企业官网建设流程全解析

Open-Sora 完整教程：三步做出你的第一个文字生成视频

【免费下载链接】Open-SoraOpen-Sora: Democratizing Efficient Video Production for All项目地址: https://gitcode.com/GitHub_Trending/op/Open-Sora

Open-Sora 是一个开源的 AI 视频生成项目，支持文字转视频、图片转视频、文字转图片三种模式，画幅比例与分辨率可以随意组合。它是一套完整的文字生成视频开源工具：代码、模型权重和训练流程全部开放。最新的 2.0 版本参数规模 11B，官方报告称整套训练成本约 20 万美元。

一个能完全读懂的视频模型

这个项目的核心价值在于“全开源”。不仅推理代码和权重公开，数据预处理、训练、评测的整条管线也都在仓库里。1.1 版本就支持 2 到 15 秒、144p 到 720p 以及任意画幅比例的生成，2.0 版本改用 DiT 架构后，VBench 与人工偏好评测的得分已接近多款商用模型。使用上有两条路线：直接在命令行里跑推理，或者启动 Gradio 网页界面边试边调。

🚀 从零跑起来：安装与权重下载

装代码和依赖

门槛不高：Python 3.10、PyTorch 2.4.0 以上，外加一块 GPU（官方的资源占用数据是在 H100 上测的）。先克隆仓库再安装：

git clone https://gitcode.com/GitHub_Trending/op/Open-Sora cd Open-Sora pip install -v .

装完后建议再补上与 CUDA 版本匹配的 xformers、flash-attn 两个加速组件。不装也能推理，只是速度会慢一截。

下载模型权重

11B 权重支持 256px 与 768px 两档分辨率，同一个模型同时负责文字转视频和图片转视频。装好 huggingface-cli 后，指定 hpcai-tech/Open-Sora-v2 一行命令即可把权重拉到本地 ckpts 目录，国内网络也可以走 ModelScope 镜像。

🎥 两条主生成路径：文字驱动还是图片驱动

文字转视频管线

推荐走“文字→图片→视频”的路线：先用 Flux 模型把简短提示词画成静帧，再让静帧动起来。这条管线使用 configs/diffusion/inference/t2i2v_256px.py 这份配置（768px 则换成 t2i2v_768px.py），命令长这样：

torchrun --nproc_per_node 1 --standalone scripts/diffusion/inference.py \ configs/diffusion/inference/t2i2v_256px.py \ --save-dir samples --prompt "raining, sea"

显存紧张时加上 --offload True，把中间结果挪到内存里，能省不少显存。

图片转视频：让静帧动起来

手里有参考图的话，切到 i2v 模式，用 --cond_type i2v_head --ref 把图片传进去，仓库自带的 assets/texts/i2v.png 就是 README 演示用的那张图。想批量出片也不麻烦：把每条提示词和对应图片路径写进 csv，脚本会逐条处理。

🎛️ 关键参数与 Gradio 界面

帧数、画幅与多卡

帧数有两条规矩：必须是 4k+1 的数，且小于 129，比如 49、65、97 帧；画幅可选 16:9、9:16、1:1、2.39:1，用 --aspect_ratio 指定。768px 上跑多卡时不用自己写并行逻辑，脚本里内置了 ColossalAI 序列并行，把 --nproc_per_node 调大就行。

运动、美学与镜头语言

--motion-score 指定运动分值（默认 4，越大动得越厉害），设为 dynamic 会由模型自动评估后适配，需要 OpenAI 密钥。更细的控制交给 Gradio 界面：运动强度分 7 档、美学评分 7 级、平移/推拉/静止共 8 种镜头运动，还能勾选让 GPT4o 改写提示词。运行python gradio/app.py打开页面，填提示词、选画幅和长度即可生成。

先试再调

同一条提示词换种子就是不同结果。想复现某条片子，把 --sampling_option.seed 和 --seed 固定成同一个值；用 --num-sample 可以一次出多条候选，挑中意的再细调参数。

📖 训练与深入阅读

微调与从头训

想训自己的模型，按仓库给的流程走：先训视频 VAE，再做两阶段扩散训练，训练指南 里有逐步说明和配置示例。

架构与 VAE

VAE 的设计思路可以看 AutoEncoder 说明；更新的高压缩率视频 VAE 记录在 docs/hcae.md，它把潜空间开销压得很低，是 11B 模型能以 20 万美元成本训出来的关键部件之一。

克隆仓库、装好依赖、下载权重就能开跑；想再深一层，打开训练指南，试试微调出属于你自己的权重。

【免费下载链接】Open-SoraOpen-Sora: Democratizing Efficient Video Production for All项目地址: https://gitcode.com/GitHub_Trending/op/Open-Sora