Open-Sora-Plan

Open-Sora-Plan 项目介绍

Open-Sora-Plan 是一个由北京大学-兔展AIGC联合实验室发起的开源项目，旨在通过开源社区的力量复现OpenAI的Sora模型。该项目致力于创建一个简单且可扩展的代码库，以实现类似Sora的视频生成能力。

项目背景与目标

• 项目的主要目标是复现Sora模型的功能，实现高质量的文本到视频生成。
• 虽然当前版本与最终目标还有一定差距，但项目团队正在持续完善和快速迭代。
• Open-Sora-Plan欢迎开源社区的贡献，鼓励开发者提交Pull Request。

技术特点

1. 支持国产AI计算系统：

   • 完整支持使用华为昇腾AI计算系统进行训练和推理。
   • 基于昇腾训练的模型可以输出与业界水平相当的视频质量。

2. 高性能的CausalVideoVAE：

   • 具有出色的压缩比，能够将视频压缩256倍（4×8×8）。
   • 采用因果卷积，支持图像和视频的同时推理，只需1个节点即可训练。

3. 基于3D注意力的视频扩散模型：

   • 使用新的稀疏注意力架构，取代2+1D模型。
   • 3D注意力能更好地捕捉空间和时间特征的联合表示。

项目进展

Open-Sora-Plan已经发布了多个版本，每个版本都带来了显著的改进：

• v1.3.0版本引入了WFVAE、提示词精炼器、数据过滤策略、稀疏注意力和桶训练策略等新特性。
• v1.2.0版本支持图像到视频生成和过渡生成，采用了真正的3D视频扩散模型。
• v1.1.0版本大幅提升了视频质量和长度。
• v1.0.0版本显著提高了视频生成质量和文本控制能力。

资源与工具

项目提供了多个版本的模型权重、数据集和工具：

• 不同版本的扩散模型，支持多种分辨率和帧数。
• CausalVideoVAE模型，支持任意尺寸。
• 数据集和标注。
• 提示词精炼器。

使用方法

Open-Sora-Plan提供了多种使用方式：

1. Gradio Web UI：推荐使用的网页演示界面。
2. 训练与推理：项目提供了详细的文档，包括CausalVideoVAE、文本到视频、图像到视频等模块的训练和推理指南。

社区与贡献

Open-Sora-Plan是一个开放的社区项目，欢迎开发者以多种方式参与贡献：

• 提交代码改进和新功能。
• 报告问题和提出建议。
• 改进文档和示例。

项目遵循MIT许可证，鼓励开放合作和创新。

通过这个项目，开发者可以深入了解和参与最前沿的视频生成技术研究，为开源AI社区做出贡献。