CogVideo
CogVideo是什么？
CogVideo 是一种开源 AI 模型，能从文本描述生成短视频片段，让视频生成的研究与试验无需商业订阅即可进行。
一图看懂
- Type of model
- 文本生成视频模型（基于 Transformer）
- Developed by
- 智谱 AI
- Key capability
- 从文本提示词生成短视频片段；开源权重可供研究和微调使用
- How it fits in AI workflow
- 在研究流水线、本地生成搭建中用作基础文本生成视频模型，并作为自定义视频生成应用的微调起点
- 相关术语
- CogVideoXText-to-videoDiffusion modelTransformerOpen-source modelKling
准备好开始创作了吗？
执导场景、设计角色、完成整部影片
一站式 AI 创作平台，定价简单透明，无速度节流，搭配无限 Canvas，让创作发挥到极致。
对比与差异
Compared with related concepts
CogVideo 与 Sora：CogVideo 是开源模型，权重公开可获取，能够本地运行和微调，而 Sora 是 OpenAI 的封闭商业模型，只能通过其平台访问。CogVideo 以精致度和易用性为代价提供更大的灵活性和透明度；Sora 则在受管理的界面内提供更高的制作品质。
实用提示
如果你想在自定义素材或特定视觉风格上微调一个视频生成模型，CogVideoX 的开放权重使它成为最易上手的起点之一：在 Hugging Face 上寻找针对消费级硬件可用的微调流水线社区指南。
类型与变体
CogVideo 家族经过数次迭代不断扩展。原始的 CogVideo 用 Transformer 架构确立了文本生成视频的方法。CogVideoX 引入了扩散 Transformer（DiT）骨干，视频质量大幅提升，片段时长更长，运动协调性更好。CogVideoX 的社区微调针对特定风格、题材和运动类型，将模型的能力范围扩展到其默认训练分布之外。
准备好在 Morphic 里做第一个场景了吗？
试用 Morphic常见使用场景
CogVideo 主要用于看重开放模型权重访问权的研究和开发者场景。研究人员用它来研究文本生成视频、试验架构修改，并与其他模型进行基准对比。开发者以它为基础构建自定义视频生成应用，或在专有数据集上搭建微调流水线。出于隐私、成本或定制等原因偏好本地运行生成的独立创作者也会使用它。
准备好开始创作了吗？
执导场景、设计角色、完成整部影片
一站式 AI 创作平台，定价简单透明，无速度节流，搭配无限 Canvas，让创作发挥到极致。
常见问题（FAQ）
CogVideo 由智谱 AI 开发，这是一家中国 AI 研究公司，也以 CogView 图像生成模型和 GLM 系列语言模型而闻名。
CogVideo 和 CogVideoX 以开源模型形式发布，意味着权重公开可用于研究和许多商业用途。你应查看所用版本的具体授权，因为各次发布的条款各不相同。
商业工具通常产出更高质量的输出，界面更精致，并具备额外的控制功能。CogVideo 以部分精致度换取开放性：你可以本地运行、微调它，并以封闭商业工具不允许的方式将它整合进自定义流水线。
CogVideoX 是改进后的后继者，使用扩散 Transformer 架构，产出比原始 CogVideo 更长、质量更高的视频。在大多数实际用途中，CogVideoX 通常代表该模型家族的当前水准。
可以，CogVideoX 权重在 Hugging Face 上提供，可使用相应的 Python 库本地运行。不过视频生成对算力要求很高：实际使用通常需要一块高显存 GPU。
清晰、描述性强、指明主体、动作、环境和摄影机视角的文本提示词往往产出最佳结果。与大多数文本生成视频模型一样，CogVideo 对电影感语言和具体的运动描述反应良好。
CogVideo 和 CogVideoX 模型权重托管在 Hugging Face 上的 THUDM 组织下。该仓库包含模型卡、使用说明，以及指向社区微调的链接。
