Bernini

环境要求

• Python 环境（仓库根目录提供 requirements.txt）
• 必须额外安装 Open-VeOmni 依赖，README 说明需以 --no-deps 方式安装
• 训练场景推荐使用 uv 管理 Python 环境，pyproject.toml 会自动路由 torch / torchvision 到对应 CUDA 索引
• 需从 Hugging Face 下载模型权重（ByteDance/Bernini-Diffusers 等仓库）
• 推理与训练需按官方文档 docs/bernini.md 或 docs/bernini_r.md 执行

安装与启动步骤

1. 1克隆仓库

   把 Bernini 源码拉取到本地 bernini 目录并进入该目录，后续命令都在此目录内执行。

   git clone https://github.com/bytedance/Bernini.git bernini && cd bernini

   复制

2. 2安装推理依赖

   安装仓库提供的推理依赖清单。确保 pip 指向你打算使用的 Python 环境，建议先建好虚拟环境。

   pip install -r requirements.txt

   复制

3. 3安装 Open-VeOmni

   Open-VeOmni 是必需依赖，README 要求加 --no-deps 安装，避免它顺带拉入自己的依赖。具体包名与完整命令请以 README 原文和官方文档为准。

4. 4安装 uv（训练用）

   只有训练场景需要。用官方脚本安装 uv，然后用它来创建 .venv 并管理训练依赖。如已安装可跳过。

   curl -LsSf https://astral.sh/uv/install.sh | sh

   复制

5. 5同步训练依赖

   创建 .venv 并安装 pyproject.toml 声明的全部训练依赖，再安装 all 附加依赖。注意此步骤可能拉取体积较大的 CUDA 版 torch。

   uv sync
   uv sync --extra all

   复制

6. 6下载权重并推理

   权重下载与各任务的推理命令是按模型区分的，README 没有直接给出，需按 docs/bernini.md（完整 Bernini）或 docs/bernini_r.md（Bernini-R 渲染器）中的步骤执行。

如何确认成功

按 docs/bernini.md 或 docs/bernini_r.md 执行对应推理命令后，能正常输出生成的视频或编辑结果，即表示权重与环境配置成功。

常见问题

注意事项

• README 中未给出端口、路径、密钥等配置项，本教程未做任何补充，凡未列出的参数请以官方文档为准。
• Open-VeOmni 的安装命令在 README 节选中被截断，请务必回原文确认完整命令后再执行。
• 权重下载与推理命令按模型区分，不在 README 正文中，需查阅 docs/bernini.md 与 docs/bernini_r.md。
• 训练依赖含 torch/torchvision，下载与安装体积较大，请预留磁盘空间与稳定网络。