CogVideo

CogVideo 是一个开源的文本与图像到视频生成模型系列，支持高质量、可控的视频合成。其核心包括 CogVideo（ICLR 2023）和升级版 CogVideoX（2024），具备长时序建模能力，支持 10 秒视频生成、多分辨率输出（含任意分辨率 I2V）、DDIM 反演与 LoRA 高效微调，并兼容 diffusers 和 SAT 框架。项目基于扩散模型架构，强调开源可复现性与轻量部署适配性（如单卡 4090 微调）。适用于 AIGC 内容创作、教育演示、广告素材生成等需中短时长可控视频的场景。