话不多说，直接开干。
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。
这种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： github.com/CiaraStrawb… ，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
注意我这里使用了 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：github.com/CiaraStrawb…
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。我这里选择了一个动漫模型：toonyou。你可以根据自己的需求决定用什么模型。
这里的贴出来我的提示词，方便复制。
提示词：a man, epic scene, a poster, flat color,
反向提示词： easy_negative,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。
生成的视频中人物活动的时候有些影子，感觉是补帧的效果不太好。
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。
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，一个很短的小视频。我测试的时候，这个方法需要重新提取关键帧，并且Sides选择1，也就是1张图片一个关键帧，有兴趣的可以试试。
结合EBSynth合成视频
这个生成视频的质量比本文的方法要好一些，不过步骤比较繁杂，下一篇专门介绍。
以上就是本文的主要内容，感谢阅读。
写在最后
感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。
AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
一、AIGC所有方向的学习路线
AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。
二、AIGC必备工具
工具都帮大家整理好了，安装就可直接上手！
三、最新AIGC学习笔记
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。
四、AIGC视频教程合集
观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
五、实战案例
纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
