MODÈLES OUVERTS / Image vers vidéo
Exécuter stable-video-diffusion-img2vid-xt-1-1 sur un GPU cloud
stable-video-diffusion-img2vid-xt-1-1 est un modèle Image vers vidéo de stabilityai. Découvrez la mémoire GPU nécessaire, les GPU sur lesquels il tient aujourd'hui et le coût pour l'exécuter vous-même, facturé à la seconde.
GPU compatibles aujourd'hui
Notre estimation : environ 5 Go pour l'inférence avec des poids F32, mémoire de travail incluse. L'usage réel dépend de la résolution, de la taille de lot et de la longueur de contexte.
| GPU | Mémoire | Par heure | 10 heures | |
|---|---|---|---|---|
| GTX 1070 | 8 GB | $0.14 | $1.40 | Louer |
| GTX 1660 | 6 GB | $0.14 | $1.40 | Louer |
| GTX 1660 S | 6 GB | $0.14 | $1.40 | Louer |
| RTX A2000 | 6 GB | $0.15 | $1.50 | Louer |
| GTX 1070 Ti | 8 GB | $0.16 | $1.60 | Louer |
Prix de départ en direct depuis notre catalogue. Vous payez à la seconde tant que la machine tourne.
Comment exécuter stable-video-diffusion-img2vid-xt-1-1
- 01
Louez un GPU
Choisissez l'un des GPU ci-dessus. Facturation à la seconde ; arrêtez la machine et la facturation s'arrête.
- 02
Ouvrez un terminal ou Jupyter
Connectez-vous en SSH ou ouvrez Jupyter dans votre navigateur. PyTorch et CUDA sont prêts.
- 03
Téléchargez et lancez le modèle
Exécutez les commandes ci-dessous. Les poids sont téléchargés directement depuis Hugging Face sur votre machine.
Ce modèle est à accès restreint : acceptez sa licence sur Hugging Face et exécutez huggingface-cli login avant le téléchargement.
pip install -U diffusers transformers accelerate
huggingface-cli download stabilityai/stable-video-diffusion-img2vid-xt-1-1 --local-dir ./model
python -c "import torch; from diffusers import DiffusionPipeline; p = DiffusionPipeline.from_pretrained('./model', torch_dtype=torch.bfloat16).to('cuda'); print(p)"Pourquoi l'exécuter vous-même ?
Animer des images sur des services hébergés consomme vite les crédits. Un GPU loué n'a pas de limite de crédits : vous payez à la seconde et testez autant de variantes que nécessaire.
Questions
- De combien de mémoire GPU stable-video-diffusion-img2vid-xt-1-1 a-t-il besoin ?
- Selon notre estimation, environ 5 Go pour l'inférence (1.5B paramètres). Une résolution plus élevée, un contexte plus long ou des lots plus grands demandent davantage.
- Combien coûte l'exécution de stable-video-diffusion-img2vid-xt-1-1 ?
- À partir de $0.14 de l'heure sur GTX 1070, facturé à la seconde. Dix heures coûtent environ $1.40.
- Faut-il un abonnement ?
- Non. Vous payez uniquement le temps de fonctionnement de votre machine, depuis votre solde en USD. Arrêtez-la quand vous avez terminé.
Essayez-le sur votre propre GPU en quelques minutes
Choisissez un GPU, ouvrez Jupyter ou SSH et exécutez n'importe quel modèle ouvert. Vous payez à la seconde et pouvez arrêter à tout moment ; sans abonnement ni frais d'installation.
- Facturation à la seconde en USD
- PyTorch et CUDA prêts en quelques minutes
- Louez aussi depuis ChatGPT ou Claude