AI视频风格转换：Stable Diffusion+TemporalKit_stable diffusion 视频换背景

基本方法

首先通过 Temporal-Kit 这个插件提取视频中的关键帧图片，然后使用 Stable Diffusion WebUI 重绘关键帧图片，然后再使用 Temporal-Kit 处理转换后的关键帧图片，它会自动补充关键帧之间的图片，最后拼合这些图片，形成视频。

这个方法建议尽量找些背景简单的、主体在画面中占比较大且动作变化较慢的，这样重绘时生成的图片元素会比较稳定、主体动作衔接到位，效果会好一些。

安装TemporalKit

方法一

在Stable Diffusion WebUI中通过网址安装，依次打开“扩展插件”-“从网址安装”页签，输入Github仓库地址： https://github.com/CiaraStrawberry/TemporalKit.git，然后点击“安装”，安装成功后会看到一个重启的提示，然后在“已安装”页签中重启就可以了。如下图所示：

重启SD后会在一级菜单中看到 Temporal-Kit 页签。

如果没有看到，请查看控制台是否有错误日志。我这里出现了找不到模块的错误：

ModuleNotFoundError: No module named 'moviepy'

ModuleNotFoundError: No module named 'scenedetect'

这是因为Temporal-Kit依赖的某些Python包不存在，使用pip安装它们就行了。

source /root/stable-diffusion-webui/venv/bin/activate
pip install moviepy
pip install scenedetect

我这里还使用了 source xxx/activate，这是因为我的Stable Diffusion WebUI运行在一个Python虚拟环境中，如果你的也是，需要先激活这个虚拟环境，注意修改成你自己的文件路径，然后把包安装到这个虚拟环境中才可以找到它们。

安装完这些依赖包后，重启SD，正常情况下应该就能出来了。如果还不行，请留言说明问题。

方法二

不能直接访问Github，比如访问不了外网，可以把这个插件下载后，再放到SD WebUI的扩展插件目录中。

这个插件的下载地址：https://github.com/CiaraStrawberry/TemporalKit.git

如果你访问Github不方便，也可以关注我的公/众/号：萤火遛AI（yinghuo6ai）,发消息：视频风格转换，即可获取下载地址。

把插件解压后，放到你的SD WebUI的extensions目录中，就像下面图片中这样：

提取关键帧

为什么要提取关键帧？提取关键帧就是把视频中动作变化比较大的画面转成图片，下一步就是对这些图片进行重绘。如果不提取关键帧，而是把视频的每一帧都重绘，一是工作量大，二是重绘的每张图片可能都有点不一样，画面可能闪烁比较严重。

在SD WebUI的主页签中找到 Temporal-Kit，点击打开。然后接着点击“Pre-Processing”，在视频区域这里上传待处理的视频，这是我从抖音上截取的一段（文章最后会提供这个视频的下载地址）。不要马上点击“运行”，还有一些设置，请继续看下文。

在视频下方可以看到这些设置，这些都是针对提取图片的设置：

Sides：生成的1张图片的边包含几张视频帧。如果是2就代表4个视频帧，也就是 2*2；如果是3就代表9个视频帧，也就是 3*3；最小设置为1，也就是1张图包含1个视频帧。这个要结合后边的 Height Resolution一起设置。

Height Resolution：生成图片的高度的像素值，建议是：视频的高度 * Sides ，比如我这个视频是 1080*720，单个视频帧的高度就是720，但是前边Sides设置的2，所以就是720*2=1440。但是这个公式不是绝对的，你也可以写个720，或者写个2048。这个值需要考虑显卡的性能，如果显卡不太行，不要设置的太高。

frames per keyframe：多少视频帧抽取一个关键帧。

fps：视频每秒包含几帧，在电脑上查看视频详情一般可以获取到。

Target Folder：关键帧图片的输出位置，实际会输出到这个目录下创建的一个input文件夹，后续各种处理的中间文件都在这个文件夹下，相当于一个项目目录，所以建议为每个视频的不同处理创建不同的文件夹。注意如果是云端，这里需要是服务器上的目录。

Batch Settings：因为我们这里需要处理整个视频，所以需要把这个Batch Run勾选上。

参数设置完毕之后，点击页面右侧的“运行”。

关键帧图片都被提取后，图像这个区域会显示提取的首张图片，我们也可以在文件目录中看到提取的图片。这里以AutoDL的JupyterLab为例。

然后我们就可以点击“图生图”进入下一步了。

转换风格

在上一步点击“图生图”之后，页面就跳转到“图生图”了，并且自动带过来了首张图片。

我们需要选择一个模型，填写一些提示词。我这里为了生成水墨画风格，专门加了一个Lora（文章最后会分享我这个Lora的下载地址）。你可以按照自己的需求决定用什么模型和Lora。

这里的贴出来我的提示词，方便复制。

提示词：(masterpiece, realistic:1.4), (extremely intricate:1.2)>, a man,talking <lora:水彩画_v4:1>

反向提示词： easy_negative,(((text))),(((logo))),(beard)

然后是一些参数设置，大家根据实际情况来吧，效果不好就调整下。

注意两点：

• 图片的宽高：这是从提取关键帧的页面带过来的，如果数字太大，建议先调小一点，然后再用超分高清化放大。
• 重绘强度：不要太大，以免重绘的图片相互之间变化太大，不好衔接，出来的视频会比较闪烁。

这里一般还需要ControlNet来控一下图，避免重绘的变化太大，也是为了稳定画面。我这里选择的是Tile模型，大家也可以试下SoftEdge、Canny、Lineart等绘线的模型。

然后就是抽卡了，不断的生成图片，直到你满意。

注意记录下满意图片的生成种子，马上就要用到批量生成中。

将图生图切换到“批量处理”，填写两个目录：

• 输入目录：提取关键帧步骤中输出图片的目录。
• 输出目录：重绘图片的保存目录，固定值output，填上就行了。

把满意图片的生成种子填写到这里，网上很多教程提到这个，但是不要期望重绘后的每张图片中的元素都能保持一致，因为视频帧的每张图片都是不一样的，一个种子很难稳定输出图片中的各种元素，大家可以自己体会下。

最后就是点击“生成”按钮，等待批处理完成。

在图片输出区域的下方看到这句话，基本就处理完成了。WebUI的进度有时候更新不及时，大家注意看控制台或者shell的输出。

合成视频

现在进入激动人心的视频合成环节了，这一步需要回到 Temporal-Kit 页面。

批量变换

点击“Batch-Warp”，进入批量变换页面。

在Input Folder中填写完整的项目目录，注意不是 output 目录，也不是 input 目录，是它们的上级目录。

然后点击“read_last_settings”，它会加载源视频和相关参数。注意这里的“output resolution”是需要手动设置的，默认1024，建议改成源视频的分辨率，以保持一致。其它参数使用自动加载的就行了。

最后点击“run”，开启视频合成。

这个视频合成的原理是根据关键帧生成中间的序列帧，然后又拼合起来生成视频，可以在result这个目录中看到中间生成的这些图片。

5秒的视频，AutoDL上的A5000显卡大概需要10分钟左右，合成成功后会在 Batch-Warp 页面的右侧展示视频，可以直接播放，也可以下载。

生成的视频还是有些闪烁和不连贯，我这个视频选择的不是很好。

这里合成的视频默认是没有声音的，我们可以在剪映APP中把原视频的声音合成进来，这里发不了视频，打开网盘看我这个效果：

https://www.aliyundrive.com/s/pMjyYGtkE7x

单张变换

Temporal-Kit还提供了一个“Temporal-Warp”的工具，实测它可以实现单张重绘图片转视频，一个比较短的小视频。

结合EBSynth合成视频

这个步骤也比较多，下一篇专门介绍。