运动强度（I2V专属）：通过motion_scale调节（默认0.8，最大1.0）

🚀 加速技巧：使用--extra-index-url参数可大幅提升依赖安装速度，模型文件可通过HuggingFace镜像站下载。