作者团队表示，在Open-Sora的复现流程中，他们使用了64块H800进行训练。第二阶段的训练量一共是 2808 GPU hours，约合7000美元，第三阶段的训练量是1920 GPU hours，大约4500美元。经过初步估算，整个训练方案成功把Open-Sora复现流程控制在了1万美元左右。数据预处理 为了进一步降低Sora复现的门槛和复杂度，Colossal-...
“技术是无国界的，我们想做的就是开源，让大家一起参与，共享和使用Open-Sora计划的成果。”联合实验室副主任、北京大学信息工程学院助理教授、博士生导师袁粒在说明会上表示。面对CloseAI“开源版Sora”全球用户都可用 今年初，由OpenAI发布的文生视频大模型Sora震惊了世界，仅需输入文字指令，便可生成长达一分钟高...
不久前,OpenAI Sora以其惊人的视频生成效果迅速走红,在众多文本转视频模型中脱颖而出,成为全球关注的焦点。继两周前推出用于训练和推理过程的Sora Replication,成本降低46%之后,Colossal-AI团队又推出了新的…
今年初，由OpenAI发布的文生视频大模型Sora如一起平地惊雷震惊了世界。仅需输入文字指令，便可生成长达一分钟、高清分辨率、画面精致的动态视频，Sora优异的性能表现让许多人将它的问世视为“视频行业的GPT时刻”，但同时，关于国内人工智能技术发展状况的担忧也不可避免地被提及。国内能否研发出中文版的Sora？3月12日...
小伙伴们上个月的瓜不知道吃完没-懂得都懂!今天不吃瓜,纯从技术角度,给大家分享他们公司开源的一个新模型Open-Sora 2.0。【不吃瓜,只看技术】 Open-Sora 2.0 是个商业级视频生成模型,但最突出的地方在于:整…
Open-Sora 1.0 生成的都市繁华掠影 Open-Sora 1.0模型以其独具匠心的设计惊艳亮相，其核心技术架构采用当下备受瞩目的Diffusion Transformer (DiT)架构，并在此之上创造性地叠加时间注意力层，将图像生成扩展至视频领域。值得关注的是，STDiT（Spatial Temporal Diffusion Transformer）模型结构巧妙利用预训练好的VAE与...
Open-Sora 在开源社区悄悄更新了，现在单镜头支持长达16秒的视频生成，分辨率最高可达720p，并且可以处理任何宽高比的文本到图像、文本到视频、图像到视频、视频到视频和无限长视频的生成需求。我们来试试效果。生成个横屏圣诞雪景，发b站 再生成个竖屏，发抖音 还能生成单镜头16秒的长视频，这下人人都能过把编剧...
Sora“拯救”元宇宙,世界模型的潜力才刚释放 熟悉的配方、熟悉的操作。 Open深夜“放大招”,其世界模型Sora一经发布引起了诸多讨论。其中,在二级市场中,文生视频和元宇宙概念热度剧增
Open-Sora是由Colossal-AI团队开源的视频生成模型,旨在复现OpenAI的Sora视频生成产品。Open-Sora同样基于DiT架构,通过三个阶段训练:大规模图像预训练、大规模视频预训练和高质量视频数据微调,以生成与文本描述相符的视频内容。该开源解决方案涵盖了整个视频生成模型的训练过程,包括数据处理、所有训练细节和模型检查点,供所有...
在说明会现场，袁粒作为计划发起人之一，介绍了Open-Sora开源计划的技术逻辑和发起这一计划的目标。袁粒表示，Open-Sora计划希望聚集开源社区力量复现出一版开源的TinySora（小Sora）。实现这一目标分为三个阶段，目前团队已经搭建起了由三部分组成的Open-Sora底层框架，并初步验证了当前框架的有效性，基本实现了第一...