Dali netko zna da mogu nač taj (ili neki slični) AI model da ga mogu pokrenut lokalno, na privat kompu?
Budi promjena koju želiš vidjeti u svijetu ASICS
Za fotografiju imaš Stable diffusion ali za video čak i da ima nema šanse da imaš HW koji je sposoban to odradit u normalnom vremenu. Meni na 3060ti generira sliku malo veće rezolucije 10 minuta, i znam da je daleko od najbolje kartice ali za npr. jedan video od 1 minute sa nekih 25 slika na sekudnu to je 1.500 slika koje mora generirat i moja kartica bi za to trebala 10 dana! Nekakva 5090 bi to mogla napravit najvjerovatnije za 30 sati ali to je još uvijek bolesno predugo.
za foto generaciju i manipulaciju - qwen image i qwen edit modeli. koji tocno ovisi o grafickoj koju imas.
qwen image je sasvim ok model, nesto jaci od fluxa, moze vecinu stvari koje zamislis, uz klasicne nedostatke poput genericnih likova, nerazumjevanja starosti lika i teske cenzure u vidu nsfw sadrzaja.
qwen edit 2509 - isto kao i image model, teska cenzura, ali odlican alat za manipulaciju slikama, u osnovi photoshop, gdje jednostavnim promptovima mjenjas sliku, likove, pozadinu, dodajes, oduzimas, malo toga ne moze ili ne odradi dobro.
generiranje ili editiranje slike traje 10-20 sekundi, uz koristenie "fast modela" ili baznog modela + 4(8) step lore.
za video, wan 2.2
ovdje situacija nije bas tako bajna, iz klasicnog txt2vid ili img2vid, rezultati su hit and miss. kad napravi, napravi fenomenalno, ili opet s druge strane zasere kolosalno. neki video edit u smislu mjenjanja postojeceg videa (kao s qwen edit) za sada jako lose.
generiranje 7 sekundi videa traje 3-4 minute, vrijeme ne ovisi o broju fps, vec o rezoluciji, no one klasicne rade bez greske, oom erori (out of memory) ze desavaju tek na dugim videima, naravno sve ovisi o kolicini vrama. mozes raditi i video po sistemu multi promptanja, znaci prvih 5 sekundi primjerice lik ulazi u birtiju, slijedece 3 prilazi sanku, slijedecih 7.......
uz komibiranje sa txt2voice i ostalim modelima, mozes i na slabom hardveru odlicne stvari napraviti.
sva vremena generiranja vrijede za moju rtx4060 s 8gb vrama, pa si mozes racunati gdje si.
ako ti trebaju tocni modeli, workflow i slicno, javi u pm
Its just the way of it, son. We all sell our souls sooner or later.
