CogVideoX-2B是智譜公司於2024年8月6日開源的視頻生成模型，與“清影”模型同源，後者可在30秒內將文本或圖像轉化為視頻。作為國內首個開源的視頻生成模型，其開源版本包含多個尺寸，其中CogVideoX-2B在FP-16精度下推理時僅需18GB顯存，微調需40GB顯存，支持單張NVIDIA GeForce RTX 4090顯示卡推理及單張NVIDIA RTX A6000顯示卡微調。
該模型通過LiFT方法結合人類反饋進行對齊最佳化，基於LiFT-HRA數據集的約10k人類注釋訓練獎勵模型LiFT-Critic，微調後模型在16項評估指標中優於CogVideoX-5B版本。智譜公司在2025年開源戰略中累計開源55餘款模型，涵蓋文本、圖像、視頻等領域，其開源生態獲北京市人工智慧產業投資基金等國資2億元投資支持。
基本介紹
- 外文名：CogVideoX-2B
- 所屬公司 ：智譜
發展歷史
2024年8月6日，智譜宣布將與“清影”同源的視頻生成模型——CogVideoX開源。“清影”模型30秒可將任意文圖生成視頻。據介紹，CogVideoX開源模型包含多個不同尺寸大小的模型，智譜將開源CogVideoX-2B，它在FP-16精度下的推理僅需18GB顯存，微調則只需要40GB顯存，這意味著單張4090顯示卡即可進行推理，而單張A6000顯示卡即可完成微調。
