Visão Geral e Vantagens da Imagem

A imagem Docker HunyuanVideo-Foley é uma solução pré-configurada para geração de vídeo e áudio, otimizada para placas gráficas RTX 4090 com 24GB de memória. Elimina a necessidade de configuração manual de ambiente.

• Implantação sem configuração: Inclui ambiente Python completo, bibliotecas de aceleração e modelos pré-carregados.
• Desempenho otimizado: Ajustada especificamente para 24GB de memória, com aumento de velocidade de inferência em até 30%.
• Funcionalidades integradas: Suporta simultaneamente criação de vídeos e geração de efeitos sonoros Foley para projetos multimídia.

Requisitos de Hardware e Ambiente

Configuração Mínima

• GPU: Necessário RTX 4090/4090D ou similar com 24GB de memória.
• Memória RAM: Recomendado ≥120GB para estabilidade com modelos grandes.
• CPU: Processador com 10 ou mais núcleos.
• Armazenamento: Disco do sistema com 50GB e disco de dados com 40GB (modelos já inclusos).

Ambiente Pré-Instalado

A imagem contém:

• Python 3.10+ e PyTorch 2.4 compilado com CUDA 12.4.
• Bibliotecas de aceleração: xFormers e FlashAttention.
• Ferramentas de mídia: FFmpeg completo para processamento.
• Frameworks: Transformers e Diffusers nas versões atuais.

Todas as versões de dependências são compatíveis, evitando conflitos comuns.

Guia de Início Rápido

Serviço WebUI com Interface Visual

Inicie o servidor WebUI para uso intuitivo:

cd /app
./iniciar_webui.sh

Acesse após a inicialização: http://localhost:7860

Implantação via API

Para integração em sistemas existentes, use o modo API:

cd /app
./iniciar_api.sh

Documentação da API disponível em: http://localhost:8000/docs

Uso via Linha de Comando

Execute diretamente com parâmetros customizados:

python criar_midia.py \
  --texto_entrada "sons ambientes de rua noturna" \
  --duracao_seg 10 \
  --arquivo_saida ./resultado/rua_chuvosa.wav

Demonstração de Funcionalidades

Geração de Vídeo por Texto

Crie vídeos a partir de descrições textuais:

• Resolução padrão: 1080P (ajustável).
• Duração controlável entre 5 e 30 segundos.
• Estilos: realista, animado, cinematográfico, etc.

Fluxo típico: Insira o prompt na interface WebUI, configrue duração e estilo, inicie a geração e aguarde 1-3 minutos para o arquivo MP4.

Criação de Efeitos Sonoros Foley

Produza áudios independentes para vídeos:

• Suporta efeitos ambientais, de objetos e vocais.
• Duração e intensidade confiugráveis.
• Formatos de saída: WAV ou MP3.

Exemplo de comando:

python criar_midia.py \
  --texto_entrada "ambiente de cafeteria: máquina de café, conversas baixas" \
  --arquivo_saida cafeteria_ambiente.wav

Otimização de Desempenho e Dicas

Estratégias para Memória GPU

• Alocação dinâmica: Ajuste automático com base na complexidade da tarefa.
• Carregamento mapeado: Reduz o uso inicial de memória.
• Processamento em lote: Permite até 3 tarefas simultâneas.

Técnicas para Aceleração

• Habilite xFormers (já configurado na imagem).
• Use resoluções menores como 512x512 para cenas simples.
• Para áudio, adicione o parâmetro --modo_rapido.

Gerenciamento de Armazenamento

Diretório de saída padrão: /app/resultado/

Para armazenamento externo, monte volumes ao iniciar o contêiner Docker:

docker run -v /caminho/para/armazenamento:/app/resultado ...

Perguntas Frequentes

Por que a primeira inicialização é lenta?
É necessário carregar aproximadamente 18GB de pesos do modelo; inicializações subsequentes serão mais rápidas.

Como verificar a compatibilidade do driver da GPU?
Execute nvidia-smi para confirmar que a versão do driver é ≥550.90.07.

É possível ajustar a resolução do vídeo gerado?
Use o parâmetro --resolucao 1024, com suporte até 2048x2048.

A geração de áudio suporta estéreo?
A saída padrão é estéreo em WAV; mude para mono com --mono.