improve dataset preparation (#43)

* update

* update

* update

* update

assets/dataset_zh.md

@@ -18,7 +18,7 @@ A black and white animated sequence on a ship’s deck features a bulldog charac
     - 任意分辨率且必须能被32整除。例如，`720 * 480`, `1920 * 1020` 等分辨率。
 
 - **支持的帧数（Frames）**：
-    - 满足 (4K +1)，即4的倍数，例如，16, 24, 32, 48, 64, 80。
+    - 必须是 `4 * k` 或 `4 * k + 1`（例如：16, 32, 49, 81）
 
 所有的视频建议放在一个文件夹中。
 
@@ -66,6 +66,7 @@ OOM（内存不足），因为它需要加载 [VAE](https://huggingface.co/THUDM
 
 文本编码器。为了降低内存需求，您可以使用 `training/prepare_dataset.py` 脚本预先计算潜在变量和嵌入。
 
-填写或修改 `prepare_dataset.sh` 中的参数并执行它以获得预先计算的潜在变量和嵌入（请确保指定 `--save_tensors`
-以保存预计算的工件）。在训练期间使用这些工件时，确保指定 `--load_tensors` 标志，否则将直接使用视频并需要加载文本编码器和
+填写或修改 `prepare_dataset.sh` 中的参数并执行它以获得预先计算的潜在变量和嵌入（请确保指定 `--save_latents_and_embeddings`
+以保存预计算的工件）。如果准备图像到视频的训练，请确保传递 `--save_image_latents`，它对沙子进行编码，将图像潜在值与视频一起保存。
+在训练期间使用这些工件时，确保指定 `--load_tensors` 标志，否则将直接使用视频并需要加载文本编码器和
 VAE。该脚本还支持 PyTorch DDP，以便可以使用多个 GPU 并行编码大型数据集（修改 `NUM_GPUS` 参数）。