AI视频风格转换：Stable Diffusion+EBSynth
2023-07-25 13:39 萤火架构 阅读(1295) 评论(2) 编辑 收藏 举报这次转换的视频还比较稳定，先给大家看下效果。
书接上文，在上一篇文章中，我们首先使用 TemporalKit 提取了视频的关键帧图片，然后使用 Stable Diffusion 重绘了这些图片，然后又使用 TemporalKit 补全了重绘后的关键帧图片之间的序列帧，并拼合出了视频。
本文我们将使用一个新的工具 EBSynth 来补全重绘后的关键帧图片之间的序列帧，其它步骤还是继续使用原来的方法，不过相关参数上要做些调整，请看我慢慢道来。
之所以要使用 EBSynth 这个工具，是因为很多人介绍的都是这个方法，而不是我上一篇文章提到的方法，所以我也来体验下，做一个对比。
插件的安装这里就不提了，请看前一篇文章。我们从提取关键帧开始。
提取关键帧
为什么要提取关键帧？提取关键帧就是把视频中动作变化比较大的画面转成图片，下一步就是对这些图片进行重绘。如果不提取关键帧，而是把视频的每一帧都重绘，一是工作量大，二是重绘的每张图片可能都有点不一样，画面可能闪烁比较严重。
在SD WebUI的主页签中找到 Temporal-Kit，点击打开。然后接着点击“Pre-Processing”，在视频区域这里上传待处理的视频，这是我从抖音上截取的一段（文章最后会提供这个视频的下载地址）。不要马上点击“运行”，还有一些设置，请继续看下文。
在视频下方可以看到这些设置，这些都是针对提取图片的设置：
Sides：生成的1张图片的边包含几张视频帧。如果是2就代表4个视频帧，也就是 2*2；如果是3就代表9个视频帧，也就是 3*3；最小设置为1，也就是1张图包含1个视频帧。这个要结合后边的 Height Resolution一起设置。
Height Resolution：生成图片的高度的像素值，建议是：视频的高度 * Sides ，比如我这个视频是 1080*720，单个视频帧的高度就是720，但是前边Sides设置的2，所以就是720*2=1440。但是这个公式不是绝对的，你也可以写个720，或者写个2048。这个值需要考虑显卡的性能，如果显卡不太行，不要设置的太高。
frames per keyframe：多少视频帧抽取一个关键帧，关键帧越密动作衔接越流畅，但是可能重绘的变化越多，导致画面闪烁。
EBSynth Model：因为我们后边要使用EBSynth来处理，所以这里勾选上它，生成的文件名会有一定的格式。
fps：视频每秒包含几帧，在电脑上查看视频详情一般可以获取到。
Target Folder：关键帧图片的输出位置，实际会输出到这个目录下创建的一个input文件夹，后续各种处理的中间文件都在这个文件夹下，相当于一个项目目录，所以建议为每个视频的不同处理创建不同的文件夹。注意如果是云端，这里需要是服务器上的目录。
Batch Settings：因为我们这里需要处理整个视频，所以需要把这个Batch Run勾选上。
EBSynth Settings：因为EBSynth可以处理的视频时间比较短，所以要把视频分割成几段来处理。
参数设置完毕之后，点击页面右侧的“运行”。
关键帧图片都被提取后，图像这个区域应该显示提取的首张图片，但是我这里没显示，不知道是不是通信原因，大家注意观察处理进度。
- 如果这里显示了图片，直接点击“图生图”去重绘。
- 如果这里没有显示图片，可以去文件目录中看看，找到第一张下载下来，然后在“图生图”中手动上传。
转换风格
现在进入“图生图”界面。
上次的水彩画出图比较糊，这次我们直接用一个线条简单点的模型：toonyou，这是一个漫画风模型，也不用搭配Lora模型了。可以在文章最后获取下载地址。
这里的贴出来我的提示词，方便复制。
提示词：a man, epic scene, a poster, flat color,
反向提示词：easy_negative,beard
然后是一些参数设置，大家根据实际情况来吧，效果不好就调整下。
注意两点：
- 图片的宽高：一般按照实际设置就好，如果数字太大，建议先调小一点，然后再用超分高清化放大。
- 重绘强度：这里开到了最大。上一篇文章说不要太大，因为重复幅度大，图片相互之间变化可能就大，拼合出来的视频就可能比较闪烁。不过实测发现重绘幅度对 toonyou 这个模型的影响好像比较小，大家可以根据自己的实际情况试试，不必完全一样。
- 生成种子：先设置为-1，直到出了满意的图。
下面继续使用ControlNet控图，避免重绘的变化太大，尽量稳定画面。我这里选择的还是Tile模型，大家也可以试下SoftEdge、Canny、Lineart等绘线的模型。
然后就是抽卡了，不断的生成图片，直到你满意。
注意记录下满意图片的生成种子，马上就要用到批量生成中。
将图生图切换到“批量处理”，填写两个目录：
- 输入目录：提取关键帧步骤中输出图片的目录。
- 输出目录：重绘图片的保存目录，固定值output，填上就行了。
把满意图片的生成种子填写到这里，不过一个种子很难稳定输出图片中的各种元素，大家可以自己体会下。
最后就是点击“生成”按钮，等待批处理完成。
在图片输出区域的下方看到这句话，基本就处理完成了。WebUI的进度有时候更新不及时，大家注意看控制台或者shell的输出。
EBSynth处理
预处理
在之前提取视频关键帧时，我们将原视频分割为了几个子视频。预处理就是将每个子视频中的原视频帧和关键帧单独提取出来，并放到相关文件夹中。
在SD WebUI的主页签中找到 Temporal-Kit，然后接着点击“Ebysynth-Process”。这里的操作顺序要注意下，按照图上标的就行。
在“Input Folder”中输入项目目录，然后点击“read_last_settings”，视频和大部分参数都能自动加载出来。
在“output resolution”中输入视频的分辨率，这个不会自动加载。
最后点击按钮“prepare ebsynth”进行处理。
子视频的文件夹就是这个几个：
打开一个子视频文件夹，可以看到这些内容，其中 frames 和 keys 目录中的图片就是本次处理后写入的，下一步我们将使用EBSynth继续处理这些图片。
如果你的SD WebUI运行在云端，需要先下载到本地，因为EBSynth这个工具需要在本地运行。可以使用下边的命令先打包成zip文件（注意替换成自己的项目目录）：
zip -q -r dehua2.zip /root/autodl-tmp/webui_outputs/temporal-kit/dehua2然后再通过平台支持的方式进行下载。
生成序列帧
这一步就需要EBSynth这个软件出马了，官方提供了WIndows和Mac版本，不过我在Mac上运行的时候会直接退出，没有研究什么原因，直接换到Windows环境就好了。
软件下载地址：https://ebsynth.com/ ，点击 Download 按钮，弹出的窗口中点击最下方的“No thanks, just start the download”，网站会自动识别操作系统，下载对应版本的程序文件。
启动EBSynth后，我们只需要以下操作：
把子视频的 frames 目录拖到 Video 输入框；
把子视频的 keys 目录拖到 keyframes 输入框；
这时要处理的图片任务就会在软件下面的部分自动展示出来。
最后点击软件最下面的 “Run All”，开始这个子视频的处理。
这个处理过程比较长，大家耐心等待。每个子视频都需要这样处理。
所有子视频都处理完毕后，就可以进入合成视频的阶段了。
如果你的SD WebUI运行在云端，需要上传上去。可以先在本地打包成zip文件，然后通过云平台提供的方法上传上去，然后解压覆盖到项目目录，参考下边这个命令：
unzip -o /root/autodl-tmp/root.zip -d /-o 后边是zip文件的目录，-d 后边是要解压到的目录，因为我这个zip文件中第一级目录是root，所以这里用了斜杠，注意替换你的zip文件路径和要解压到的目录。
合成视频
现在又进入激动人心的视频合成环节了，回到 SD WebUI 中的 Temporal-Kit 页面。
这一步操作很简单，点击按钮“recombine ebsynth”，然后等着视频生成就行了。正常情况下，速度很快，因为视频需要的帧图片都处理好了。
之前使用Batch-Warp时，它还需要先生成一堆帧图片，所以当时比较慢；在本文的方法中这个工作交给了EBSynth处理。
资源下载
本文介绍的相关模型、插件和素材，大家可以按照文中提到的方法自行下载安装，也可以通过使用我准备好的，方法是关注公/众/号：萤火遛AI（yinghuo6ai），回复：视频风格转换，即可获取下载地址。
