企业官网建设流程全解析

Open-Sora-Plan 入门实战：文生视频，3 步跑出你的第一条 AI 视频

【免费下载链接】Open-Sora-PlanThis project aim to reproduce Sora (Open AI T2V model), we wish the open source community contribute to this project.项目地址: https://gitcode.com/GitHub_Trending/op/Open-Sora-Plan

Open-Sora-Plan 是一个复现 Sora 的开源文生视频项目。你输入一句英文描述，它输出一段对应的视频。这篇文章写给想试水视频生成、但不知道从哪下手的你。

🎬 Open-Sora-Plan 能做什么：3 个文生视频场景

它用文字当输入，生成完整的视频片段，覆盖文生视频和图片生视频两条路线。

一句话提示词生成视频

你写一段场景描述，它生成几秒的视频。你会看到镜头有运动、角色有动作，接近一段真实拍摄的画面。

静态图变成动态视频

给它一张图片当首帧，它能"让画面动起来"。你会看到静止的图变成一个会动的场景，适合给封面图加动态效果。

提示词文件批量生成

你把一堆提示词放进一个文本文件，它逐条各生成一条视频。你会看到一个文件夹里塞满成片，每条对应一行文字。

📋 动手之前：最简配置清单

先确认硬件和软件，具体依赖版本以 pyproject.toml 为准：

• 硬件：GPU 版本推荐多卡 H100；v1.5.0 完全基于昇腾 910（NPU）训练和推理
• 软件：Python 3.8+，PyTorch 2.1.0，其余依赖随包一起装
• 权重：各版本的模型文件单独下载，地址见仓库 README

然后拉代码并安装：

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

环境上遇到报错，先翻仓库 README 和 docs/ 下的版本报告，比看零散帖子更靠谱。

🏃 跑起来：生成你的第一条视频

下面走 v1.3.0 的 GPU 推理主线，v1.5.0 是 NPU 版，需切到对应分支。第一步，准备一个提示词文件，内容可以照抄 examples/sora.txt：

echo "a cat playing with a ball in a park, sunny day" > my_prompt.txt

第二步，跑推理脚本。它参照 scripts/text_condition/gpu/sample_t2v_v1_3.sh，把 model_path 和 ae_path 换成你下载的位置即可：

torchrun --nproc_per_node 8 -m opensora.sample.sample \ --model_path model_path --version v1_3 \ --text_prompt my_prompt.txt \ --ae WFVAEModel_D8_4x8x8 --ae_path ae_path

跑完后，--save_img_path 目录里会存下一个 mp4 文件。这是约 5 秒、93 帧、352×640 分辨率的视频。打开看，你提示词里的场景已经变成会动的画面了。

🚀 它凭什么快和好：两个核心技术点

第一个是 WFVAE，一个视频压缩模型。VAE 先把视频压成小数字（潜空间），后面的主模型只处理这些数字。WFVAE 用 8×8×8 的压缩率，把潜空间形状缩到一半。DiT 的训练成本随之下降，重建质量反而更高。它的 PSNR（分数越高重建越清晰）还超过了社区常用的 4×8×8 VAE：

第二个是 SUV，一个稀疏 U 型 DiT。DiT 是用 Transformer 做视频生成的主网络。SUV 不改变特征的形状，只减少 token（视频里的一小块画面）之间的交互次数。在昇腾 910B 上，它比密集 DiT 推理快超过 35%，生成质量几乎不掉。

以上数据以项目最新文档为准。

💡 能拿它来干嘛：3 个可直接复制的场景

下面的提示词都可以直接粘贴使用。

1. 给初二生物课做"光合作用"动态图解：A 3D animated diagram of photosynthesis in a leaf, sunlight and water entering, oxygen releasing, clear labels, educational style

2. 给历史课重现古罗马市集：An ancient Roman marketplace, busy traders, stone buildings, historical atmosphere, cinematic lighting

3. 给物理课做火山喷发模拟：A volcano eruption simulation, lava flowing down the mountain, educational, detailed, realistic

生成后直接投屏讲，或者录进课件里，都比静态 PPT 有代入感。

⚖️ 横向对比：v1.5.0 和开源同行差多少

在 Vbench 基准上，8B 的 v1.5.0 追平了 13B 的 HunyuanVideo（开源版），语义和美学两项还更高：

8B 的参数量，效果贴着 13B 走，语义分和美学分还是最高的。数据以项目最新文档为准。

🧭 接下来去哪

• docs/Report-v1.5.0.md：v1.5.0 完整技术报告
• docs/Contribution_Guidelines.md：贡献流程说明
• scripts/：训练和推理脚本合集

建议你先跑通 v1.3.0 的 GPU 版，有昇腾环境再上 v1.5.0。下一步动作：改一下 examples/sora.txt 里的一行字重新跑，看看视频怎么变。

【免费下载链接】Open-Sora-PlanThis project aim to reproduce Sora (Open AI T2V model), we wish the open source community contribute to this project.项目地址: https://gitcode.com/GitHub_Trending/op/Open-Sora-Plan