CogVideoX1.5-5B-SAT

📍 访问清影和 API 平台体验商用视频生成模型。

CogVideoX 是一款源自清影的开源视频生成模型。CogVideoX1.5 是开源 CogVideoX 模型的升级版本。

CogVideoX1.5-5B 系列模型支持10 秒时长视频及更高分辨率。CogVideoX1.5-5B-I2V 变体支持任意分辨率视频生成。

本仓库包含 CogVideoX1.5-5B 模型的 SAT 权重版本，具体包括以下模块：

Transformer

包含 I2V 和 T2V 模型的权重。具体包括以下模块：

├── transformer_i2v  
│   ├── 1000  
│   │   └── mp_rank_00_model_states.pt  
│   └── latest  
└── transformer_t2v  
    ├── 1000  
    │   └── mp_rank_00_model_states.pt  
    └── latest

请在执行推理时选择相应的权重。

VAE

VAE部分与CogVideoX-5B系列一致，无需更新。您也可以直接从此处下载。具体包括以下模块：

└── vae  
    └── 3d-vae.pt

文本编码器

与CogVideoX-5B的diffusers版本保持一致，无需更新。您也可以直接从此处下载。具体来说，它包含以下模块：

├── t5-v1_1-xxl  
   ├── added_tokens.json  
   ├── config.json  
   ├── model-00001-of-00002.safetensors  
   ├── model-00002-of-00002.safetensors  
   ├── model.safetensors.index.json  
   ├── special_tokens_map.json  
   ├── spiece.model  
   └── tokenizer_config.json  


0 directories, 8 files

模型许可

本模型依据 CogVideoX LICENSE 进行发布。

引用

@article{yang2024cogvideox,
  title={CogVideoX: Text-to-Video Diffusion Models with An Expert Transformer},
  author={Yang, Zhuoyi and Teng, Jiayan and Zheng, Wendi and Ding, Ming and Huang, Shiyu and Xu, Jiazheng and Yang, Yuanming and Hong, Wenyi and Zhang, Xiaohan and Feng, Guanyu and others},
  journal={arXiv preprint arXiv:2408.06072},
  year={2024}
}