CogVideoX
AI 動画 · 動画生成 完全オープンソース / Apache 2.0

CogVideoX

Zhipu AIがオープンソース化した最先端動画生成基盤モデル。3D因果VAEとエキスパートTransformerにより高画質動画を生成。

ユーザー高評価率 100%
36 件の評価

無料枠と利用ルール

GitHubおよびHugging Faceでモデル重みと推論コードを完全無償公開(2B/5B)。ローカルGPU環境で自由にデプロイ可能。

機能の概要と特徴

CogVideoXは、中国の先端AI企業Zhipu AI(清華大学発ベンチャー)が開発し、世界中を驚かせた次世代オープンソース動画生成基盤モデルです。SoraやRunway Gen-3などの商業モデルが非公開となる中、CogVideoXは重みと推論パイプラインを完全公開し、オープンな動画生成AIのエコシステムを牽引しています。その核となるのは2つの技術的ブレークスルーです。第1に、時間と空間の両次元を「8×8×4」という超高倍率で圧縮する「3D因果変分自己符号化器(3D Causal VAE)」を開発し、膨大なVRAM消費を大幅に抑制。第2に、従来のCross-Attentionを廃し、テキストと映像の特徴量をひとつのトランスフォーマー内で深く融合する「Expert Transformer」アーキテクチャを採用しました。テキストからの動画生成および画像からの動画生成に対応し、2Bと5Bの2モデルを提供。市販のゲーミングGPUから企業向けクラスタまで幅広く活用されています。

実機検証レビュー メリットとデメリット

主なメリット

  • ✓ モデル重みと推論コードが完全公開されており、ローカル環境での自社デプロイやLoRA追加学習が自在
  • ✓ 独自の3D因果VAEによりVRAM使用量を劇的に削減し、2Bモデルは民生用ゲーミングGPUでも軽快に動作
  • ✓ 物理法則(重力、流体、ライティング)への理解が深く、カメラワークに連動した破綻のない滑らかな動画を生成

注意点・制限事項

  • ✕ 高画質な5Bモデルのローカル推論には、最低でも16GB以上のVRAMを備えた高性能グラフィックボードが推奨される
  • ✕ 非エンジニアが利用するには、Python環境の構築やComfyUIカスタムノードのセットアップ知識が必要

実際に試してみませんか?

下のボタンから公式サイトを開いてすぐにご利用いただけます。

開く CogVideoX ↗

関連する類似ツール

💬 ディスカッション

GitHub Powered