CogVideoX-2B
📄 Read in English | 🌐 Github(包含PDF论文) | 📜 arxiv (即将发布)
作品案例
模型介绍
CogVideoX是 清影 同源的开源版本视频生成模型。下表战展示目前我们提供的视频生成模型列表,以及相关基础信息。
Model Name | CogVideoX-2B (当前仓库) |
---|---|
提示词语言 | English |
推理显存消耗 | 36GB(会在PR合并之前优化) |
微调显存消耗 (bs=1) | 42GB |
提示词长度上限 | 226 Tokens |
视频生成长度 | 6 seconds |
视频生成帧率 (每秒) | 8 frames |
视频生成分辨率 | 720 * 480 |
位置编码 | Sinusoidal |
量化 | 不支持 |
多卡推理 | 不支持 |
Note 使用 SAT 推理SAT版本模型仅需18G显存。欢迎前往我们的github查看。
快速上手 🤗
本模型已经支持使用 huggingface 的 diffusers 库进行部署,你可以按照以下步骤进行部署。
我们推荐您进入我们的 github 并查看相关的提示词优化和转换,以获得更好的体验。
- 安装对应的依赖
pip install --upgrade opencv-python transformers acc
pip install git+https://github.com/huggingface/diffusers.git@878f609aa5ce4a78fea0f048726889debde1d7e8#egg=diffusers # Still in PR
- 运行代码
import torch
from diffusers import CogVideoXPipeline
from diffusers.utils import export_to_video
prompt = "A panda, dressed in a small, red jacket and a tiny hat, sits on a wooden stool in a serene bamboo forest. The panda's fluffy paws strum a miniature acoustic guitar, producing soft, melodic tunes. Nearby, a few other pandas gather, watching curiously and some clapping in rhythm. Sunlight filters through the tall bamboo, casting a gentle glow on the scene. The panda's face is expressive, showing concentration and joy as it plays. The background includes a small, flowing stream and vibrant green foliage, enhancing the peaceful and magical atmosphere of this unique musical performance."
pipe = CogVideoXPipeline.from_pretrained(
"THUDM/CogVideoX-2b",
torch_dtype=torch.float16
).to("cuda")
prompt_embeds, _ = pipe.encode_prompt(
prompt=prompt,
do_classifier_free_guidance=True,
num_videos_per_prompt=1,
max_sequence_length=226,
device="cuda",
dtype=torch.float16,
)
video = pipe(
num_inference_steps=50,
guidance_scale=6,
prompt_embeds=prompt_embeds,
).frames[0]
export_to_video(video, "output.mp4", fps=8)
使用单卡A100按照上述配置生成一次视频大约需要90秒。
如果您生成的模型在 MAC 默认播放器上表现为 "全绿" 无法正常观看,属于正常现象 (OpenCV保存视频问题),仅需更换一个播放器观看。
深入研究
欢迎进入我们的 github,你将获得:
- 更加详细的技术细节介绍和代码解释。
- 提示词的优化和转换。
- SAT版本模型进行推理和微调,甚至预发布。
- 项目更新日志动态,更多互动机会。
- CogVideoX 工具链,帮助您更好的使用模型。
模型协议
该模型根据 CogVideoX LICENSE 许可证发布。
引用
技术报告仍在撰写中,敬请期待