AIGC-基于EAS服务快速部署一个AI视频生成

简介: AIGC-基于EAS服务快速部署一个AI视频生成

AI视频生成已成为当前热门应用之一。目前市面上有许多开源视频生成大模型可供选择,它们在不同领域展现了各自独特的性能。与此同时,AIGC开源工具ComfyUI也迅速在市场上崭露头角。作为一个基于节点流程式的AIGC生成工具WebUI,ComfyUI将AIGC流程拆分成工作节点,实现了精准的工作流定制和可复现性。

image.png

人工智能平台PAI起初是服务于阿里巴巴集团内部(例如淘宝、支付宝和高德)的机器学习平台,致力于让公司内部开发者更高效、简洁、标准地使用人工智能AI(Artificial Intelligence)技术。

随着PAI的不断发展,2018年PAI平台正式商业化,目前已经积累了数万的企业客户和个人开发者,是中国云端机器学习平台之一。PAI提供的服务:

可视化建模和分布式训练Designer,详情请参见可视化建模(Designer)。
Notebook交互式AI研发DSW(Data Science Workshop),详情请参见交互式建模(DSW)。
分布式训练DLC(Deep Learning Containers),详情请参见分布式训练(DLC)。
在线预测EAS(Elastic Algorithm Service),详情请参见模型在线服务(EAS)。

image.png

PAI依托于阿里云及阿里巴巴集团多年的应用及技术积累,具备以下多种优势。

AI 研发全生命周期全链路:
支持数据标注、模型开发、模型训练、模型优化、模型部署以及AI运维管控,是一站式AI平台。
拥有140+种优化的内置算法组件。
支持业内TensorFlow、PyTorch等多种深度学习框架。
提供多种模式、大数据引擎深度结合、多框架兼容、自定义镜像等核心能力。
提供云原生架构的AI开发、训练、部署的产品。
多样的产品输出方式:
公共云支持全托管、半托管。
支持AI 高性能计算集群和轻量化输出产品形态。
业内领先的AI优化:
高性能的训练框架,稀疏训练场景,支持数十亿到数百亿的稀疏特征规模,数百
亿到数千亿的样本规模,上千worker的分布式增量训练。
主流框架模型加速,使用PAI Blade提升RestNet50、Transformer+LM等十数个主流模型加速比。
该服务支持单独或组合使用。支持一站式机器学习,您只需准备好训练数据(存放到OSS或MaxCompute中),所有建模工作(包括数据上传、数据预处理、特征工程、模型训练、模型评估和模型发布至离线或在线环境)都可以通过PAI实现。
对接DataWorks,支持 SQL、UDF、UDAF、MR等多种数据处理方式,灵活性高。
生成训练模型的实验流程支持DataWorks周期性调度,且调度任务区分生产环境和开发环境,从而实现数据安全隔离。

您可以通过EAS一键部署基于ComfyUI和Stable Video Diffusion模型的AI视频生成Web应用,快速实现文本生成视频的AI生成解决方案,帮助您完成社交平台短视频内容生成、动画制作等任务

要使用EAS服务快速部署一个AI视频生成应用,您可以遵循以下步骤:

  1. 准备工作
    开通与设置:确保您已开通EAS服务并在阿里云PAI平台上创建了默认工作空间。如果您使用RAM用户部署模型,需为其分配EAS的管理权限。
  2. 部署EAS服务
    登录控制台:首先登录PAI控制台,在工作空间列表中选择您的工作空间。

image.png

进入模型部署页面:在工作空间内,导航至左侧的“模型部署 > 模型在线服务(EAS)”。
新建服务:
服务名称:输入一个自定义的服务名称,例如comfyui_svd_demo。
部署方式:选择“镜像部署AI-Web应用”。
镜像选择:从PAI平台镜像列表中选取comfyui,并选择最新版本的镜像。
运行命令:系统会自动配置运行命令为python main.py --listen --port 8000,端口默认为8000。

image.png

资源配置:
资源组种类:选择“公共资源组”。
资源配置方法:采用“常规资源配置”,并选择GPU类型资源,推荐配置为ml.gu7i.c16m60.1-gu30或在库存不足时选择ecs.gn6i-c16g1.4xlarge。
开始部署:点击“部署”,等待约5分钟直至部署完成。

  1. 启动ComfyUI并进行模型推理
    image.png

单击目标服务的服务方式列下的查看Web应用。
在WebUI页面进行模型推理验证。
根据您自己的业务需要,选择文生图的模型和图生视频的模型,本方案使用默认配置。然后在CLIP文本编码器中输入Prompts,例如:Rocket takes off from the ground, fire, sky, airplane,单击提示词队列, 等待工作流运行完成即可获得AI生成的视频。
右键单击生成的视频,选择保存图像,即可将生成的视频保存到本地。
image.png

注意事项
资源选择:选择合适的GPU资源对性能和成本效益至关重要。
版本更新:镜像版本迭代迅速,请部署时选用最新版本以获取最佳性能和功能。
权限配置:确保RAM用户具有足够的EAS管理权限,避免部署过程中出现权限问题。
通过以上步骤,您将能够快速搭建起一个基于ComfyUI的AI视频生成应用,实现文本驱动的视频内容创作,适用于短视频、直播、动画制作等多种场景。

相关文章
|
1月前
|
人工智能 并行计算 安全
从零到一,打造专属AI王国!大模型私有化部署全攻略,手把手教你搭建、优化与安全设置
【10月更文挑战第24天】本文详细介绍从零开始的大模型私有化部署流程,涵盖需求分析、环境搭建、模型准备、模型部署、性能优化和安全设置六个关键步骤,并提供相应的示例代码,确保企业能够高效、安全地将大型AI模型部署在本地或私有云上。
289 7
|
1月前
|
人工智能 安全 网络安全
揭秘!大模型私有化部署的全方位安全攻略与优化秘籍,让你的AI项目稳如磐石,数据安全无忧!
【10月更文挑战第24天】本文探讨了大模型私有化部署的安全性考量与优化策略,涵盖数据安全、防火墙配置、性能优化、容器化部署、模型更新和数据备份等方面,提供了实用的示例代码,旨在为企业提供全面的技术参考。
85 6
|
2月前
|
人工智能 数据安全/隐私保护 UED
RAG让AI大模型更懂业务解决方案部署使用体验
根据指导文档,部署过程得到了详细步骤说明的支持,包括环境配置、依赖安装及代码示例,确保了部署顺利进行。建议优化知识库问题汇总,增加部署失败案例参考,以提升用户体验。整体解决方案阅读与部署体验良好,有助于大型语言模型在特定业务场景的应用,未来可加强行业适应性和用户隐私保护。
64 5
|
1月前
|
人工智能 分布式计算 数据可视化
大模型私有化部署全攻略:硬件需求、数据隐私、可解释性与维护成本挑战及解决方案详解,附示例代码助你轻松实现企业内部AI应用
【10月更文挑战第23天】随着人工智能技术的发展,企业越来越关注大模型的私有化部署。本文详细探讨了硬件资源需求、数据隐私保护、模型可解释性、模型更新和维护等方面的挑战及解决方案,并提供了示例代码,帮助企业高效、安全地实现大模型的内部部署。
69 1
|
1月前
|
人工智能 分布式计算 数据可视化
大模型私有化部署全攻略:硬件需求、数据隐私、可解释性与维护成本挑战及解决方案详解,附示例代码助你轻松实现企业内部AI应用
【10月更文挑战第23天】随着人工智能技术的发展,大模型在各领域的应用日益广泛。然而,将其私有化部署到企业内部面临诸多挑战,如硬件资源需求高、数据隐私保护、模型可解释性差、更新维护成本高等。本文探讨了这些挑战,并提出了优化硬件配置、数据加密、可视化工具、自动化更新机制等解决方案,帮助企业顺利实现大模型的私有化部署。
64 1
|
8天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗诊断中的应用及前景展望
本文旨在探讨人工智能(AI)技术在医疗诊断领域的应用现状、挑战与未来发展趋势。通过分析AI技术如何助力提高诊断准确率、缩短诊断时间以及降低医疗成本,揭示了其在现代医疗体系中的重要价值。同时,文章也指出了当前AI医疗面临的数据隐私、算法透明度等挑战,并对未来的发展方向进行了展望。
|
16天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年,AI大模型在软件开发领域的应用正重塑传统流程,从自动化编码、智能协作到代码审查和测试,显著提升了开发效率和代码质量。然而,技术挑战、伦理安全及模型可解释性等问题仍需解决。未来,AI将继续推动软件开发向更高效、智能化方向发展。
|
20天前
|
机器学习/深度学习 人工智能 自然语言处理
AI在医疗领域的应用及其挑战
【10月更文挑战第34天】本文将探讨人工智能(AI)在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念入手,然后详细介绍其在医疗领域的各种应用,如疾病诊断、药物研发、患者护理等。最后,我们将讨论AI在医疗领域面临的主要挑战,包括数据隐私、算法偏见、法规合规等问题。
40 1
|
12天前
|
机器学习/深度学习 人工智能 算法
AI在医疗诊断中的应用
【10月更文挑战第42天】本文将探讨人工智能(AI)在医疗诊断中的应用,包括其优势、挑战和未来发展方向。我们将通过实例来说明AI如何改变医疗行业,提高诊断的准确性和效率。
|
13天前
|
存储 人工智能 搜索推荐
Memoripy:支持 AI 应用上下文感知的记忆管理 Python 库
Memoripy 是一个 Python 库,用于管理 AI 应用中的上下文感知记忆,支持短期和长期存储,兼容 OpenAI 和 Ollama API。
57 6
Memoripy:支持 AI 应用上下文感知的记忆管理 Python 库