中國(guó)的開(kāi)源版 sora：4090 內(nèi)單卡運(yùn)行，A6000 可微調(diào)

AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：中國(guó)的開(kāi)源版 sora：4090 內(nèi)單卡運(yùn)行，A6000 可微調(diào)
關(guān)鍵字：視頻,模型,報(bào)告,字幕,數(shù)據(jù)
文章來(lái)源：AI科技評(píng)論
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

智譜版 Sora「清影」正式開(kāi)源，第一個(gè)開(kāi)源的商用級(jí)視頻生成模型。7 月 26 日，智譜發(fā)布AI 生視頻產(chǎn)品「清影」，30秒將任意文圖生成視頻，并上線在他們的AI助手「智譜清言」上，被譽(yù)為是國(guó)內(nèi)首個(gè)人人可用的Sora。發(fā)布 6 天，「清影」生成視頻數(shù)就突破百萬(wàn)量級(jí)。
今天，智譜AI宣布將與「清影」同源的視頻生成模型——CogVideoX開(kāi)源，以期讓每一位開(kāi)發(fā)者、每一家企業(yè)都能地開(kāi)發(fā)屬于自己的視頻生成模型，從而推動(dòng)整個(gè)行業(yè)的快速迭代與創(chuàng)新發(fā)展。
隨著大型模型技術(shù)的持續(xù)發(fā)展，視頻生成技術(shù)正逐步走向成熟。以Sora、Gen-3等閉源視頻生成模型為代表的技術(shù)，正在重新定義行業(yè)的未來(lái)格局。然而，截至目前，仍未有一個(gè)開(kāi)源的視頻生成模型，能夠滿足商業(yè)級(jí)應(yīng)用的要求。
CogVideoX開(kāi)源模型包含多個(gè)不同尺寸大小的模型，目前智譜開(kāi)源CogVideoX-2B，它在FP-16精度下的推理僅需18GB顯存，微調(diào)則只需要40GB顯存，這意味著單張4090顯卡即可進(jìn)行推理，而單張A6000顯卡即可完成微調(diào)。
CogVideoX-2B的提示詞上限為226個(gè)token，視頻長(zhǎng)度為6秒，幀率為8幀/秒，視頻分辨率

原文鏈接：中國(guó)的開(kāi)源版 sora：4090 內(nèi)單卡運(yùn)行，A6000 可微調(diào)

聯(lián)系作者

文章來(lái)源：AI科技評(píng)論
作者微信：
作者簡(jiǎn)介：