Remove README_RUN.md

README_RUN.md

@@ -1,110 +0,0 @@
-# Genie-Envisioner 视频生成 · Modal 运行说明
-
-用 Modal 云 GPU 跑 GE-Base 视频生成，输入来自数据集
-`HuggingFriends/mllm-as-embodied-world-judge`。
-
-## 0. 环境（本地，一次性）
-
-```bash
-pip install modal
-```
-
-### 配置 Modal token
-
-老师给的标准 Modal token 是 **一对** `token-id` + `token-secret`：
-
-```bash
-modal token set --token-id ak-xxxxxxxx --token-secret as-xxxxxxxx
-```
-
-> ⚠️ 你说现在只有「一串字符串」。Modal token 通常是两段，请确认：
-> - 如果那串里带冒号 `ak-...:as-...`，前半是 id、后半是 secret。
-> - 如果只有一段 `as-...`，可能只给了 secret，需要找老师补 token-id。
-> - 也可以走浏览器登录：`modal setup`（会打开网页授权，最省事）。
->
-> 验证是否配好：`modal token list` 或随便 `modal run` 一下。
-
-## 1. 跑通（先 1-2 条）
-
-```bash
-modal run ge_modal_app.py --source agibot_world --limit 2
-```
-
-第一次会自动：① 下权重到 Volume（GE checkpoint 3.9GB + LTX 组件，约 10 分钟，只下一次）→ ② 取 2 条样本转格式 → ③ A100 上推理出 `video.mp4`。
-
-之后再跑可跳过下权重：
-
-```bash
-modal run ge_modal_app.py --source agibot_world --limit 2 --skip-weights
-```
-
-## 2. 取回结果
-
-```bash
-modal volume get ge-outputs / ./outputs_local
-```
-
-每个样本一个文件夹，内含 `video.mp4`（生成视频）和 `prompt.txt`。
-
-## 3. 放量 / 换来源 / 选 prompt 版本
-
-- `--source`：`agibot_world`（原生 3 相机，最契合）、`droid`、`libero`、`egodex`、
-  `robotwin`、`open_x_embodiment` 等 11 个之一。
-- `--limit`：每个来源取多少条 episode。
-- `--variants`：用哪些 prompt 版本，逗号分隔，默认 `prefix,rewrite`。
-
-### prompt 版本（prefix / rewrite 分开跑）
-数据集每条 episode 的 `summary.json` 里有三种 prompt：`prompt`（原始指令）、
-`prompt_prefix`（带机器人场景前缀）、`prompt_rewrite`（详细改写）。我们用 `prefix` 和
-`rewrite`，**两者各自独立生成视频**。代码把每条 episode 按版本拆成独立目录
-`<id>__prefix` / `<id>__rewrite`（共用同一张 init_frame），所以输出里两者分开、可对照：
-
-```
-outputs_local/
-  agibot_world_task_0001_episode_0001__prefix/video.mp4
-  agibot_world_task_0001_episode_0001__rewrite/video.mp4
-```
-
-> 注意：`prompt_prefix` 字段在 agibot_world 是字符串、在 droid/egodex 等是列表，
-> 代码已统一兼容（`_extract_text`）。
-
-只跑其中一种：`--variants prefix` 或 `--variants rewrite`。
-
-## 关键设计点（请和老师确认）
-
-### 数据桥接：单视角单帧 → GE 的 3 视角×4 帧
-- 我们数据每条只有 **1 张 init_frame + 1 条 prompt**。
-- GE-Base 训练用的是 **3 相机 × 每相机 4 历史帧**。
-- 默认 `bridge_mode="replicate"`：把 init_frame 复制成 3×4，留在模型训练 regime。
-  侧视角是复制出来的假视角，**质量需实测**。
-
-### 另一条路：单视角单帧推理（OOD，可对比）
-源码确认架构支持 `n_view=1`（`transformer_ltx_multiview.py` 的 `view_embed[:n_view]`），
-pipeline 也会在 `mem_size==1 & n_prev>1` 时自动复制帧。改法：
-在 `run_inference` 里把 config 的 `data.train.valid_cam` 改成 `['head']`、
-`n_previous` 改 1，并把 `prepare_samples` 的 `valid_cams=("head",)`、`n_previous=1`。
-但权重是 3 视角训练的，单视角属 out-of-distribution，能跑但质量未知。
-
-### fast vs slow
-默认 `ge_base_slow_v0.1.safetensors`（质量高、慢）。要快可在 `ge_modal_app.py`
-把 `GE_CKPT_FILE` 改 `GE_base_fast_v0.1.safetensors`，并把 `config_name`
-换成 `video_model_infer_fast.yaml`。
-
-## 4. push 到 HF 给老师 review
-
-老师要先 review 代码再 inference，所以先把**这个工程**推上去：
-
-```bash
-pip install huggingface_hub
-huggingface-cli login        # 用你的 HF token
-
-# 建一个 model 仓库（或 dataset 仓库）放代码
-huggingface-cli repo create ge-envisioner-modal --type model
-
-git clone https://huggingface.co/<你的用户名>/ge-envisioner-modal
-cp ge_modal_app.py README_RUN.md ge-envisioner-modal/
-cd ge-envisioner-modal && git add . && git commit -m "GE-Base Modal inference code" && git push
-```
-
-老师 review 通过后，再按上面步骤 1 跑推理。生成的视频也可以推到 HF（建议用
-dataset 仓库，`huggingface_hub` 的 `upload_folder` 上传 `outputs_local/`）。