SkyReels-V1:HunyuanVideoの改良版+α：txt2vidとimg2vid版がある！
SkyReelsは、HunyuanVideoをファインチューニングしたもののようです。
このモデルは、映画やテレビのデータでトレーニングされているため、人間のキャラクターやシーンの生成に優れているとのこと。
txt2vidとimg2vidに対応しているようです。
本日ComfyUIのネイティブノードで使用が出来る様になった様です！
すでにHuggingfaceで、kijaiさんがsafetensorsモデルを公開されています。ちなみにkijaiさんが公開されているモデルは、HunyuanVideoWrapperのワークフローでしか動かなさそう。。。。オリジナルのノードでも動くようになっています。
しかもfp8モデルもある。
Kijai/SkyReels-V1-Hunyuan_comfy at main
img2vidのワークフローがkijaiさんのHunyuanVideoWrapperにアップロードされています。HunyuanVideoWrapperは最新版にアップグレードしておく必要があります。
仕事が早すぎますよね。
「In native workflows you'd feed the image in using "InstructPixtoPixConditioning" or similar node that adds an encoded image as extra conditioning.」
とか書いてあります。
ちなみに元のhuggingfaceサイトのモデルを見ると6つに分割されています。
Skywork/SkyReels-V1-Hunyuan-I2V at main
これをダウンロードして統合してみたのですが、「モデルの構造が違う」とかで弾かれました。。。。
素直にComfyUI用に結合されたものを使用するのが吉です。
＜使用方法：img2vidモデル＞
この方法は、img2vidモデルをロードして行います。txt2vidモデルだと(pixtopixの部分を使用しなければ動きます)。
ここにkijaiさんがワークフローを紹介されており、それを使用するとimg2vidが出来るようになります。
理由などはよく分かりませんが、ステップは30ぐらいは必要な印象です。
時間がかかる計算になりますが、実際に元の画像から動いてくれるので良いかも知れません。
CFGの設定が必要となり、同じCFGでも安定した出力にはなりません。
4前後が元絵が安定しやすいという印象。
バッティングは、txt2vidだと厳しいものでしたので、このレベルは良いものに思います。
＜txt2vidモデル＞同じプロンプトで行っています。
オリジナルモデルとの設定の差があるので、その部分がどうなっていくかですね。