0元白嫖 谷歌子公司 32G 双T4免费GPU!国内直连!不用买显卡,全程点鼠标只要5分钟,SDXL生图+Whisper+Qwen全都能跑 !保姆级教程

视频教程



今天这个真的要赶紧收藏,Kaggle 免费送你两块 T4,一共 32GB 显存,不用买显卡,不用绑卡,点几下鼠标就能领。领到之后,AI 生图、语音转写、视频总结,这三个一次全给你跑通。


视频教程: 见上方视频,跟着做就行,代码都在下面,按顺序复制粘贴,0 到 9 别跳。

官网地址: kaggle.com

---

准备:3 步,先设好再启动

1. 打开 Kaggle,新建 Notebook。 2. 右侧 Session options:Accelerator 选 GPU T4 x2,Persistence 选 Files only,Internet 选 on。Persistence 一定要在启动前选好,改了要重启会话才生效;选 No persistence,会话一关,下载的模型和成果全没了。 3. 上传视频:右侧 Add data → Upload,选你的 mp4,Dataset Title 必须填(不填右下角 Create 是灰的,点不动),Visibility 选 Private,点 Create。实跑确认的路径是 `/kaggle/input/datasets/kejigongxiang/test-video/test.mp4`,下面第 1 格会自动找,不用手写死路径。

---

0. 先验 GPU,确认是双 T4

看到两行 Tesla T4,每行 15360 MiB,才是双 T4 到位。

import subprocess
r = subprocess.run(["nvidia-smi", "--query-gpu=name,memory.total", "--format=csv,noheader"], capture_output=True, text=True)
print(r.stdout.strip())
print("要看到两行 Tesla T4,每行 15360 MiB,才是 T4 x2。")
避坑:如果报 `FileNotFoundError: 'nvidia-smi'`,说明你现在是 CPU 会话,没挂 GPU。去右侧把 Accelerator 从 None 改成 GPU T4 x2,重启会话再跑。代码没错,是设置没选对。

1. 找视频文件,建输出目录

优先找 `/kaggle/input` 里任何 mp4,数据集实际路径是 `/kaggle/input/datasets/<用户名>/<数据集名>/<文件名>`,glob 会自动找到;再找 `/kaggle/working` 下直接上传的 test.mp4 / sucai.mp4。

import glob, os
from pathlib import Path
OUT = Path("/kaggle/working/output")
OUT.mkdir(parents=True, exist_ok=True)
# 优先找 /kaggle/input 里任何 mp4(数据集实际路径是 /kaggle/input/datasets/<用户名>/<数据集名>/<文件名>,glob 会自动找到)
# 再找 /kaggle/working 下直接上传的 test.mp4 / sucai.mp4
cands = sorted(glob.glob("/kaggle/input/**/*.mp4", recursive=True)) + ["/kaggle/working/test.mp4", "/kaggle/working/sucai.mp4"]
video_file = next((c for c in cands if os.path.exists(c)), None)
print("候选:", cands)
print("视频:", video_file if video_file else "没找到!先在右侧 Add data 上传 mp4 数据集,再重跑这格")
frames_dir = OUT / "frames"
frames_dir.mkdir(exist_ok=True)
audio_file = str(OUT / "audio.wav")

2. 装依赖

Kaggle 自带 torch,只补 diffusers / whisper / transformers。右下角那个 Install Dependencies 不用点,那是给断网比赛用的离线装包,点了还得再填一遍包名;Internet 开着,直接跑下面这格就行。

!pip install -q -U diffusers transformers accelerate safetensors openai-whisper
import shutil
print("ffmpeg:", shutil.which("ffmpeg") or "没找到,下面会用 imageio-ffmpeg")
# Kaggle 镜像通常自带 ffmpeg;如果上面是没找到,跑下面这行再重跑
# !pip install -q imageio-ffmpeg

3. 加载 SDXL 模型

模型是 `stabilityai/stable-diffusion-xl-base-1.0`,约 7.11GB,第一次下载要等几分钟,看到加载成功和 Tesla T4 就行。

import gc, torch
from diffusers import DiffusionPipeline, DPMSolverMultistepScheduler
gc.collect()
torch.cuda.empty_cache()
model_id = "stabilityai/stable-diffusion-xl-base-1.0"
pipe = DiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.float16, variant="fp16", use_safetensors=True)
pipe.scheduler = DPMSolverMultistepScheduler.from_config(pipe.scheduler.config, algorithm_type="sde-dpmsolver++")
pipe.enable_model_cpu_offload()
pipe.vae.enable_slicing()
pipe.vae.enable_tiling()
print("SDXL 加载成功,当前 GPU:", torch.cuda.get_device_name(0))
避坑:如果看到红字 `Disabling torchao because diffusers requires 'torchao>=0.15.0' but found version 0.10.0`,那不是报错,是警告,torchao 加速关了而已,SDXL 照样能加载、照样能出图,别点 Cancel Run,等它下完就行。

4. 生图,1024x1024,存到 /kaggle/working/output/

提示词是东京雨夜蓝夹克男子街景,种子 123,30 步,guidance 7.0。想换画面只改 prompt 那几行就行。跑完这格会自动释放 SDXL,后面 Whisper / Qwen 才有显存。

import time, torch
from IPython.display import display
prompt = "A young man in a blue jacket walking through a rainy Tokyo street at night, neon signs reflecting on wet ground, cinematic photo, natural light"
prompt_2 = "Photorealistic night street photography, sharp details, realistic skin and fabric, soft neon glow, shallow depth of field"
negative_prompt = "cartoon, anime, blurry, low quality, deformed hands, extra fingers, watermark, text, logo"
generator = torch.Generator("cpu").manual_seed(123)
start = time.time()
image = pipe(prompt=prompt, prompt_2=prompt_2, negative_prompt=negative_prompt, height=1024, width=1024, num_inference_steps=30, guidance_scale=7.0, generator=generator).images[0]
display(image)
image.save("/kaggle/working/output/kejigongxiang_sdxl.png")
print(f"用时 {time.time()-start:.1f} 秒,已保存 /kaggle/working/output/kejigongxiang_sdxl.png")
del pipe
gc.collect()
torch.cuda.empty_cache()
print("SDXL 已释放,后面 Whisper / Qwen 才有显存")
避坑:释放 SDXL 是这格最后 4 行代码,不是界面上的按钮。别点顶部菜单里的“重启并运行所有单元格”,那是重启整个会话,SDXL、Whisper 全都没了,得从头重下。已经出完图想手动释放,就新建一格粘 `del pipe` + `gc.collect()` + `torch.cuda.empty_cache()`,点它左边的 ▶ 跑一下就行。

5. 视频解析第一步:提音频 + 抽关键帧

音频提成单声道 16kHz 给 Whisper 用,关键帧每 30 秒抽一张。

import subprocess, glob
assert video_file, "先上传视频再跑这格"
# 音频:单声道 16kHz,给 Whisper 用
subprocess.run(["ffmpeg", "-y", "-i", video_file, "-vn", "-ac", "1", "-ar", "16000", "-c:a", "pcm_s16le", audio_file], check=True)
print("音频完成:", audio_file)
# 关键帧:每 30 秒一张
subprocess.run(["ffmpeg", "-y", "-i", video_file, "-vf", "fps=1/30", str(frames_dir / "frame_%04d.jpg")], check=True)
frames = sorted(glob.glob(str(frames_dir / "*.jpg")))
print(f"抽帧完成,共 {len(frames)} 张")
for f in frames[:12]:
    print(" ", f)

6. 视频解析第二步:Whisper 转写

加载 Whisper medium 做中文转写,保存为 `/kaggle/working/output/transcript.txt`。

import whisper
whisper_model = whisper.load_model("medium", device="cuda")
result = whisper_model.transcribe(audio_file, language="Chinese", task="transcribe", fp16=True)
lines = [s["text"].strip() for s in result["segments"] if s["text"].strip()]
formatted_text = "\n".join(lines)
open("/kaggle/working/output/transcript.txt", "w", encoding="utf-8").write(formatted_text)
print("识别完成,已保存 /kaggle/working/output/transcript.txt")
print(formatted_text[:800])

7. 视频解析第三步:释放 Whisper,Qwen 总结

先释放 Whisper 显存,再加载 `Qwen/Qwen2.5-1.5B-Instruct`,不然显存不够。转写是主要依据,关键帧只以路径和时间戳列表辅助判断画面变化。

import gc, torch
del whisper_model
gc.collect()
torch.cuda.empty_cache()
from transformers import AutoTokenizer, AutoModelForCausalLM
model_name = "Qwen/Qwen2.5-1.5B-Instruct"
tokenizer = AutoTokenizer.from_pretrained(model_name)
llm = AutoModelForCausalLM.from_pretrained(model_name, torch_dtype=torch.float16, device_map="auto")
print("Qwen 加载完成")
frame_note = "\n".join([f"第 {i+1} 张关键帧(约 {(i*30)//60}分{(i*30)%60:02d}秒):{p}" for i, p in enumerate(frames)])
messages = [
    {"role": "system", "content": "你是一位视频内容总结助手,请用中文清晰回答。"},
    {"role": "user", "content": f"以下是视频转写文本:\n{formatted_text}\n\n关键帧列表(每 30 秒一张):\n{frame_note}\n\n请总结主要内容,提炼关键点,整理内容结构,并解释其中出现的专业名词。转写是主要依据,帧列表只用来辅助判断画面变化。"},
]
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(prompt, return_tensors="pt").to(llm.device)
with torch.no_grad():
    outputs = llm.generate(**inputs, max_new_tokens=1024, do_sample=False, pad_token_id=tokenizer.eos_token_id)
answer = tokenizer.decode(outputs[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True)
print(answer)
open("/kaggle/working/output/summary.txt", "w", encoding="utf-8").write(answer)
print("总结已保存 /kaggle/working/output/summary.txt")

8. 可选:用已跑的 DeepSeek 替掉 Qwen 做总结(没跑 Ollama 就跳过这格)

前置是另一个 Notebook 里 Ollama 已在跑 DeepSeek-V4-Pro-Qwen3.5-9B,且本机能访问 http://127.0.0.1:11434。没跑就别跑这格,第 7 格的 Qwen 总结已经够用了。

# 前置:另一个 Notebook 里 Ollama 已在跑 DeepSeek-V4-Pro-Qwen3.5-9B,且本机能访问 http://127.0.0.1:11434
# 没跑就别跑这格,第 7 格的 Qwen 总结已经够用了。
import requests
try:
    r = requests.post("http://127.0.0.1:11434/api/chat", json={
        "model": "deepseek-v4-pro-qwen3.5-9b",
        "messages": [{"role": "user", "content": f"以下是视频转写文本:\n{formatted_text}\n\n请用中文总结主要内容,提炼关键点,整理内容结构。"}],
        "stream": False,
    }, timeout=600)
    print(r.json()["message"]["content"])
except Exception as e:
    print("DeepSeek 没接通,跳过:", e)

9. 看成果

import os
for root, _, files in os.walk("/kaggle/working/output"):
    for f in sorted(files):
        print(os.path.join(root, f))

成果都在 `/kaggle/working/output/`:`kejigongxiang_sdxl.png` 是生成的图,`transcript.txt` 是转写,`summary.txt` 是总结,`frames/` 是关键帧,`audio.wav` 是提取的音频。

---

避坑清单

  • 没选 GPU 就报 `nvidia-smi` 找不到:先把 Accelerator 改成 GPU T4 x2,重启再跑。
  • 上传数据集 Title 不填,Create 是灰的:填个英文名,比如 test-video,Private 不动。
  • 视频路径别手写死:数据集真实路径带 `/datasets/<用户名>/`,用第 1 格的 glob 自动找最稳。
  • torchao 红字不是报错:等 SDXL 下完就行,别取消。
  • 右下角 Install Dependencies 不用点:Internet 开着,直接跑 pip 那格。
  • 释放 SDXL 靠代码不靠重启:生图那格最后 4 行就是释放,别点“重启并运行所有单元格”。
  • Persistence 选 No persistence,成果关会话就没:跑完先下载,下次开新会话前改成 Files only。

限额

Kaggle 单次会话最长 12 小时,每周 GPU 配额 30 小时,SDXL 约 7.11GB + Whisper + Qwen 都要下载,第一次跑慢是正常的,Persistence 开了以后模型文件能复用。

觉得有用就点赞收藏,订阅我的频道 科技共享,下期讲怎么用免费服务器搭你自己的专属节点,也是 0 元、小白 3 分钟能做完的那种。

发表评论

0 评论