FramePack-eichi | 日本語 | English | Русский

FramePack-eichi 是基於 lllyasviel 的 lllyasviel/FramePack 分支，由 nirvash 的 nirvash/FramePack 開發的功能增強版本。在 nirvash 的開創性改進基礎上，增加了許多細緻的功能。此外，從 v1.9 開始，在 Kohya Tech 的許可下，引入了 kohya-ss/FramePack-LoRAReady 的代碼，大幅提升了 LoRA 功能的性能和穩定性。

📘 名稱的由來

Endframe Image CHain Interface (EICHI)

Endframe: 強化和最佳化終端幀功能
Image: 改善關鍵幀圖像處理和視覺回饋
CHain: 複數的關鍵幀間的連接和關係的強化
Interface: 直感性的使用者體驗和 UI/UX 的提升

「eichi」是日本語的「睿智」（深刻的智慧、英知）的表達，代表著 AI 技術的進化和人間創造性的的融合，象征著本專案的哲學。即現地世界範圍內叡智的差分幀製作改修規格。叡智已經跨越海洋！

感謝您 https://github.com/hinablue Hina Chen 對多語言支援的協助。

🌟 新功能：FramePack-oichi 添加 (v1.9.2)

FramePack-eichi v1.9.2引入了一個新功能「FramePack-oichi」。這是一個從單一輸入圖像預測生成下一幀未來圖像的專用工具。

🤔 什麼是 FramePack-oichi?

單幀推論：僅生成下一幀，而非整個視頻
輕量級處理：比常規視頻生成更輕便快速，允許快速確認結果
用戶友好：簡單的UI設計，即使初學者也能直觀操作
多語言支持：完全支持日語、英語和繁體中文

💡 使用場景

創意探索：快速查看「圖像可能如何移動」
資源節省：與完整視頻生成相比，使用更少的資源處理
連續生成：可以將生成的圖像作為輸入再次使用，構建多幀序列

🚀 啟動方式

提供專用啟動腳本：

日語版：run_oneframe_ichi.bat
英語版：run_oneframe_ichi_en.bat
繁體中文版：run_oneframe_ichi_zh-tw.bat

🌟 新功能：F1 模型添加 (v1.9.1)

FramePack-eichi v1.9.1 在傳統的逆向生成模型「FramePack-eichi」（標準版）基礎上，添加了一個支持正向生成的新模型「FramePack-~~eichi~~ F1」。

🆚 F1 模型和標準模型的區別

特點	F1 模型	標準模型
生成方向	正向生成（從首到尾）	逆向生成（從尾到首）
動作特點	動作更多，結果更直觀	可進行更精確的控制
UI 元素	簡化設計	可使用詳細設定
易用性	適合初學者，更直觀	適合高級用戶，可進行複雜控制
關鍵幀	僅使用 Image	Image、Final、分段圖像
啟動方式	run_endframe_ichi_f1.bat	run_endframe_ichi.bat

💡 應該選擇哪一個？

初次使用或想要簡單操作的用戶 → 推薦使用 F1 模型
- 更容易獲得自然流暢的動態效果
- 設定項目較少，操作更直觀
- 通過專用啟動腳本（run_endframe_ichi_f1.bat）使用
想要更高級控制或有經驗的用戶 → 推薦使用 標準模型
- 可使用多個關鍵幀圖像進行細致控制
- 可使用分段提示詞等高級功能
- 通過傳統啟動腳本（run_endframe_ichi.bat）使用

注意： 首次啟動 F1 模型時，除了標準模型外，還會下載約 24GB 的額外模型。標準模型也會被保留，您可以在兩者之間切換使用。

🌟 主要功能

高品質影片生成：從單一圖像生成自然流暢的影片 ※現有功能
F1 模型支持：支持正向生成的新模型，實現更直觀的影片創建 ※v1.9.1 新增
靈活的影片長度設定：支援 1-20 秒的各個區段模式 ※獨特功能
區段幀大小設定：可切換 0.5 秒模式和 1 秒模式 ※v1.5 新增
全填充功能：所有區段使用相同的填充值 ※v1.4 新增
多區段支援：可在多個區段指定關鍵幀圖像，實現複雜動畫 ※nirvash 新增功能
區段專用提示詞設定：可為每個區段指定獨立的提示詞 ※v1.2 新增
紅框/藍框關鍵幀圖像高效複製：僅需兩個關鍵幀即可覆蓋所有區段 ※v1.7 新增
張量數據保存與合併：可保存影片的潛在表示，並合併多個影片 ※v1.8 新增
提示詞管理功能：輕鬆保存、編輯和重用提示詞 ※v1.3 新增
PNG 元數據嵌入：自動記錄生成圖像中的提示詞、種子值和分段信息 ※v1.9.1 新增
Hunyuan/FramePack LoRA 支援：通過模型自定義添加獨特表現 ※v1.9/v1.9.1 大幅改進
FP8 優化：降低 LoRA 應用時的 VRAM 使用量並優化處理速度 ※v1.9.1 新增
MP4 壓縮設定：可調整影片檔案大小與品質的平衡 ※v1.6.2 從主版本合併
輸出資料夾管理功能：支援指定輸出資料夾和與作業系統無關的開啟方式 ※v1.2 新增
多語言支援（i18n）：支援日語、英語、繁體中文的 UI ※v1.8.1 新增
Docker 支持：在容器化環境中輕鬆運行 FramePack-eichi ※v1.9.1 新增

分段設定畫面

📚 相關文檔

安裝指南 - 詳細安裝說明
使用指南 - 詳細使用說明
配置信息 - 詳細配置選項
更新日誌 - 完整更新歷史

📝 最新更新資訊 (v1.9.2)

主要變更

1. 「FramePack-oichi」新功能添加

下一幀預測：從單一輸入圖像預測生成下一幀未來圖像的新功能
專用啟動腳本：添加了run_oneframe_ichi.bat和其他語言版本
輕量便捷：比常規視頻生成更輕便，可快速查看下一幀
完整多語言支持：完全支持日語、英語和中文

2. 幀圖像保存功能

幀保存選項：添加保存所有生成幀圖像的選項
靈活選擇：可選擇保存所有分段的所有幀或僅保存最終分段的幀
更易可視化：使中間視頻過程的可視化和作為素材資源的使用更加容易

3. 分段信息批量管理增強

ZIP文件批量下載：添加了通過ZIP文件批量下載分段信息的功能
高效多項目管理：更高效地管理和備份多個項目
批量上傳支持：支持批量上傳開始圖像、結束圖像和分段信息（提示詞、圖像）

4. LoRA功能增強

同時使用多個LoRA：支持同時使用三個LoRA
目錄選擇默認：默認從目錄選擇，能夠選擇/webui/lora文件夾中的LoRA
全模式支持：在所有模式（標準版、F1版、oneframe版）中支持LoRA功能增強

5. VAE緩存功能（基於furusu研究）

逐幀VAE解碼：通過逐幀VAE解碼提高處理速度 - 基於furusu的研究和FramePack實現
靈活平衡調整：可調整內存使用量和處理速度之間的平衡
輕鬆開關切換：從設置屏幕簡單切換
無默認影響：默認為關閉，因此除非啟用否則沒有影響
性能提升：通過利用幀間獨立性的計算緩存實現高達30%的速度提升

📝 更新資訊 (v1.9.1)

主要變更

1. F1 模型添加

新的正向生成模型：引入了支持正常生成方向（從首到尾）的 "FramePack_F1_I2V_HY_20250503" 模型
簡化的界面：F1 模型中移除了分段（關鍵幀圖像）和 Final（終端幀）功能
專用啟動腳本：添加了 run_endframe_ichi_f1.bat 和多語言版本腳本
圖像影響度調整：添加了控制首個分段中初始圖像變化程度的功能（可在 100.0% 至 102.0% 範圍內調整）

2. 記憶體管理優化

增強的模型管理：通過 transformer_manager.py 和 text_encoder_manager.py 實現高效記憶體管理
FP8 優化：通過 8 位浮點格式減少 LoRA 應用時的 VRAM 使用量
RTX 40 系列 GPU 優化：通過 scaled_mm 優化提升性能

3. PNG 元數據功能

元數據嵌入：自動在生成圖像中保存提示詞、種子值和分段信息
元數據提取：能夠從保存的圖像中檢索設置
與 SD 工具兼容：通過標準元數據格式實現與其他工具的兼容性

4. 剪貼板支持增強

統一支持：標準版的 Image 和 Final 以及 F1 版的 Image 均支持剪貼板功能

5. 批量分段信息添加功能

ZIP 文件導入：可通過 zip 文件批量設置分段圖像和提示詞
自動分段配置：基於 zip 文件中的編號圖像和 YAML 配置文件自動設置
組合支持：批量註冊起始幀、結束幀以及每個分段圖像和提示詞

6. Docker 支持增強

容器化環境：使用 Dockerfile 和 docker-compose.yml 實現簡單設置
多語言支持：支持多種語言（日語、英語、中文）的容器鏡像

📝 更新資訊 (v1.9)

主要變更

1. 導入 kohya-ss/FramePack-LoRAReady

LoRA 功能顯著改進：在 Kohya Tech 許可下，提高了 LoRA 應用的穩定性和一致性
高 VRAM 模式和低 VRAM 模式統一：兩種模式採用相同的直接應用方式
代碼複雜性降低：通過使用共同的 load_and_apply_lora 函數提高可維護性
廢棄 DynamicSwap 掛鉤方法：完全過渡到更穩定的直接應用方式

2. 標準化為 HunyuanVideo 格式

LoRA 格式標準化：統一為 HunyuanVideo 格式，提高不同格式之間的兼容性

📝 更新資訊 (v1.8.1)

主要變更

1. 多語言支援（i18n）的實現

支援語言：支援日語、英語、繁體中文三種語言
語言切換：可通過以下執行檔切換語言
- run_endframe_ichi.bat - 日語版（預設）
- run_endframe_ichi_en.bat - 英語版
- run_endframe_ichi_zh-tw.bat - 繁體中文版
UI 國際化：按鈕、標籤、訊息等幾乎所有 UI 元素都已多語言化
顯示語言保存：可通過命令行參數選擇語言（例如：--lang en）

📝 更新資訊 (v1.8)

主要變更

1. 張量數據合併功能的添加

張量數據保存功能：將生成的影片的潛在表示（張量數據）以 .safetensors 格式保存
張量數據合併：將保存的張量數據合併到新生成影片的「後方（末尾）」

2. VAE 解碼處理的優化

分塊處理方式的引入：將大型張量分割成小塊進行高效處理
記憶體效率的提升：通過 GPU 和 CPU 之間的明確數據移動，減少記憶體使用量
相容性的強化：通過設備和類型的明確調整提高穩定性

3. 中間檔案管理的改進

中間檔案的自動刪除：自動檢測和刪除合併處理過程中生成的中間檔案
刪除檔案的 feedback：明確顯示已刪除檔案的資訊

MP4 合併處理的詳細說明

自動合併流程：當張量數據被合併時，對應的 MP4 影片也會自動合併
中間處理檔案：合併處理過程中會暫時生成「{檔案名稱}combined_interim{編號}.mp4」的中間檔案，處理完成後會自動刪除
原始檔案的保存：同時保存生成的原始影片檔案「{檔案名稱}.mp4」和合併影片「{檔案名稱}_combined.mp4」
分塊處理的優化：即使是大型 MP4 檔案也能高效處理，在控制記憶體使用量的同時實現高品質合併
進度顯示：合併處理過程中會在 UI 上顯示進度，可以確認處理進行到哪個階段

張量數據的使用方法

張量數據保存功能

進行一般的影片生成設定（上傳圖像、輸入提示詞等）
勾選 「保存張量數據」 核取方塊（在 UI 右側新增）
點擊 「開始生成」 按鈕生成影片
生成完成時，除了影片（.mp4）外，還會保存張量數據（.safetensors）
保存的張量數據會以與原始影片相同的檔案名稱（副檔名不同）保存在輸出資料夾中

張量數據合併功能

從 「張量數據上傳」 欄位上傳已保存的 .safetensors 檔案
照常設定圖像和提示詞，點擊 「開始生成」 按鈕
新影片生成後，會自動生成將上傳的張量數據合併到「後方（末尾）」的影片
合併後的影片會以「原始檔案名稱_combined.mp4」的形式保存
如果開啟了張量數據保存，合併後的張量數據也會被保存

MP4 合併處理的詳細說明

自動合併流程：當張量數據被合併時，對應的 MP4 影片也會自動合併
中間處理檔案：合併處理過程中會暫時生成「{檔案名稱}combined_interim{編號}.mp4」的中間檔案，處理完成後會自動刪除
原始檔案的保存：同時保存生成的原始影片檔案「{檔案名稱}.mp4」和合併影片「{檔案名稱}_combined.mp4」
分塊處理的優化：即使是大型 MP4 檔案也能高效處理，在控制記憶體使用量的同時實現高品質合併
進度顯示：合併處理過程中會在 UI 上顯示進度，可以確認處理進行到哪個階段

應用場景

長時間影片的分割生成：將超出 GPU 記憶體限制的長影片分成多個會話生成
影片的連續性：跨越多個會話創建具有一致性的長影片
現有影片的擴展：在之前生成的影片中添加新場景
實驗性生成：保存幀，作為新生成的起點重複使用

終點和關鍵幀圖像的持續性問題（正在處理中）

部分用戶報告了以下問題，目前正在考慮對策：

生成中斷後重新開始生成時，終點和關鍵幀圖像可能不會被使用
刪除圖像後重新上傳可以解決問題，但在開始生成前很難發現問題
如果確認存在此問題，請關閉圖像後重新上傳
在 v1.5.1 中，已修改為在按下 Start 按鈕時明確重新獲取圖像

Hunyuan LoRA對應情況

暫定對應狀態：

在 v1.6 中，LoRA 應用邏輯已統一，高 VRAM 模式和低 VRAM 模式使用相同的直接應用方式
VRAM 管理的基準值已更改（60GB→100GB），使更多用戶可以在低 VRAM 模式下運行
使用時 VRAM 16GB 可能稍顯緊張，但處理本身比開始前的磁碟讀取時間更短。建議使用較多記憶體
也收到了一些關於在高 VRAM 電腦上無法正常運行的詢問，正在考慮進行根本性檢討

💻 安裝方法

必要條件

Windows 10/11（Linux/Mac也可能支援基本功能）
NVIDIA GPU（建議RTX 30/40系列，最低8GB VRAM）
CUDA Toolkit 12.6
Python 3.10.x
最新版NVIDIA GPU驅動程式

※ Linux支援在v1.2得到加強，並添加了開啟功能，但部分功能可能有限制。

步驟

安裝官方套件

首先需要安裝原始的FramePack。

從官方FramePack下載Windows一鍵安裝包。點擊「Click Here to Download One-Click Package (CUDA 12.6 + Pytorch 2.6)」。
解壓下載的套件，執行update.bat後再執行run.bat啟動。執行update.bat很重要。如果不執行，可能會使用包含潛在錯誤的舊版本。
首次啟動時會自動下載所需模型（約30GB）。如果已有下載好的模型，請放置在framepack\webui\hf_download資料夾中。
此時可以運行，但如果未安裝加速庫（Xformers、Flash Attn、Sage Attn），處理速度會較慢。
```
Currently enabled native sdp backends: ['flash', 'math', 'mem_efficient', 'cudnn']
Xformers is not installed!
Flash Attn is not installed!
Sage Attn is not installed!
```
處理時間差異：※RAM:32GB、RXT4060Ti(16GB)的情況
- 未安裝加速庫時：約4分46秒/25步驟
- 安裝加速庫時：約3分17秒〜3分25秒/25步驟
要安裝加速庫，請從Issue #138下載package_installer.zip，解壓後在根目錄執行package_installer.bat（在命令提示字元中按Enter）。
重新啟動確認加速庫是否安裝成功：
```
Currently enabled native sdp backends: ['flash', 'math', 'mem_efficient', 'cudnn']
Xformers is installed!
Flash Attn is not installed!
Sage Attn is installed!
```
作者執行時，Flash Attn未安裝。注意：即使未安裝Flash Attn，對處理速度影響很小。測試結果顯示，Flash Attn的有無造成的速度差異很小，「Flash Attn is not installed!」狀態下約3分17秒/25步驟，與全部安裝時（約3分25秒/25步驟）幾乎相同。 Xformers是否安裝影響最大。

安裝FramePack-eichi

將執行檔放置在 FramePack 的根目錄中：
- run_endframe_ichi.bat - 標準版/日語用（預設）
- run_endframe_ichi_en.bat - 標準版/英語用
- run_endframe_ichi_zh-tw.bat - 標準版/繁體中文用
- run_endframe_ichi_f1.bat - F1版/日語用（v1.9.1新增）
- run_endframe_ichi_en_f1.bat - F1版/英語用（v1.9.1新增）
- run_endframe_ichi_zh-tw_f1.bat - F1版/繁體中文用（v1.9.1新增）
- run_oneframe_ichi.bat - 單幀推論/日語用（v1.9.2新增）
- run_oneframe_ichi_en.bat - 單幀推論/英語用（v1.9.2新增）
- run_oneframe_ichi_zh-tw.bat - 單幀推論/繁體中文用（v1.9.2新增）
將以下檔案和資料夾放在webui資料夾中：
- endframe_ichi.py - 標準版主應用程式檔案
- endframe_ichi_f1.py - F1版主應用程式檔案（v1.9.1新增）
- oneframe_ichi.py - 單幀推論版主應用程式檔案（v1.9.2新增）
- eichi_utils 資料夾 - 工具模組
  - __init__.py
  - frame_calculator.py - 幀大小計算模組
  - keyframe_handler.py - 關鍵幀處理模組
  - keyframe_handler_extended.py - 關鍵幀處理模組
  - preset_manager.py - 預設管理模組
  - settings_manager.py - 設定管理模組
  - tensor_combiner.py - 張量合併模組（v1.8新增）
  - ui_styles.py - UI樣式定義模組（v1.6.2新增）
  - video_mode_settings.py - 影片模式設定模組
  - png_metadata.py - PNG元數據模組（v1.9.1新增）
  - text_encoder_manager.py - 文本編碼器管理模組（v1.9.1新增）
  - transformer_manager.py - 轉換器模型管理模組（v1.9.1新增）
  - section_manager.py - 分段信息管理模組（v1.9.2新增）
  - vae_cache.py - VAE緩存模組（v1.9.2新增）
  - README_vae_cache.md - VAE緩存功能說明（v1.9.2新增）
- lora_utils 資料夾 - LoRA相關模組
  - __init__.py
  - dynamic_swap_lora.py - LoRA管理模組（為兼容性保留）
  - lora_loader.py - LoRA載入模組
  - lora_check_helper.py - LoRA應用狀態確認模組
  - lora_utils.py - LoRA狀態字典合併和轉換功能（v1.9新增）
  - fp8_optimization_utils.py - FP8優化功能（v1.9.1新增）
- diffusers_helper 資料夾 - 模型記憶體管理改進工具
  - memory.py - 提供記憶體管理功能
  - bucket_tools.py - 解析度桶功能（v1.9.1新增）
  - 注意：此目錄替換原始工具的源文件，請根據需要進行備份
- locales 資料夾 - 多語言支援模組
  - i18n.py - 國際化（i18n）功能的核心實現
  - i18n_extended.py - 擴展國際化功能（v1.9.1新增）
  - ja.json - 日語翻譯檔案（預設語言）
  - en.json - 英語翻譯檔案
  - zh-tw.json - 繁體中文翻譯檔案
執行所需版本和語言的執行檔，FramePack-eichi 的 WebUI 將以對應設定啟動：
- 標準版/日語：run_endframe_ichi.bat
- 標準版/英語：run_endframe_ichi_en.bat
- 標準版/繁體中文：run_endframe_ichi_zh-tw.bat
- F1版/日語：run_endframe_ichi_f1.bat（v1.9.1新增）
- F1版/英語：run_endframe_ichi_en_f1.bat（v1.9.1新增）
- F1版/繁體中文：run_endframe_ichi_zh-tw_f1.bat（v1.9.1新增）
或者，也可以從命令行直接指定語言啟動：
```
python endframe_ichi.py --lang en  # 以標準版/英語啟動
python endframe_ichi_f1.py --lang zh-tw  # 以F1版/繁體中文啟動
```

Docker 安裝

FramePack-eichi 可以通過 Docker 輕鬆設置，在不同系統之間提供一致的環境。

Docker 安裝前提條件

系統已安裝 Docker
系統已安裝 Docker Compose
NVIDIA GPU（至少 8GB VRAM，推薦 RTX 30/40 系列）

Docker 設置步驟

語言選擇: Docker 容器默認以英文啟動。您可以通過修改 docker-compose.yml 中的 command 參數來更改：

# 日文：
command: ["--lang", "ja"]

# 繁體中文：
command: ["--lang", "zh-tw"]

# 英文（默認）：
command: ["--lang", "en"]

構建並啟動容器:

# 構建容器（首次或 Dockerfile 更改後）
docker-compose build

# 啟動容器
docker-compose up

要在後台運行（分離模式）：

docker-compose up -d

訪問 Web 界面: 容器運行後，通過以下地址訪問 Web 界面：
```
http://localhost:7861
```
首次運行注意事項:
- 首次運行時，容器將下載必要的模型（約 30GB）
- 初始啟動期間可能會看到「h11 錯誤」（請參閱故障排除部分）
- 如果您已經下載了模型，請將它們放在 ./models 目錄中

Linux安裝方法

在Linux上，可以按照以下步驟執行：

下載並放置上述必要檔案和資料夾。
在終端機中執行以下命令：
```
python endframe_ichi.py
```

Google Colab 安裝方法

請參考在 Google Colab 上試用 FramePack

Mac(mini M4 Pro) 安裝方法

請參考在 Mac mini M4 Pro 上運行熱門的 FramePack

🚀 使用方法

基本動畫生成　※既存功能

上傳圖片: 「Image」框中上傳圖片
輸入提示詞: 輸入角色動作提示詞
設定調整: 調整動畫長度和種子值
開始生成: 「開始生成」按鈕點擊

高級設定

生成模式選擇:　※獨自功能
- 通常模式: 一般動畫生成
- 循環模式: 最終幀返回最初幀的循環動畫
所有邊距選擇:　※v1.4 添加、此值越小1次會動畫越激烈
- 所有邊距: 所有區段使用同一邊距值
- 邊距值: 0~3 的整數值
影片長度設定：※獨有功能的擴展
- 1～20秒
繼續閱讀

🛠️ 配置資訊

FP8 優化設定 (v1.9.1)

FP8 優化: 使用 8 位浮點格式降低 LoRA 應用時的 VRAM 使用量
RTX 40 系列 GPU: 通過 scaled_mm 優化加速
預設為關閉: 啟用時可在低 VRAM 環境下更易使用 LoRA

語言設定

通過執行檔選擇語言:
- run_endframe_ichi.bat - 標準版/日語（預設）
- run_endframe_ichi_en.bat - 標準版/英語
- run_endframe_ichi_zh-tw.bat - 標準版/繁體中文
- run_endframe_ichi_f1.bat - F1版/日語
- run_endframe_ichi_en_f1.bat - F1版/英語
- run_endframe_ichi_zh-tw_f1.bat - F1版/繁體中文

通過命令行指定語言:

python endframe_ichi.py --lang en  # 以標準版/英語啟動
python endframe_ichi_f1.py --lang zh-tw  # 以F1版/繁體中文啟動

※ README 的多語言版本將陸續推出。繁體中文版本請參閱 README_zh.md。

🔧 故障排除

關於 h11 錯誤

當您首次啟動該工具並匯入圖像時，您可能會遇到許多類似以下的錯誤： *控制台中將顯示錯誤，且 GUI 中不會顯示任何影像。

**大多數情況下，圖片其實已經上傳了，只是縮圖顯示不正常，所以還是可以產生影片的。 **

ERROR:    Exception in ASGI application
Traceback (most recent call last):
  File "C:\xxx\xxx\framepack\system\python\lib\site-packages\uvicorn\protocols\http\h11_impl.py", line 404, in run_asgi

當處理 HTTP 回應時出現問題時，會顯示此錯誤。如上所述，這通常發生在啟動過程的早期，即 Gradio 尚未完成啟動時。

解決方案：

刪除有「X」按鈕的圖片，然後重新嘗試上傳。
如果上傳同一文件重複失敗： - 完全停止 Python 進程，然後重新啟動應用程式 - 重新啟動電腦，然後重新啟動應用程式

如果錯誤仍然存在，請嘗試其他圖片檔案或減小圖片大小。

記憶體不足錯誤

在 Windows 系統中，如果顯示「CUDA out of memory」或「RuntimeError: CUDA error」，請按照以下步驟操作：

gpu_memory_preservation 的值設定為 12-16GB
關閉其他使用 GPU 的應用程式
重新啟動應用程式
降低圖片解析度（640x640 附近）

記憶體消耗的詳細分析

根據對整個源代碼的詳細分析，實際記憶體消耗如下：

基本模型配置和加載時的記憶體消耗

transformer (FramePackI2V_HY)：約 25-30GB（狀態字典完全展開時）
text_encoder, text_encoder_2, vae 總計：約 8-10GB v1.9.1 添加了卸載處理來減少 RAM 使用量
其他輔助模型 (image_encoder等)：約 3-5GB
基礎 RAM 消耗總計：約 36-45GB

LoRA 應用時的記憶體消耗模式

LoRA 應用處理流程：

原始狀態字典：約 25-30GB（transformer 大小）
LoRA 文件加載：50MB 至 500MB
合併處理期間：由於需要複製原始狀態字典並與 LoRA 合併，臨時需要額外 25-30GB 注意：v1.9.1 重新審視了此過程，大幅降低了 RAM 消耗
應用過程的峰值：基本消耗 + 狀態字典複製 ≈ 約 70-90GB

重要：這種顯著的記憶體消耗增加僅發生在初次 LoRA 加載時。當加載不同的 LoRA 文件或更改 LoRA 應用強度或 FP8 設置時，不會發生這種大型記憶體峰值。初次加載後的正常視頻生成操作中，記憶體使用量維持在基本消耗水平（約 36-45GB）。

使用 F1 模型時的額外記憶體要求

使用 F1 模型時，除標準模型外，還需以下額外記憶體：

F1 模型初次下載：約 24GB
兩種模型共存時的存儲容量：約 54GB

Google Colab 等無交換空間環境注意事項

在無交換記憶體的環境中運行有很嚴格的限制：

RAM 限制（13-15GB）使得即使加載基本模型也很困難
無法處理 LoRA 應用時所需的 70-90GB 臨時記憶體峰值
沒有交換空間，記憶體不足時系統會立即崩潰出現 OOM 錯誤

影片顯示問題

產生的影片在某些瀏覽器（尤其是 Firefox）和 macOS 上無法顯示：

症狀：影片無法在 Gradio UI 中顯示，縮圖無法在 Windows 上顯示，無法在某些播放器上播放
原因：\framepack\webui\diffusers_helper\utils.py 中的視訊編解碼器設定有問題

此問題已透過合併原始 MP4 壓縮功能解決

🤝 謝辞

本項目基於以下項目的貢獻：

lllyasviel/FramePack - 感謝原作者 lllyasviel 的精湛技術與創新
nirvash/FramePack - 感謝 nirvash 的開創性改進和擴展

📄 許可證

本項目遵循 Apache 許可證 2.0 發布。這與原 FramePack 專案的授權一致。

📝 更新日誌

最新的更新資訊如下所示。完整的更新歷史請參考更新日誌。

2025-05-11：版本 1.9.2

「FramePack-oichi」新功能添加：
- 從單一輸入圖像預測生成下一幀未來圖像的新功能
- 添加專用啟動腳本（run_oneframe_ichi.bat等）
- 比常規視頻生成更輕便，可快速查看下一幀
- 完全支持多語言（日語、英語、中文）
幀圖像保存功能：
- 添加保存所有生成幀圖像的選項
- 可選擇保存所有分段的所有幀或僅保存最終分段的幀
- 使中間視頻過程的可視化和作為素材資源的使用更加容易
分段信息批量管理增強：
- 添加了通過ZIP文件批量下載分段信息的功能
- 更高效地管理和備份多個項目
- 支持批量上傳開始圖像、結束圖像和分段信息並在內容修改後重新下載
LoRA功能增強：
- 支持同時使用三個LoRA
- 默認從目錄選擇，能夠選擇/webui/lora文件夾中的LoRA
- 在所有模式（標準版、F1版、oneframe版）中支持LoRA功能增強
VAE緩存功能：
- 通過逐幀VAE解碼提高處理速度 - 基於furusu研究詳情1 詳情2
- 可調整內存使用量和處理速度之間的平衡
- 從設置屏幕簡單切換開/關
- 默認為關閉，因此沒有影響
- 通過利用幀間獨立性的計算緩存實現高達30%的速度提升

2025-05-04：版本 1.9.1

F1 模型添加：引入了支持正向生成的新模型 "FramePack_F1_I2V_HY_20250503"
記憶體管理優化：通過 transformer_manager.py 和 text_encoder_manager.py 實現高效模型管理
Docker 支持增強：在容器化環境中實現簡單設置
PNG 元數據功能：自動在生成圖像中嵌入提示詞、種子值和分段信息
最佳解析度桶系統：根據縱橫比自動選擇最佳解析度
剪貼板支持增強：支持標準版的 Image 和 Final 以及 F1 版的 Image 的剪貼板功能

FramePack-eichi - 端幀圖片連結口旨在實現更直覺、更靈活的影片生成

FilesExpand file tree

README_zh.md

Latest commit

History

README_zh.md

File metadata and controls

FramePack-eichi | 日本語 | English | Русский

📘 名稱的由來

🌟 新功能：FramePack-oichi 添加 (v1.9.2)

🤔 什麼是 FramePack-oichi?

💡 使用場景

🚀 啟動方式

🌟 新功能：F1 模型添加 (v1.9.1)

🆚 F1 模型和標準模型的區別

💡 應該選擇哪一個？

🌟 主要功能

📚 相關文檔

📝 最新更新資訊 (v1.9.2)

主要變更

1. 「FramePack-oichi」新功能添加

2. 幀圖像保存功能

3. 分段信息批量管理增強

4. LoRA功能增強

5. VAE緩存功能（基於furusu研究）

📝 更新資訊 (v1.9.1)

主要變更

1. F1 模型添加

2. 記憶體管理優化

3. PNG 元數據功能

4. 剪貼板支持增強

5. 批量分段信息添加功能

6. Docker 支持增強

📝 更新資訊 (v1.9)

主要變更

1. 導入 kohya-ss/FramePack-LoRAReady

2. 標準化為 HunyuanVideo 格式

📝 更新資訊 (v1.8.1)

主要變更

1. 多語言支援（i18n）的實現

📝 更新資訊 (v1.8)

主要變更

1. 張量數據合併功能的添加

2. VAE 解碼處理的優化

3. 中間檔案管理的改進

MP4 合併處理的詳細說明

張量數據的使用方法

張量數據保存功能

張量數據合併功能

MP4 合併處理的詳細說明

應用場景

終點和關鍵幀圖像的持續性問題（正在處理中）

Hunyuan LoRA對應情況

💻 安裝方法

必要條件

步驟

安裝官方套件

安裝FramePack-eichi

Docker 安裝

Docker 安裝前提條件

Docker 設置步驟

Linux安裝方法

Google Colab 安裝方法

Mac(mini M4 Pro) 安裝方法

🚀 使用方法

基本動畫生成 ※既存功能

高級設定

🛠️ 配置資訊

FP8 優化設定 (v1.9.1)

語言設定

🔧 故障排除

關於 h11 錯誤

記憶體不足錯誤

記憶體消耗的詳細分析

基本模型配置和加載時的記憶體消耗

LoRA 應用時的記憶體消耗模式

推薦系統要求

使用 F1 模型時的額外記憶體要求

Google Colab 等無交換空間環境注意事項

影片顯示問題

🤝 謝辞

基本動畫生成　※既存功能