镜像名称

One-to-All-Animation单图片转换动画视频数字人视频动作模仿器

镜像简介

• 用于将单张图片生成模仿视频动作的数字人视频
• 源码地址： https://github.com/ssj9596/One-to-All-Animation

运行使用界面截图​

​

bug反馈可以加入科哥专属群交流➕ 广告勿进！​

​ ​

优云镜像使用操作一般流程：​

​

1、在社区镜像区域，选择镜像：​

​ ​ ​

2、在打开的新页面 点击“使用该镜像创建实例”：​

​ ​

3、选择一个合适的显卡【GPU】根据情况选择：​

​

4、确认部署信息无误，点击“开始部署”，然后等待部署完成：​

​ ​

如何启动应用​

​

不是自动运行的应用：​

​

1、手动点击加号新建起始页：​

​ ​ ​

2、打开终端：​

​ ​

3、输入指令然后回车：​

​ ​

4、等待加载模型完毕：​

​ ​

5、看到这个出现：​

​ ​ ​

6、返回控制面板打开“SD-WebUI”​

​ ​

• AI数字人直播卖货欢迎来了解： https://kege-aigc.feishu.cn/docx/G271dgZr1o8CvMx9KKrcRuuonDf

以上都是镜像运行打开操作的一般步骤

优其他使用报错问题加群咨询

更多高级指令，可以进入jupyterlab，自行操作，例如：

• 查看进程：

ps -ef |grep python

• 终止进程：

kill -9 pid

• 重启程序：

cd  /root && bash run.sh

• 官方更新源码在这里：

---

有bug请微信科哥或加群： 312088415

科哥在UCloud镜像列表【不断更新中】：

• https://kege-aigc.feishu.cn/docx/L3FVdQl7kom8Ckx7QiicQj2VnEd

---

One-to-All Animation - 用户使用手册

简介

One-to-All Animation 是一个基于单张参考图像生成角色动画的系统。通过上传参考图像和驱动视频，系统会根据驱动视频的姿态，生成与参考图像角色相匹配的动画视频。

---

快速开始

1. 启动服务

bash start_app.sh

等待服务启动完成（首次启动约需 1-2 分钟加载模型），浏览器访问:

• 本地访问: http://localhost:7860
• 远程访问: http://服务器IP:7860
• 源码地址： https://github.com/ssj9596/One-to-All-Animation

2. 界面概览

WebUI 分为左右两栏:

• 左侧: 输入设置区
• 右侧: 输出预览区

---

使用流程

步骤 1: 上传文件

1.1 参考图像

• 作用: 提供角色的外观和身份
• 要求:
  • 格式: PNG, JPG, JPEG
  • 建议: 人物清晰、正面或半侧面、背景简洁
  • 大小: 建议 512x512 以上

1.2 驱动视频

• 作用: 提供动作姿态序列
• 要求:
  • 格式: MP4, AVI, MOV 等常见格式
  • 时长: 建议不超过 10 秒
  • 帧率: 建议 30fps

步骤 2: 选择模型

模型	特点	适用场景	显存占用
1.3B-v2	速度快	日常使用、快速预览	~15 GB
1.3B-v1	备用版本	兼容性测试	~15 GB
14B	质量高	精品制作、最终输出	~50 GB

💡 提示: 首次使用建议选择 1.3B-v2 模型

步骤 3: 选择对齐模式

模式	说明	效果
ref	参考图像对齐	保持参考图像中人物的身份特征
pose	姿态对齐	更好地保持驱动视频的姿态细节

💡 推荐: 默认使用 ref 模式

步骤 4: 加载模型

点击 "🔄 加载模型" 按钮，等待提示 "✅ 模型加载成功"

⚠️ 注意: 模型只需加载一次，生成多个视频时无需重复加载

步骤 5: 调整参数

5.1 CFG (Classifier-Free Guidance)

Image CFG (图像引导强度)

• 范围: 0 - 5
• 默认: 2.5
• 作用: 控制生成结果与参考图像的相似度
  • 值越高: 越像参考图像
  • 值越低: 创意越多，可能偏离参考

Pose CFG (姿态引导强度)

• 范围: 0 - 5
• 默认: 1.5
• 作用: 控制生成结果与驱动姿态的贴合度
  • 值越高: 动作越接近驱动视频
  • 值越低: 动作更自由

💡 推荐组合:

• 保守: Image CFG 2.5 + Pose CFG 1.5
• 激进: Image CFG 3.5 + Pose CFG 2.0

5.2 推理步数

• 范围: 10 - 50
• 默认: 30
• 说明:
  • 10 步: 快速预览 (约 5 分钟)
  • 30 步: 平衡质量 (约 14 分钟)
  • 50 步: 最佳质量 (约 23 分钟)

5.3 最大帧数

• 范围: 16 - 161
• 默认: 81
• 说明:
  • 16-49 帧: 短视频 (~1-2 秒)
  • 81 帧: 标准 (~2.7 秒)
  • 161 帧: 长视频 (~5.3 秒)

5.4 长视频生成

勾选 "启用长视频生成 (Token Replace)" 后:

• 超过 81 帧的视频会自动分块生成
• 每块 81 帧，重叠 5 帧保证连贯性
• 生成时间成倍增加

⚠️ 注意: 长视频生成需要更多显存和时间

5.5 文本提示 (可选)

• 作用: 用文字描述想要的生成效果
• 示例:
  • "一个人在跳舞"
  • "高质量，细节丰富"
  • "电影级画面"

步骤 6: 生成动画

点击 "🎬 生成动画" 按钮，等待生成完成。

生成过程:

1. 预处理 (10-30 秒): 提取姿态、生成缓存
2. 生成 (5-23 分钟): 根据步数而定
3. 保存 (5-10 秒): 保存输出视频

步骤 7: 查看结果

生成完成后:

• 右侧会显示生成的视频预览
• 状态栏会显示输出文件路径
• 视频保存在 outputs/ 目录

---

高级用法

1. 批量生成

使用相同参考图像，多个驱动视频:

1. 上传参考图像
2. 加载模型一次
3. 依次上传不同驱动视频并生成

2. 调整分辨率

预处理会自动计算分辨率:

• 最大短边: 768 像素
• 自动裁剪为 16 的倍数 (VAE 要求)
• 最终分辨率由参考图像宽高比决定

3. 使用外部缓存

如果已运行过预处理，可以:

1. 将缓存文件复制到 input_cache/ 目录
2. 直接进行生成，跳过预处理步骤

---

参数调优指南

场景 1: 追求相似度

目标: 让生成结果尽可能像参考图像

推荐设置:

Image CFG: 3.5 - 4.5
Pose CFG: 1.0 - 1.5
推理步数: 30 - 50
对齐模式: ref

场景 2: 追求动作准确性

目标: 让动作尽可能接近驱动视频

推荐设置:

Image CFG: 2.0 - 2.5
Pose CFG: 2.5 - 3.5
推理步数: 30 - 50
对齐模式: pose

场景 3: 快速预览

目标: 快速查看效果

推荐设置:

Image CFG: 2.5
Pose CFG: 1.5
推理步数: 10
最大帧数: 16 - 49

场景 4: 长视频生成

目标: 生成 5 秒以上视频

推荐设置:

Image CFG: 2.5
Pose CFG: 1.5
推理步数: 20 - 30
最大帧数: 120 - 161
启用 Token Replace: ✅

---

常见问题

Q1: 生成结果面部模糊怎么办?

A: 尝试以下方法:

1. 提高推理步数到 40-50
2. 增加 Image CFG 到 3.0-3.5
3. 确保参考图像人物面部清晰
4. 使用 14B 模型获得更好效果

Q2: 动作不够自然怎么办?

A: 尝试以下方法:

1. 增加 Pose CFG 到 2.0-2.5
2. 切换到 pose 对齐模式
3. 确保驱动视频动作清晰流畅
4. 减少最大帧数避免长视频累积误差

Q3: 生成速度太慢怎么办?

A: 可以:

1. 降低推理步数到 10-20
2. 减少最大帧数
3. 使用 1.3B 模型而非 14B
4. 使用较短的驱动视频

Q4: 显存不足怎么办?

A: 可以:

1. 减少最大帧数
2. 降低推理步数
3. 使用 1.3B 模型
4. 重启服务释放显存

Q5: 如何获得最佳质量?

A: 建议:

1. 使用 14B 模型
2. 推理步数设为 40-50
3. Image CFG: 2.5-3.0
4. Pose CFG: 1.5-2.0
5. 使用高质量参考图像和驱动视频

---

输出文件说明

文件命名

输出视频保存在 outputs/ 目录，文件名格式:

out_{unix_timestamp}.mp4

例如: out_1735250123.mp4

查找最新输出

# 按时间排序查看
ls -lt outputs/

# 查看最新文件
ls -lt outputs/ | head -2

---

快捷操作

刷新模型

如果需要切换模型:

1. 选择新模型
2. 点击"加载模型"
3. 旧模型会自动卸载

清理缓存

预处理缓存保存在 input_cache/ 目录:

# 查看缓存大小
du -sh input_cache/

# 清理缓存 (谨慎操作)
rm -rf input_cache/*

---

技巧提示

📌 参考图像选择

推荐:

• 人物居中、正面或半侧面
• 光线均匀、背景简洁
• 分辨率 512x512 以上
• 人物占画面 50% 以上

避免:

• 严重遮挡
• 模糊不清
• 过度侧脸
• 复杂背景

📌 驱动视频选择

推荐:

• 动作清晰流畅
• 人物姿态完整可见
• 时长 3-10 秒
• 帧率 30fps

避免:

• 快速运动导致模糊
• 频繁遮挡
• 过度复杂的动作
• 时长过长

📌 参数调整策略

渐进式调优:

1. 先用默认参数生成
2. 根据结果微调一个参数
3. 对比效果后再调整下一个
4. 记录有效的参数组合

---

示例工作流

示例 1: 人物舞蹈视频

1. 上传人物照片 (正面清晰)
2. 上传舞蹈视频 (3-5 秒)
3. 选择 1.3B-v2 模型
4. 对齐模式: ref
5. Image CFG: 2.5
6. Pose CFG: 1.5
7. 推理步数: 30
8. 最大帧数: 81
9. 点击生成

示例 2: 长视频生成

1. 上传参考图像
2. 上传 8-10 秒驱动视频
3. 选择 1.3B-v2 模型
4. 最大帧数: 161
5. 启用 Token Replace: ✅
6. 推理步数: 20
7. 点击生成 (预计 20-30 分钟)

示例 3: 快速预览

1. 上传参考图像
2. 上传驱动视频
3. 推理步数: 10
4. 最大帧数: 49
5. 点击生成 (预计 5 分钟)

---

注意事项

1. 首次使用: 首次启动需要下载/加载模型，请耐心等待

2. 模型切换: 切换模型需要重新加载，约需 1-2 分钟

3. 生成时间: 生成时间与步数、帧数成正比，请合理安排

4. 显存管理: 生成过程中请关闭其他占用显存的程序

5. 保存结果: 生成结果自动保存在 outputs/ 目录，请注意备份

6. 网络访问: 如需外网访问，使用 --share 参数启动

---

联系与反馈

如有问题或建议，请:

1. 查看日志文件: output_test/ 目录
2. 检查错误信息
3. 记录复现步骤

---

最后更新: 2025-12-27