AI 视频风格转换教程：Stable Diffusion 结合 TemporalKit 实现动漫风

2. 提示词配置

正向提示词示例：a man, epic scene, a poster, flat color 反向提示词示例：easy_negative, beard

3. 关键参数调整

• 宽高比：继承自关键帧提取设置，若过大建议先缩小再高清放大。
• 重绘强度 (Denoising Strength)：建议设置在 0.4-0.6 之间。过高会导致画面闪烁，过低则风格变化不明显。
• CFG Scale：通常设为 7 左右，保持语义一致性。

4. ControlNet 控制

为避免重绘变化过大，建议使用 ControlNet 锁定构图：

• Tile 模型：适合保持纹理和细节。
• SoftEdge/Canny：适合保持轮廓结构。
• Lineart：适合线条清晰的动漫风格。

5. 种子固定

记录满意图片的生成种子 (Seed)，用于批量生成时保持一定的一致性。但需注意，视频帧本身存在差异，单一种子难以完全统一所有元素。

6. 批量处理

切换到'批量处理'页签：

• 输入目录：关键帧提取的输出目录。
• 输出目录：填写 output 或其他自定义路径。
• 填入种子：使用上一步记录的种子。 点击'生成'等待批处理完成，关注控制台进度。

五、视频合成与后期

1. 批量变换 (Batch-Warp)

回到 Temporal-Kit 页面，点击'Batch-Warp'。

• Input Folder：填写项目根目录（非 input/output 子目录）。
• Read Last Settings：加载源视频参数。
• Output Resolution：建议手动设置为源视频分辨率（如 1920x1080），以保持画质一致。
• Run：开始合成。系统会根据关键帧生成中间序列帧并拼合。

2. 性能预估

5 秒视频在 A5000 显卡上约需 10 分钟。合成结果可在右侧预览或下载。

3. 常见问题与优化

• 画面闪烁：降低重绘强度，增加 ControlNet 权重，或提高关键帧密度。
• 补帧瑕疵：人物活动时的影子可能不自然，这是插值算法的局限，可通过后期软件微调。
• 音频同步：合成视频默认无声音，可使用剪映等工具将原视频音轨合成进来。

4. 进阶方案

• 单张变换 (Temporal-Warp)：支持单张图片转短视频，需重新提取关键帧且 Sides 设为 1。
• EBSynth 合成：质量更高但步骤复杂，适合对画质有极高要求的场景。

六、硬件要求与注意事项

1. 显存需求

• 关键帧提取：占用较低。
• 图生图重绘：取决于模型大小和分辨率。建议显存至少 8GB，推荐 12GB 以上。
• 视频合成：中等负载，主要消耗在插值计算。

2. 存储管理

中间文件较多，建议预留充足磁盘空间，并在处理后清理临时文件夹。

3. 版本兼容性

确保 Stable Diffusion WebUI 为较新版本，以兼容最新的插件 API。Python 环境建议保持在 3.8 以上。

七、总结

通过 Stable Diffusion 与 Temporal-Kit 的组合，用户可以低成本实现视频风格的自动化转换。虽然过程中可能出现闪烁或伪影，但通过精细的参数调整和后期处理，可获得高质量的动漫风格视频。此方法适用于短视频创作、素材二次加工等场景。

后续可进一步探索 EBSynth 工作流以提升画质，或结合 Upscale 技术增强最终输出清晰度。