由Qingying开发的先进开源视频生成模型CogVideoX1.5

在Hugging Face上的THUDM/CogVideoX1.5-5B-SAT存储库介绍了由Qingying开发的先进开源视频生成模型CogVideoX1.5。该模型是其前身的重大升级，能够以更高分辨率生成10秒视频。值得注意的是，CogVideoX1.5-5B-I2V变体以其支持任何分辨率的视频生成能力脱颖而出。该存储库对于对视频生成感兴趣的人特别有用，因为它包括图像到视频（I2V）和文本到视频（T2V）变换器模型，以及用于推断的必要权重。此外，它与CogVideoX-5B系列的VAE和文本编码器模块兼容，简化了现有用户的更新流程。该模型根据特定的CogVideoX许可证发布，提供的引用为那些希望深入了解模型技术细节的人提供了学术参考。对于从事AI生成视频内容领域的创意人员和开发人员，该存储库代表了一个探索尖端视频生成技术的宝贵资源。- CogVideoX是一个开源的视频生成模型，是Qingying的升级版本。 - CogVideoX1.5-5B系列模型支持10秒的视频和更高分辨率。 - CogVideoX1.5-5B-I2V变体支持任何分辨率的视频生成。 - 该仓库包含CogVideoX1.5-5B模型的SAT-weight版本，包括Transformer、VAE、Text Encoder等模块。 - 该模型遵循CogVideoX LICENSE。 - 可以引用该模型的论文为"CogVideoX: Text-to-Video Diffusion Models with An Expert Transformer"。