懂AI
CogVideoX-2b

CogVideoX-2b

轻量级开源视频生成模型支持低显存推理

CogVideoX-2B是一个基于扩散模型的开源视频生成工具。该模型可将文本描述转化为6秒长、720x480分辨率、8帧/秒的视频。其最低仅需4GB显存即可运行，通过INT8量化还可进一步降低资源消耗。作为入门级选择，CogVideoX-2B在性能和资源使用间取得平衡，适合进行二次开发。模型目前支持英文输入，并提供多种优化方案以提升推理速度和降低显存占用。

CogVideoX视频生成文本到视频扩散模型人工智能Github开源项目Huggingface模型
访问官网GitHubHugging Face论文文档

CogVideoX-2b项目介绍

CogVideoX-2b是一个开源的视频生成模型,源自于清影(QingYing)平台。作为入门级模型,它在兼容性和性能之间取得了良好的平衡,具有较低的运行和二次开发成本。

模型特点

  • 推理精度: 推荐使用FP16精度,同时支持BF16、FP32、FP8、INT8等多种精度,但不支持INT4。

  • 显存消耗:

    • 使用SwissArmyTransformer(SAT)框架,FP16精度下需要18GB显存
    • 使用diffusers框架,FP16精度下最低只需4GB显存
    • 使用diffusers框架并量化为INT8,最低只需3.6GB显存

  • 多GPU推理: 使用diffusers框架,FP16精度下每张GPU只需10GB显存

  • 推理速度:

    • 单张A100 GPU,约90秒生成一段视频
    • 单张H100 GPU,约45秒生成一段视频

  • 微调精度: 推荐使用FP16精度

  • 微调显存消耗:

    • LORA方式:单GPU 47GB(batch size=1),61GB(batch size=2)
    • SFT方式:单GPU 62GB(batch size=1)

模型能力

  • 提示词语言: 仅支持英语输入

  • 提示词长度限制: 226 tokens

  • 视频长度: 6秒

  • 帧率: 8帧/秒

  • 视频分辨率: 720 x 480,不支持其他分辨率(包括微调)

  • 位置编码: 使用3d_sincos_pos_embed

快速开始

CogVideoX-2b支持使用Hugging Face的diffusers库进行部署。用户只需安装必要的依赖,即可通过简单的Python代码生成视频。

量化推理

模型支持使用PytorchAO和Optimum-quanto对文本编码器、Transformer和VAE模块进行量化,以降低内存需求。这使得模型可以在免费的T4 Colab或更小显存的GPU上运行。

探索更多

项目的GitHub仓库提供了更多技术细节、代码解释、提示词优化、SAT版本模型的推理和微调等内容。用户还可以找到CogVideoX工具链,以更好地使用模型。

许可证

CogVideoX-2B模型(包括其对应的Transformers模块和VAE模块)采用Apache 2.0许可证发布。

CogVideoX-2b作为一个强大而灵活的视频生成模型,为研究人员和开发者提供了丰富的可能性。无论是进行学术研究还是开发实际应用,CogVideoX-2b都是一个值得探索的优秀工具。

编辑推荐精选

问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

下拉加载更多