CogVideoX

智谱AI开源的视频生成模型，支持文本/图像生成视频，采用3D变分自编码器与专家Transformer架构，开源权重可商用。

访问CogVideoX官网

工具介绍

一、项目简介 CogVideoX是智谱AI（THUDM）开源的视频生成大模型，基于3D变分自编码器（VAE）与专家混合Transformer架构，能够根据文本描述或图像生成连贯、高质量的视频片段。作为国内开源视频生成模型的代表，CogVideoX在保持生成质量的同时优化了推理效率，支持多种分辨率与时长。 二、核心特性文本/图像生成视频：输入文字描述或参考图像，即可生成动态视频内容。3D VAE架构：采用3D变分自编码器高效压缩视频时空信息，降低计算成本。开源可商用：模型权重开放，支持本地部署与二次开发。多规格模型：提供不同参数量版本，适配从研究到生产的多样化需求。三、典型应用 AI视频创作、短视频生成、广告素材制作、影视预览、内容生产。。 四、获取方式 项目托管于HuggingFace（THUDM/CogVideoX-5b），代码在GitHub（THUDM/CogVideoX）开源。。

功能特点

• 3D 因果 VAE 支持 5B/5B-I2V 中英提示

标签：CogVideoX 智谱 视频生成 文生视频

分类：开源视频模型