项目实战：用HunyuanVideo-PromptRewrite构建一个智能视频脚本优化工具，只需100行代码！
项目地址: https://gitcode.com/tencent_hunyuan/HunyuanVideo-PromptRewrite 项目构想：我们要做什么？
在视频创作过程中，脚本的质量直接影响最终视频的效果。然而，许多创作者在编写脚本时可能会遇到语言表达不够精准、描述不够生动等问题。为了解决这一问题，我们设计了一个智能视频脚本优化工具，它能够根据用户输入的原始脚本，自动优化为更符合视频生成模型偏好的高质量脚本。
输入：用户提供的原始视频脚本（一段描述视频内容的文本）。
输出：优化后的视频脚本，更符合HunyuanVideo模型的生成偏好，提升视频的视觉质量和内容表现力。
技术选型：为什么是HunyuanVideo-PromptRewrite？
HunyuanVideo-PromptRewrite模型的核心能力包括：
- Prompt Rewrite功能：能够将用户输入的原始提示词（Prompt）优化为更适合视频生成模型的格式，提升生成效果。
- 多模式支持：支持Normal模式和Master模式，分别用于提升语义理解或视觉质量。
- 高效文本编码：基于MLLM文本编码器，能够更好地理解复杂语义和细节描述。
这些特性使得HunyuanVideo-PromptRewrite成为优化视频脚本的理想选择。通过调用该模型，我们可以快速将普通脚本转化为高质量的视频生成输入。
核心实现逻辑
- 调用HunyuanVideo-PromptRewrite模型：使用模型提供的API或本地部署的权重，将用户输入的原始脚本作为输入。
- 选择优化模式：根据用户需求选择Normal模式（提升语义理解）或Master模式（提升视觉质量）。
- 生成优化脚本：模型返回优化后的脚本，用户可直接用于视频生成。
代码全览与讲解
以下是完整的项目代码，基于HunyuanVideo-PromptRewrite的快速上手代码扩展而来：
import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
# 初始化模型和分词器
model_name = "Tencent/HunyuanVideo-PromptRewrite"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)
def optimize_script(original_script, mode="normal"):
"""
优化视频脚本
:param original_script: 原始脚本文本
:param mode: 优化模式，可选 "normal" 或 "master"
:return: 优化后的脚本
"""
# 根据模式设置提示词前缀
if mode == "normal":
prompt_prefix = "优化以下脚本以提升语义理解：\n"
elif mode == "master":
prompt_prefix = "优化以下脚本以提升视觉质量：\n"
else:
raise ValueError("模式必须是 'normal' 或 'master'")
# 拼接输入文本
input_text = prompt_prefix + original_script
# 编码输入
inputs = tokenizer(input_text, return_tensors="pt", padding=True, truncation=True)
# 生成优化脚本
with torch.no_grad():
outputs = model.generate(**inputs, max_length=200, num_return_sequences=1)
# 解码输出
optimized_script = tokenizer.decode(outputs[0], skip_special_tokens=True)
return optimized_script
# 示例使用
original_script = "一只猫在草地上玩耍"
optimized_script = optimize_script(original_script, mode="master")
print("优化后的脚本：", optimized_script)
代码讲解：
- 模型初始化：加载HunyuanVideo-PromptRewrite的分词器和模型。
- 优化函数：
optimize_script函数根据用户选择的模式（Normal或Master）生成优化后的脚本。 - 输入处理：将原始脚本与模式提示词拼接，输入模型生成优化结果。
- 输出解码：将模型生成的token解码为可读文本。
效果展示与功能扩展
效果展示
输入原始脚本：
一只猫在草地上玩耍
选择Master模式优化后输出：
一只橘色的猫在阳光明媚的草地上欢快地追逐蝴蝶，背景是郁郁葱葱的树木和蓝天。
功能扩展
- 多语言支持：扩展模型支持多语言脚本优化。
- 批量处理：支持批量输入脚本，提升效率。
- 自定义模板：允许用户自定义优化模板，满足个性化需求。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
