# CogVideoX1.5-5B-SAT

📍 前往清影和 API平台体验商业版视频生成模型

CogVideoX是 [清影](https://chatglm.cn/video?fr=osm_cogvideo) 同源的开源版本视频生成模型。CogVideoX1.5 是 CogVideoX 开源模型的升级版本。 CogVideoX1.5-5B 系列模型支持 **10秒** 长度的视频和更高的分辨率，其中 `CogVideoX1.5-5B-I2V` 支持 **任意分辨率** 的视频生成。本仓库存放了 CogVideoX1.5-5B 模型的 SAT 权重版本。具体来说，包含了如下模块: ## Transformer 包含了I2V和T2V两个模型的权重。具体来说，包含了如下模块: ``` ├── transformer_i2v │ ├── 1000 │ │ └── mp_rank_00_model_states.pt │ └── latest └── transformer_t2v ├── 1000 │ └── mp_rank_00_model_states.pt └── latest ``` 请在推理的时候选择对应的权重进行推理。 ## VAE VAE部分与 CogVideoX-5B 系列一致，无需更新。你也可以直接从这里下载。具体来说，包含了如下模块: ``` └── vae └── 3d-vae.pt ``` ## Text Encoder 与 diffusers 版本的 CogVideoX-5B 一致，无需更新。你也可以直接从这里下载。具体来说，包含了如下模块: ``` ├── t5-v1_1-xxl ├── added_tokens.json ├── config.json ├── model-00001-of-00002.safetensors ├── model-00002-of-00002.safetensors ├── model.safetensors.index.json ├── special_tokens_map.json ├── spiece.model └── tokenizer_config.json 0 directories, 8 files ``` ## 模型协议该模型根据 [CogVideoX LICENSE](LICENSE) 许可证发布。 ## 引用 ``` @article{yang2024cogvideox, title={CogVideoX: Text-to-Video Diffusion Models with An Expert Transformer}, author={Yang, Zhuoyi and Teng, Jiayan and Zheng, Wendi and Ding, Ming and Huang, Shiyu and Xu, Jiazheng and Yang, Yuanming and Hong, Wenyi and Zhang, Xiaohan and Feng, Guanyu and others}, journal={arXiv preprint arXiv:2408.06072}, year={2024} } ```