Open Chat Video Editor是开源的短视频生成和编辑工具，整体技术框架如下：
- windows、linux不同系统更方便的install指引
- 创建docker，方便大家一键使用
- 能够在线直接快速体验的url
- 在短视频文案数据上对文本模型finetune,支持更多的文案风格
- finetune SD模型，提升图像和视频的生成效果
目前具有以下特点：
-
1）一键生成可用的短视频，包括：配音、背景音乐、字幕等。
-
2）算法和数据均基于开源项目，方便技术交流和学习
-
3）支持多种输入数据，方便对各种各样的数据，一键转短视频，目前支持：
- 短句转短视频（Text2Video）: 根据输入的简短文字，生成短视频文案，并合成短视频
- 网页链接转短视频（Url2Video）: 自动对网页的内容进行提取，生成视频文案，并生成短视频
- 长视频转短视频（Long Video to Short Video）: 对输入的长视频进行分析和摘要，并生成短视频
-
4）涵盖生成模型和多模态检索模型等多种主流算法和模型，如: Chatgpt,Stable Diffusion,CLIP 等
文本生成上，支持：
- ChatGPT
- BELLE
- Alpaca
- Dolly 等多种模型
视觉信息生成上，支持图像和视频两种模态，生成方式上，支持检索和生成两种模型，目前共有6种模式：
- 图像检索
- 图像生成（stable diffusion）
- 先图像检索，再基于stable diffusion 进行图像生成
- 视频检索
- 视频生成（stable diffusion）
- 视频检索后，再基于stable diffusion 进行视频生成
界面如下:
以输入文案：【小孩子养宠物】为例，利用文本模型（如：chatgpt 等），可以自动生成一个较长的短视频文案：
['小孩子养宠物', '可以更好地提升小孩子的责任感和独立感', '但也要慎重的选择合适的宠物', '因为只有经过一定的训练养成', '它们才能够成长起来', '一起玩耍和度过一段欢快的时光', '宠物不仅能够陪伴小孩子渡过寂寞时光', '还能培养小孩子处事冷静、自信以及情感交流和沟通能力', '在养宠物的过程中', '小孩子们可以唤醒和发掘他们被磨练出来的坚毅和耐力', '能够亲身体验到勤勉 和坚持的重要性']
根据不同的视频生成模式，可以生成不同的视频，各个模式对比如下:
1）图像检索
default.mp4
2）图像生成（stable diffusion）
default.mp4
3）先图像检索，再基于stable diffusion 进行图像生成
+.mp4
4）视频检索
default.mp4
界面如下：
1）输入一个url, 例如：https://zh.wikipedia.org/wiki/%E7%BE%8E%E5%9B%BD%E7%9F%AD%E6%AF%9B%E7%8C%AB 其内容是：美国短毛猫的维基百科
2）解析网页并自动摘要成短视频文案，结果如下：
['\n\n美国短毛猫', '是一种神奇又魔幻的宠物猫品种', '它们优雅可爱', '活力无比', '能拥有多达80多种头毛色彩', '最出名的是银虎斑', '其银色毛发中透着浓厚的黑色斑
纹', '除此之外', '它们还非常温柔', '是非常适合家庭和人类相处的宠物', '并且平均寿命达15-20年', '这种可爱的猫
品种', '正在受到越来越多人的喜爱', '不妨试试你也来养一只吧']
3）自动合成短视频 例如图像生成模式下生成的结果如下，其他模式不再一一对比
url.mp4
即将发布，敬请期待
根据不同需求，选择不同的安装方式1、2、和3、任选其一。
目前docker环境因为每个人的cuda版本可能不一样，所以无法保证都能够正常使用GPU。目前仅支持图像检索模式，且占用比较多的储存（24G）。
docker pull iamjunhonghuang/open-chat-video-editor:retrival
docker run -it --network=host -v /YourPath/open-chat-video-editor:/YourPath/open-chat-video-editor/ iamjunhonghuang/open-chat-video-editor:retrival bash
conda activate open_editor
1）首先安装基于conda的python环境，gcc版本安装测试时是8.5.0，所以尽量升级到8以上
conda env create -f env.yaml
conda env update -f env.yaml #假如第一行出现错误，需要更新使用的命令
2） 接着安装环境依赖，主要目的是正常安装ImageMagick，其他linux版本可以参考
# yum groupinstall 'Development Tools'
# yum install ghostscript
# yum -y install bzip2-devel freetype-devel libjpeg-devel libpng-devel libtiff-devel giflib-devel zlib-devel ghostscript-devel djvulibre-devel libwmf-devel jasper-devel libtool-ltdl-devel libX11-devel libXext-devel libXt-devel libxml2-devel librsvg2-devel OpenEXR-devel php-devel
# wget https://www.imagemagick.org/download/ImageMagick.tar.gz
# tar xvzf ImageMagick.tar.gz
# cd ImageMagick*
# ./configure
# make
# make install
3）需要修改moviepy的调用路径，也就是将下面文件
$HOME/anaconda3/envs/open_editor/lib/python3.8/site-packages/moviepy/config_defaults.py
修改成
#IMAGEMAGICK_BINARY = os.getenv('IMAGEMAGICK_BINARY', 'auto-detect')
IMAGEMAGICK_BINARY='/usr/local/bin/magick'
4）目前暂不支持中文字幕显示，所以需要修改配置文件yaml中的字体设置，例如’image_by_retrieval_text_by_chatgpt_zh.yaml‘
subtitle:
font: DejaVu-Sans-Bold-Oblique
# font: Cantarell-Regular
# font: 华文细黑
1）安装pytorch
# GPU 版本
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
# CPU版本
pip3 install torch torchvision torchaudio
2）安装其他依赖环境
pip install -r requirements.txt
3）安装clip
pip install git+https://github.com/openai/CLIP.git
4）安装faiss
conda install -c pytorch faiss-cpu
1）根据实际需要，选择不同的配置文件
| 配置文件 | 说明 |
|---|---|
| configs/text2video/image_by_retrieval_text_by_chatgpt_zh.yaml | 短文本转视频,视频文案采用chatgpt生成,视觉部分采用图像检索来生成 |
| configs\text2video\image_by_diffusion_text_by_chatgpt_zh.yaml | 短文本转视频,视频文案采用chatgpt生成, 视觉部分采用图像stable diffusion 来生成 |
| configs\text2video\image_by_retrieval_then_diffusion_chatgpt_zh.yaml | 短文本转视频,视频文案采用chatgpt生成,视觉部分采用先图像检索，然后再基于图像的stable diffusion 来生成 |
| configs\text2video\video_by_retrieval_text_by_chatgpt_zh.yaml | 短文本转视频, 视频文案采用chatgpt生成,视觉部分采用视频检索来生成 |
| configs\url2video\image_by_retrieval_text_by_chatgpt.yaml | url转视频，视频文案采用chatgpt生成,视觉部分采用图像检索来生成 |
| configs\url2video\image_by_diffusion_text_by_chatgpt.yaml | url转视频,视频文案采用chatgpt生成, 视觉部分采用图像stable diffusion 来生成 |
| configs\url2video\image_by_retrieval_then_diffusion_chatgpt.yaml | url转视频,视频文案采用chatgpt生成,视觉部分采用先图像检索，然后再基于图像的stable diffusion 来生成 |
| configs\url2video\video_by_retrieval_text_by_chatgpt.yaml | url转视频,视频文案采用chatgpt生成,视觉部分采用视频检索来生成 |
需要注意的是：如果要采用ChatGPT来生成文案，需要在配置文件里面，添加organization 和 api_key
2）下载数据索引和meta信息data.tar,并解压到 data/index 目录下，
3）执行脚本
# Text to video
python app/app.py --func Text2VideoEditor --cfg ${cfg_file}
# URL to video
python app/app.py --func URL2VideoEditor --cfg ${cfg_file}
1、数据来源 图像检索数据来源于:LAION-5B
视频检索数据来源于：webvid-10m
请注意，我们并不拥有数据版权
2、该项目仅用于交流学习，不得用于商业，以及其他会对社会带来危害的用途。
欢迎通过Discard 或者微信与我们交流学习
一群200人已满,
二群200人已满，
请加三群：
