全球首个开源类Sora模型大升级，16秒720p画质电影感爆棚！代码和权重全面开源！

目录

01 视频界开源战士

02 深度解码技术

03 打破闭环，开源赋能

---

潞晨Open-Sora团队刚刚在720p高清文生视频质量和生成时长上实现了突破性进展！

全新升级的Open-Sora不仅支持无缝生成任意风格的高质量短片，更令人惊喜的是，团队选择继续全部开源。
 

GitHub地址：https://github.com/hpcaitech/Open-Sora

没体验过OpenAI最新版GPT-4o？快戳最详细升级教程，几分钟搞定：

升级ChatGPT-4o Turbo步骤https://www.zhihu.com/pin/1768399982598909952

通过他们的模型权重，可以生成各种酷炫短片，如海浪与海螺的亲密接触，以及深不可测的森林秘境。

人物肖像的渲染也相当逼真，不论是中国古典美女还是欧美风人物，都能保持一致的风格。

即使是电影级别的镜头制作，也能轻松应对。

例如，实现流畅的变焦效果，为影片增添专业级的视觉效果，帮助电影制作人员创造出逼真的电影镜头。

 

01 视频界开源战士

LambdaLabs，美国科技界独角兽，基于潞晨团队先前开源的Open-Sora模型权重打造了一个数字乐高宇宙，乐高迷们在这里找到了极致的创意体验。

报告地址：https://github.com/hpcaitech/Open-Sora/blob/main/docs/report_03.md

潞晨团队深知开源对于文生视频技术突破的重要性，他们不仅持续开源模型权重，还在Github上晒出了技术路线，让每个玩家都能成为文生视频大模型的掌控者。

02 深度解码技术

潞晨Open-Sora团队的技术报告深度剖析了本次模型训练的核心和关键。在上一个版本基础上，引入了视频压缩网络（Video Compression Network）、更优的扩散模型算法、更多的可控性，并利用更多的数据训练出了1.1B的扩散生成模型。

在这个「算力为王」的时代，视频模型训练有两大痛点：计算资源的巨大消耗与模型输出质量的高标准。

潞晨Open-Sora团队以一种极简而有效的方案，成功地在成本和质量之间找到了平衡点。

Open-Sora团队提出了一个创新的视频压缩网络（VAE），该网络在空间和时间两个维度上分别进行压缩。

具体来说，他们首先在空间维度上进行了8x8倍的压缩，接着在时间维度上进一步压缩了4倍。

通过这种创新的压缩策略，既避免了因抽帧而牺牲视频流畅度的弊端，又大幅降低了训练成本，实现了成本与质量的双重优化。

Stable Diffusion 3，最新的扩散模型，通过采用rectified flow技术替代DDPM，显著提升了图片和视频生成的质量。

尽管SD3的rectified flow训练代码尚未公开，但潞晨Open-Sora团队已经基于SD3的研究成果，提供了一套完整的训练解决方案，包括：

• 简单易用的rectified flow训练
   
• 用于训练加速的Logit-norm时间步长采样
   
• 基于分辨率和视频长度的时间步长采样

通过这些技术的整合，不仅能够加快模型的训练速度，还能显著减少推理阶段的等待时间，确保用户体验的流畅性。此外，这套训练方案还支持在推理过程中输出多种视频宽高比，满足多样化场景下的视频素材需求，为视频内容创作者提供了更加丰富的创作工具。

他们在报告中也透露了更多关于模型训练的核心细节，包括数据清洗和模型调优的实用技巧，以及构建了更完善的模型评估体系，保障模型的稳健性和泛化能力。

他们还提供了可以自行一键部署的Gradio应用，并支持调节输出的运动分数、美学分数和镜头移动方式等参数，甚至可以一键通过GPT-4o自动修改指令并支持中文输入。

03 打破闭环，开源赋能

自OpenAI Sora发布以来，业界对Sora的开放性期待值爆表，但现实却是持续的等待游戏。潞晨Open-Sora的开源，为文生视频的创新和发展注入了强劲的活力。

这一转型为企业用户解锁了自主开发文生视频应用的新技能，无论是打造沉浸式游戏、创意广告还是制作影视大片，文生视频技术的应用场景得到了指数级扩展。

---

如何使用WildCard正确方式打开GPT-4o，目前 WildCard 支持的服务非常齐全，可以说是应有尽有！

官网有更详细介绍：WildCard

推荐阅读：


更强大Mamba-2正式发布啦！！！

黎曼猜想取得重大进展！！