Video ads cu RunPod

Cât costă

Pod-ul se șterge la finalul sesiunii: un pod oprit, dar neșters, continuă să coste. Fără disc nu mai rămâne nimic de plătit.

Pasul 1 — Cont, cheie SSH, disc

1. Creează contul pe runpod.io și încarcă credit.
2. În Settings → SSH Public Keys înregistrează cheia ta publică (~/.ssh/id_ed25519.pub; dacă nu ai una: ssh-keygen -t ed25519). Scripturile folosesc ~/.ssh/id_ed25519; pentru altă cheie setează RUNPOD_SSH_KEY=/cale/catre/cheie înainte să le pornești.
3. Discul de rețea este opțional și de multe ori e mai bine fără. Un Network Volume de 200 GB ține modelele (circa 176 GB) și te scutește să le descarci din nou, dar costă 14 $ pe lună și mai ales te leagă de centrul lui de date: pod-ul se creează obligatoriu acolo, iar dacă în acel centru lipsește GPU-ul potrivit, rămâi blocat. Fără disc, template-ul descarcă singur modelele la pornire: cu download_wan22=true (scene mute) și download_wan21=true (clipuri vorbite) durează 1-3 minute, câțiva cenți. Fișierele InfiniteTalk, în schimb, template-ul nu le descarcă: dacă ai nevoie de clipuri vorbite, adaugă-le ca la pasul 3 (câteva minute). Așa iei GPU-ul din orice centru de date unde există. Verificat pe 2026-09-21 pe un pod fără disc: scene mute, clipuri vorbite și imagini. Discul merită doar dacă generezi zilnic sau ai modele proprii: în acel caz pune-l acolo unde RTX PRO 6000 e disponibil cel mai des, niciodată într-un centru de date care are doar GPU-uri de 32 GB.

Pasul 2 — Pod-ul

💡 Las-o pe Claude să-l gestioneze. Dacă îți conectezi contul RunPod la Claude Code, Claude creează pod-ul, îl oprește imediat ce clipurile sunt descărcate și îl șterge (doar cu confirmarea ta) singur: fără pod-uri uitate pornite. Conectarea oficială RunPod, din terminal, cu cheia ta API RunPod (Settings → API Keys): claude mcp add --transport http runpod -s user https://mcp.getrunpod.io/ --header "Authorization: Bearer <cheia ta API>", apoi /mcp în Claude Code ca să reîncarci. Instrucțiuni complete și alternative: github.com/runpod/runpod-mcp. Fără conectare, pod-ul îl creezi tu, ca mai jos.

Template recomandat: „One Click - ComfyUI Wan2.1 - Wan 2.2” (autor Hearmeman, id 758dsjwiqz). La creare:

• GPU: RTX PRO 6000 Blackwell (96 GB) în Secure Cloud. Cu mai puțin RAM, modelele complete (28 GB fiecare) scot pod-ul din memorie la încărcarea celui de-al doilea.
• GPU-ul trebuie să fie Blackwell, nu o placă mai veche. Dacă PRO 6000 nu este disponibil, treci pe alt Blackwell din același centru de date (RTX PRO 4500 de 32 GB costă 0,72 $ pe oră, dar face față doar scenelor mute: clipurile vorbite rămân fără memorie chiar și la 7 secunde). Pe arhitecturi mai vechi — A100, 4090, 5090 — scenele mute cu Wan ies foarte bine, dar InfiniteTalk produce un cadru și apoi negru: modelul vorbit intră în NaN și nu dă nicio eroare, nici în logul ComfyUI, nici în orchestrate.sh, care scrie DONE și descarcă un clip negru. Îți dai seama doar deschizând fișierul.
• Disc: niciunul (recomandat). Dacă ai un network volume, montează-l pe /workspace.
• Variabilele template-ului: fără disc, la fiecare pod, download_wan22=true (scene mute) și download_wan21=true (clipuri vorbite): 1-3 minute. Cu disc, true doar prima dată, apoi false: modelele sunt deja acolo, iar o nouă descărcare îl umple.
• Portul 8188: este ComfyUI în browser, la adresa https://<pod_id>-8188.proxy.runpod.net.

Din pagina pod-ului, la Connect, ia cele două lucruri de care au nevoie scripturile: pod id-ul (e în URL) și utilizatorul SSH al proxy-ului (<pod_id>-<cod>@ssh.runpod.io).

Pasul 3 — InfiniteTalk (doar pentru clipurile vorbite)

Un singur chip pe clip. InfiniteTalk mișcă gura tuturor fețelor pe care le găsește în cadru, cu același audio — inclusiv cele din fundal și cele reflectate într-o oglindă. Două persoane în cadru devin două care spun aceeași frază în același timp. Scenele de dialog se împart în două clipuri, unul pe replică, iar cine nu vorbește rămâne cu spatele, neclar sau în afara cadrului.

Template-ul (v29) nu descarcă aceste fișiere: verifică cu ls /workspace/ComfyUI/models/diffusion_models | grep -i infinitetalk, iar dacă lipsesc adaugă-le în /workspace/ComfyUI/models/ (de pe Hugging Face; fără disc, la fiecare pod nou):

Modelul de bază wan2.1_i2v_480p_14B_bf16.safetensors îl descarcă deja template-ul.

💡 Spațiu. Un disc de „200 GB” are în realitate circa 186. Cu tot instalat rămân vreo 20 GB pentru videoclipuri: dacă descărcările se opresc fără eroare, e plin. Fișierul wan2.1_t2v_14B_bf16.safetensors (27 GB, Wan din text) nu e necesar: poate fi șters.

Celelalte două lucruri cerute de InfiniteTalk (o legătură de folder și un patch pentru biblioteca transformers 5) le face orchestrate.sh singur la fiecare pod nou, pentru că stau pe discul containerului și se pierd când pod-ul e șters.

Pasul 4 — Scripturile pe PC-ul tău

Descarcă-le într-un folder, pe toate (se caută unele pe altele):

• lib_video.sh ↗ — verificările comune
• orchestrate.sh ↗ — generează clipurile pe pod
• gen_video.py ↗ — un clip (îl folosește orchestrate)
• fix_wav2vec_tf5.py ↗ — patch-ul pentru InfiniteTalk (îl aplică orchestrate)
• monta_video.sh ↗ — montează videoclipul vorbit
• monta_short.sh ↗ — montează short-urile fără voce
• exemple: clip.tsv.esempio ↗, montaggio.tsv.esempio ↗, chiusura.txt.esempio ↗

Din terminal:

mkdir -p ~/video-tools && cd ~/video-tools
for f in lib_video.sh orchestrate.sh gen_video.py fix_wav2vec_tf5.py monta_video.sh monta_short.sh clip.tsv.esempio montaggio.tsv.esempio chiusura.txt.esempio; do
  curl -fsSLO "https://app.roylead.com/supporto/video-tools/$f"
done
chmod +x *.sh

Îți mai trebuie ffmpeg (cu libx264 și libass), ffprobe, python3, curl, ssh.

Scripturile nu se modifică: citesc totul din fișiere de date aflate în folderul videoclipului.

Pasul 5 — Folderul unui videoclip

video-ul-meu/
  clip.tsv                 lucrările: nume, tip (it = vorbit, wan = scenă mută), imagine, replică sau cadre, prompt
  immagini/                cadrele de pornire (unul pe scenă, generate cu ChatGPT din pozele produsului)
  audio/battute/           replicile în mp3, una pentru fiecare clip vorbit
  montaggio.tsv            ordinea clipurilor în videoclip, cu mp3-ul care merge sub scenele mute
  montaggio/sottotitoli.ass  subtitrările (pe Meta se uită fără sunet)
  chiusura.txt             3 rânduri: ofertă, rândul 2, rândul 3 (opțional)
  prodotto.png             poza produsului pentru final (opțional, merge cu chiusura.txt)

Vocile se fac cu ElevenLabs, un text întreg pentru fiecare personaj, cu [long pause] între replici, apoi se taie pe pauze într-un mp3 per replică (ffmpeg -af silencedetect). Dacă folosești playbook-ul lansării cu Claude Code, scenariul, clip.tsv, montaggio.tsv, subtitrările și tăieturile vocilor ți le pregătește el.

Pasul 6 — Generează și montează

# pornește pod-ul, ia pod_id și utilizatorul ssh din "Connect", apoi:
nohup ./orchestrate.sh <pod_id> <utilizator_ssh> ~/video-ul-meu > ~/video-ul-meu/orchestrate.log 2>&1 &
tail -f ~/video-ul-meu/orchestrate.log        # READY, MODELS, UPLOADED, apoi câte un DONE pe clip, ALL_DONE

Clipurile ajung în video-ul-meu/clip/. Mâinile cu obiecte ies greșit des: pune la socoteală 2-3 încercări pe scenă (schimbi sămânța relansând, sau promptul). Timpi măsurați pe RTX PRO 6000: primul clip 5-7 minute (încarcă modelele), apoi 1-4 minute fiecare.

./monta_video.sh ~/video-ul-meu      # → video-ul-meu/video-finale.mp4 (1080x1920, 30 fps, -16 LUFS)
./monta_short.sh ~/video-ul-meu      # → video-ul-meu/short-<nume>.mp4, unul pe clip, cu grafica deasupra

monta_video.sh se oprește singur dacă vocea are goluri mai mari de 1,5 secunde: mai bine o eroare acum decât un videoclip mut online. Fișierul final se scrie pe discul de sistem și apoi se copiază: pe un disc Windows montat în WSL, unirea se poate opri cu „No space left on device”.

Apoi șterge pod-ul.

Capcane deja întâlnite

• ComfyUI răspunde 403 (eroarea 1010) la apelurile fără User-Agent de browser: scripturile îl trimit; dacă folosești curl de mână, adaugă -A "Mozilla/5.0".
• SSH direct refuzat: se trece prin proxy-ul ssh.runpod.io cu -tt și comenzile pe stdin (o face lib_video.sh).
• ComfyUI nu pornește pe unele mașini Community (502 constant, în log „could not bind on any address”): mașina nu are IPv6. orchestrate.sh îl repornește singur pe 0.0.0.0.
• Memorie insuficientă cu RTX 5090: 62 GB de RAM nu ajung pentru două modele complete de 28 GB. Ori un GPU cu mai mult RAM, ori versiunile fp8_scaled ale modelelor.
• GPU indisponibil în momentul creării: varianta de rezervă care a mers, RTX PRO 6000 Max-Q în Community fără disc de rețea, cu download_wan22=true (redescarcă în 8 minute). Atenție la unde se află discul de rețea: pod-ul se creează obligatoriu în centrul lui de date, iar acolo PRO 6000 poate lipsi chiar dacă în catalog apare disponibil în altă parte.
• Clipuri vorbite negre (un cadru și apoi întuneric, sunetul există): GPU-ul nu e Blackwell. S-a întâmplat pe un A100 80 GB, fără nicio eroare în loguri — orchestrate.sh scrie DONE și descarcă un clip negru. Înainte de montaj, verifică dacă cele vorbite nu sunt întunecate: ffmpeg -i clip/shot-01.mp4 -vf "signalstats,metadata=print:key=lavfi.signalstats.YAVG" -f null - — dacă după primul cadru YAVG rămâne în jur de 16, sunt negre. Se regenerează pe un Blackwell rescriind clip.tsv doar cu rândurile it: scenele deja descărcate rămân neatinse.
• Cheia SSH trebuie înregistrată în cont (Settings → SSH Public Keys) înainte de a crea pod-ul: cheile adăugate ulterior nu ajung în pod-urile deja pornite, iar proxy-ul răspunde Permission denied (publickey). Fără SSH, orchestrate.sh nu eșuează imediat: ajunge la un PATCH output: gol și se oprește acolo.
• ComfyUI moare și template-ul nu îl repornește: orchestrate.sh îl repornește; de mână: python3 /ComfyUI/main.py --listen 0.0.0.0 --use-sage-attention --extra-model-paths-config /ComfyUI/extra_model_paths.yaml.

Regulile Meta pentru videoclipurile cu AI

• În Ads Manager trebuie declarat că materialul este generat cu AI.
• Personajul se prezintă ca purtător de cuvânt, niciodată ca „client real”: Meta consideră asta înșelător.
• Subtitrări întotdeauna: majoritatea se uită fără sunet.