国产开源Sora：CogVideoX-5B重磅开源，提升视频生成新高度！

前沿科技速递🚀

2024年8月，智谱AI发布了震撼业界的更新，推出了更大规模、更高质量的开源视频生成模型——CogVideoX-5B。作为目前最先进的文本生成视频模型之一，CogVideoX-5B不但在性能上实现了质的飞跃，还带来了显著的硬件适配性。这次更新不仅让AI开发者和研究者兴奋，也标志着视频生成技术迈向了新高度。

来源：传神社区

01 CogVideoX-5B：大模型开源，性能更胜一筹

CogVideoX-5B模型的开源无疑是本次更新的核心亮点。作为比CogVideoX-2B更强大的版本，CogVideoX-5B在生成质量和视觉效果上都有显著提升。它能够生成720×480分辨率、6秒时长的视频，每秒8帧的帧率，使得生成的视频在动态表现上更为连贯流畅。

显存需求：CogVideoX-5B在单卡RTX 3060显卡上就能顺畅运行，这意味着更多的用户，无论是学术研究者还是中小型企业，都能以相对低廉的硬件成本，体验到顶尖的AI视频生成技术。

多精度支持：CogVideoX-5B支持FP16、BF16、FP32、INT8等多种精度的推理方式，用户可以根据自身硬件情况灵活选择，从而在性能和效率之间找到最佳平衡点。

02 技术背后的力量：创新架构与训练技术

CogVideoX-5B能够取得如此优异的表现，离不开其背后的创新技术支持。

3D 因果VAE：模型采用了3D Variational Autoencoder (VAE) 技术，通过在空间和时间维度上对视频进行压缩，大幅度降低了计算复杂度，同时提高了视频生成的连续性和质量。这一技术有效避免了生成视频中的“闪烁”问题，保证了帧间的一致性。

专家Transformer：为了改善视频与文本的对齐，CogVideoX-5B采用了专家自适应LayerNorm技术，这一技术能够更好地融合视觉和语义信息，特别是在处理大幅度运动的场景时，模型能够保持较高的一致性和稳定性。

渐进式训练：在训练过程中，模型采用了分辨率渐进训练技术，从低分辨率视频开始，逐步提高分辨率，最终达到高质量的视频生成效果。这种分阶段的训练方法不仅提升了模型的细节捕捉能力，还有效缩短了整体训练时间。

03 超强适配性：从1080到3060，人人都能用的AI视频生成

除了强大的性能外，CogVideoX系列在硬件适配性上也表现出色。无论是高端的RTX 3060显卡，还是较老的GTX 1080显卡，用户都能根据自身硬件条件灵活选择模型版本。

04 典型示例

我们一起来看看一些模型生成的视频吧！

智谱清影1

智谱清影2

智谱清影3

智谱清影4

05 模型下载

传神社区：

CogVideoX-2b：

https://opencsg.com/models/THUDM/CogVideoX-2b

CogVideoX-5b：

https://opencsg.com/models/THUDM/CogVideoX-5b

欢迎加入传神社区

•贡献代码，与我们一同共建更好的OpenCSG

•Github主页

欢迎🌟：https://github.com/OpenCSGs

•Huggingface主页

欢迎下载:https://huggingface.co/opencsg

•加入我们的用户交流群，分享经验

扫描上方二维码添加传神小助手

---

“      关于OpenCSG

开放传神（OpenCSG）成立于2023年，是一家致力于大模型生态社区建设，汇集人工智能行业上下游企业链共同为大模型在垂直行业的应用提供解决方案和工具平台的公司。

关注OpenCSG

加入传神社区