数据集格式
提示词数据集要求
创建 prompt.txt 文件，文件应包含逐行分隔的提示。请注意，提示必须是英文，并且建议使用 提示润色脚本 进行润色。或者可以使用 CogVideo-caption 进行数据标注：
A black and white animated sequence featuring a rabbit, named Rabbity Ribfried, and an anthropomorphic goat in a musical, playful environment, showcasing their evolving interaction.
A black and white animated sequence on a ship’s deck features a bulldog character, named Bully Bulldoger, showcasing exaggerated facial expressions and body language...
...
视频数据集要求
该框架支持的分辨率和帧数需要满足以下条件：
支持的分辨率（宽 * 高）：
- 任意分辨率且必须能被32整除。例如，
720 * 480,1920 * 1020等分辨率。
- 任意分辨率且必须能被32整除。例如，
支持的帧数（Frames）：
- 必须是
4 * k或4 * k + 1（例如：16, 32, 49, 81）
- 必须是
所有的视频建议放在一个文件夹中。
接着，创建 videos.txt 文件。 videos.txt 文件应包含逐行分隔的视频文件路径。请注意，路径必须相对于 --data_root 目录。格式如下：
videos/00000.mp4
videos/00001.mp4
...
对于有兴趣了解更多细节的开发者，您可以查看相关的 BucketSampler 代码。
数据集结构
您的数据集结构应如下所示，通过运行tree命令，你能看到:
dataset
├── prompt.txt
├── videos.txt
├── videos
├── videos/00000.mp4
├── videos/00001.mp4
├── ...
使用数据集
当使用此格式时，--caption_column 应为 prompt.txt，--video_column 应为 videos.txt。如果您的数据存储在 CSV
文件中，也可以指定 --dataset_file 为 CSV 文件的路径，--caption_column 和 --video_column 为 CSV
文件中的实际列名。请参考 test_dataset 文件中的一些简单示例。
例如，使用 这个 Disney 数据集进行微调。下载可通过🤗 Hugging Face CLI 完成：
huggingface-cli download --repo-type dataset Wild-Heart/Disney-VideoGeneration-Dataset --local-dir video-dataset-disney
该数据集已按照预期格式准备好，可直接使用。但是，直接使用视频数据集可能会导致较小 VRAM 的 GPU 出现 OOM（内存不足），因为它需要加载 VAE （将视频编码为潜在空间）和大型 T5-XXL
文本编码器。为了降低内存需求，您可以使用 training/prepare_dataset.py 脚本预先计算潜在变量和嵌入。
填写或修改 prepare_dataset.sh 中的参数并执行它以获得预先计算的潜在变量和嵌入（请确保指定 --save_latents_and_embeddings
以保存预计算的工件）。如果准备图像到视频的训练，请确保传递 --save_image_latents，它对沙子进行编码，将图像潜在值与视频一起保存。
在训练期间使用这些工件时，确保指定 --load_tensors 标志，否则将直接使用视频并需要加载文本编码器和
VAE。该脚本还支持 PyTorch DDP，以便可以使用多个 GPU 并行编码大型数据集（修改 NUM_GPUS 参数）。