Huimi Frame 模型能将输入上下文压缩至固定长度，因此生成任务量不受视频时长影响，即便是在笔记本电脑的 GPU 上，借助 130 亿参数模型，Huimi Frame 也能处理极多数量的帧。而且，Huimi Frame可采用大得多的批量大小进行训练，这与图像扩散训练的批量大小相当。

配置要求：

• 需配备英伟达 RTX 30XX、40XX、50XX 系列显卡，且支持 fp16 和 bf16 格式。GTX 10XX/20XX 系列未经过测试。
• 操作系统为 Linux 或 Windows。
• 显卡显存至少 6GB。
• 使用 13B 模型生成 1 分钟（60 秒）、30 帧 / 秒（共 1800 帧）的视频时，最低需 6GB 显存（没错，是 6GB，并非笔误，笔记本显卡也适用）。

关于速度

在我的 RTX 4090 台式机上，生成速度为 2.5 秒 / 帧（未优化）或 1.5 秒 / 帧（启用 teacache）。在 3070ti、3060 等笔记本显卡上，速度会慢 4 到 8 倍左右。如果你的速度远低于此，请排查问题。

无论如何，由于采用的是下一帧（片段）预测模式，你能直接看到生成的帧画面。因此，在完整视频生成前，就能获得大量视觉反馈。

安装

>>>点击此处下载一键安装包（CUDA 12.6 + Pytorch 2.6）<<<（安装包请与惠米科技官方联系）

下载后，解压，使用update.bat更新，使用run.bat运行。

请注意，运行update.bat很重要，否则您可能会使用未修复潜在错误的先前版本。

Linux：

我们建议使用独立的 Python 3.10。

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
pip install -r requirements.txt

要启动 GUI，请运行：python demo_gradio.py

请注意，它支持--share、、--port等--server。

该软件支持 PyTorch attention、xformers、flash-attn 和 sage-attention。默认情况下，它只使用 PyTorch attention。如果您知道如何操作，可以安装这些 attention 内核。

例如，要安装 sage-attention (linux)：pip install sageattention==1.0.6

图形用户界面

在左侧上传图像并写下提示，右侧是生成的视频和潜在预览，因为这是一个下一帧片段预测模型，所以生成的视频会越来越长，您将看到每个部分的进度条和下一部分的潜在预览。

以下测试以文生图片、或真人模特图片，来生成短视频的测试效果。

原始图片或模特定妆

图生视频提示词：那位女子在花丛中优雅地舞蹈，缓缓旋转，水袖飘动，手势优美。The woman dances elegantly among the blossoms, spinning slowly with flowing sleeves and graceful hand movements.

---