Sora停滯于已公開的 60 秒 demo，國內(nèi)視頻生成模型的發(fā)展卻頻頻給產(chǎn)業(yè)界帶來驚喜。CogVideoX是智譜AI視頻生成模型的開源版本，與智譜清影同源，架構(gòu)為DiT。截至今日，已在Github攬獲5.4k Star，被譽為是國內(nèi)首個人人可用的Sora。

現(xiàn)無問芯穹Infini-AI異構(gòu)云平臺的GenStudio大模型服務(wù)平臺已上架CogVideoX 2B。通過使用申請的開發(fā)者已可通過GenStudio體驗和使用CogVideoX 2B文生視頻模型能力。

無問芯穹GenStudio模型筆記

模型能力概覽：CogVideoX支持固定720*480分辨率和8fp/s幀率視頻生成，每次生成視頻長度為6秒共48幀，是目前效果最好的開源視頻生成模型之一，生成視頻在動作細節(jié)和視頻流暢度等方面相比以往公開模型有較大的提升，對文本Prompt的感知能力較強，能有效支持可控生成。

未來應(yīng)用潛力：我們認為在當前多媒體類工作流程中，視頻生成模型已可以應(yīng)用于劇本背景設(shè)定、畫面風(fēng)格、劇情走向等內(nèi)容的生產(chǎn)與快速效果驗證，結(jié)合專業(yè)人員的圖像處理和視頻編輯工作，能更高效地產(chǎn)出Demo內(nèi)容。文生視頻類的模型，使得概念從想象和文字，到可視化效果驗證的路徑大幅度縮短了。

CogVideoX 2B 性能與效果

智譜AI使用了VBench中的多個指標，如人類動作、場景、動態(tài)程度等，以及Devil 中的 Dynamic Quality 和 Chrono-Magic 中的 GPT4o-MT Score兩個專注于視頻的動態(tài)特性的視頻評估工具來評估CogVideoX的文生視頻性能。

針對CogVideoX 2B主要理解內(nèi)容為英文Prompt的情況，無問芯穹提供了一鍵翻譯和潤色Prompt能力。基于平臺預(yù)置的大語言模型，將用戶的中文描述內(nèi)容自動轉(zhuǎn)為英文，并進行相應(yīng)的視頻細節(jié)補充，使得模型可以在更豐富描述詞的基礎(chǔ)上生成相應(yīng)的內(nèi)容。

GenStudio大模型服務(wù)平臺

GenStudio內(nèi)置于無問芯穹Infini-AI異構(gòu)云平臺，現(xiàn)已上架包括CogVideoX 2B、Llama 3.1 70B、Qwen2 72B、GLM4 9B、Stable Diffusion在內(nèi)的多種大語言模型、文生圖及文生視頻模型。GenStudio針對生成式大模型的應(yīng)用落地的多種場景需求，為應(yīng)用開發(fā)者提供高性能、易上手、安全可靠的大模型服務(wù)，覆蓋從大模型開發(fā)到大模型服務(wù)化部署的全流程。

　　使用GenStudio時，大模型應(yīng)用開發(fā)團隊無需關(guān)注機器、開發(fā)環(huán)境等大模型開發(fā)要素，可以直接在這個平臺上體驗、對比各種模型能力和芯片效果，通過簡單拖拽各種參數(shù)按鈕的動作，精調(diào)出更貼合業(yè)務(wù)的大模型并完成部署，最快三天就可開發(fā)一個大模型應(yīng)用。GenStudio已成功幫助多個團隊有效降低技術(shù)負擔(dān)、提高了調(diào)試效率并簡化了開發(fā)流程。