text2video生成结果不正确

[muximuxi]

你好~感谢开源~ 在执行text2video是，生成视频结果中，会出现多个人物，而不是当前人物在动,请问这这是什么原因，应该怎么修改？ python scripts/inference/text2video.py --sd_model_name majicmixRealv6Fp16 --unet_model_name musev_referencenet --referencenet_model_name musev_referencenet --ip_adapter_model_name musev_referencenet -test_data_path ./configs/tasks/example.yaml --output_dir ./output --n_batch 1 --target_datas yongen --vision_clip_extractor_class_name ImageClipVisionFeatureExtractor --vision_clip_model_path ./checkpoints/IP-Adapter/models/image_encoder --time_size 12 --fps 12
结果：

https://github.com/TMElyralab/MuseV/assets/19643523/b5f4e432-d434-4ad9-b234-8276d5af7296

[xzqjack]

@muximuxi 这里看起来是 没有用上视频生成的模型，纯粹跑的 图片生成。可能是模型下载设置哪里有问题。

[xzqjack]

我先关了，有问题欢迎再次反馈。