# CogVideoX – 智谱AI推出的开源AI视频生成模型

- Link: https://paooo.com/aigc-news/27664/
- Published: 2026-07-19T21:48:29+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 开源视频生成模型 CogVideoX 同源于智谱“清影”，可用英文提示词直接生成短视频。
 * 最低 INT8 推理显存约 7.8GB，1080 Ti 也能跑，实操门槛明显低于同类[大模型](https://paooo.com/ai-study/)。
 * 模型支持 6 秒、8 帧/秒、720×480 输出，并提供 CLI/WEB Demo、API 与微调指南。

## CogVideoX是什么

CogVideoX是智谱AI最新推出的开源[AI视频生成](https://ai-bot.cn/ai-video-generation-tools/)
模型，与智谱AI的商业产品“** [清影](https://ai-bot.cn/sites/59040.html) **”同源。
CogVideoX支持英文提示词，能生成6秒长、每秒8帧、分辨率为720*480的视频。模型推理需
7.8-26GB显存，目前不支持量化推理和多卡推理。项目还包括3D Causal VAE组件用于视频重建，
以及丰富的示例和工具，包括CLI/WEB Demo、在线体验、API接口示例和微调指南。

阅读目录

 * [CogVideoX是什么](https://paooo.com/aigc-news/27664/#cogvideox%e6%98%af%e4%bb%80%e4%b9%88)
 * [CogVideoX的主要功能](https://paooo.com/aigc-news/27664/#cogvideox%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [CogVideoX的技术原理](https://paooo.com/aigc-news/27664/#cogvideox%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [CogVideoX的项目地址](https://paooo.com/aigc-news/27664/#cogvideox%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [CogVideoX的性能评估](https://paooo.com/aigc-news/27664/#cogvideox%e7%9a%84%e6%80%a7%e8%83%bd%e8%af%84%e4%bc%b0)
 * [CogVideoX的应用场景](https://paooo.com/aigc-news/27664/#cogvideox%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![CogVideoX](https://paooo.com/wp-content/uploads/2026/07/CogVideoX-website-1.avif)

## CogVideoX的主要功能

 * **AI文生视频**：支持用户输入的文本提示词生成视频内容。
 * **低显存需求**：在 INT8 精度下，推理显存需求仅为 7.8GB，即使用 1080 Ti 显卡也可以
   完成推理。
 * **视频参数定制**：可以定制视频长度、帧率和分辨率，目前支持6秒长视频，8帧/秒，
   分辨率为720*480。
 * **3D Causal VAE技术**：使用3D Causal VAE技术，实现视频内容的高效重建。
 * **推理与微调**：模型支持基本的推理生成视频，同时提供了微调能力，以适应不同需求。

## CogVideoX的技术原理

 * **文本到视频生成**：CogVideoX使用深度学习模型，特别是基于Transformer的架构，来
   理解输入的文本提示并生成视频内容。
 * **3D Causal VAE**：CogVideoX采用了3D Causal Variational Autoencoder（变分自编码
   器），一种用于视频重建和压缩的技术，能够几乎无损地重构视频，减少存储和计算需求。
 * **专家Transformer**：CogVideoX使用专家Transformer模型，一种特殊的Transformer，
   通过多个专家处理不同的任务，例如空间和时间信息的处理，以及控制信息流动等。
 * **编码器-解码器架构**：在3D VAE中，编码器将视频转换成简化的代码，而解码器根据
   这些代码重建视频，潜在空间正则化器确保编码和解码之间的信息传递更准确。
 * **混合时长训练**：CogVideoX的训练过程采用混合时长训练，允许模型学习不同长度的
   视频，提高泛化能力。
 * **多阶段训练**：CogVideoX的训练分为几个阶段，包括低分辨率预训练、高分辨率预训练
   和高质量视频微调，逐步提升模型的生成质量和细节。
 * **自动和人工评估**：CogVideoX使用自动评估和人工评估相结合的方式，确保生成的视频
   质量达到预期。

![CogVideoX](https://paooo.com/wp-content/uploads/2026/07/CogVideoX-website01.avif)

## CogVideoX的项目地址

 * **智谱清影体验**：[https://ai-bot.cn/chatglm-video/](https://ai-bot.cn/chatglm-video/)
 * **CogVideoX-2B模型地址**：
    - HuggingFace模型库：[https://huggingface.co/THUDM/CogVideoX-2b](https://huggingface.co/THUDM/CogVideoX-2b)
    - 魔搭社区模型库：[https://modelscope.cn/models/ZhipuAI/CogVideoX-2b](https://modelscope.cn/models/ZhipuAI/CogVideoX-2b)
 * **CogVideoX-5B模型地址**：
    - HuggingFace模型库：[https://huggingface.co/spaces/THUDM/CogVideoX-5B](https://huggingface.co/spaces/THUDM/CogVideoX-5B)
    - 魔搭社区模型库：[https://modelscope.cn/models/ZhipuAI/CogVideoX-5b](https://modelscope.cn/models/ZhipuAI/CogVideoX-5b)
 * **GitHub仓库**：[https://github.com/THUDM/CogVideo](https://github.com/THUDM/CogVideo)
 * **arXiv技术论文**：[https://arxiv.org/pdf/2408.06072](https://arxiv.org/pdf/2408.06072)

**CogVideoX-2B 与 CogVideoX-5B参数对比**

![CogVideoX](https://paooo.com/wp-content/uploads/2026/07/cogvideox-website03.avif)

## CogVideoX的性能评估

为了评估文本到视频生成的质量，我们使用了VBench中的多个指标，如人类动作、场景、动态
程度等。我们还使用了两个额外的视频评估工具：Devil 中的 Dynamic Quality 和 Chrono-
Magic 中的 GPT4o-MT Score，这些工具专注于视频的动态特性。如下表所示。

![CogVideoX](https://paooo.com/wp-content/uploads/2026/07/CogVideoX-website02.avif)

## CogVideoX的应用场景

 * **创意视频制作**：为独立视频创作者和艺术家提供工具，快速将创意文本描述转化为视觉
   视频内容。
 * **教育和培训材料**：自动化生成教育视频，帮助解释复杂概念或展示教学场景。
 * **广告和品牌宣传**：企业可以用CogVideoX模型根据广告文案生成视频广告，提高营销
   效果。
 * **游戏和娱乐产业**：辅助游戏开发者快速生成游戏内动画或剧情视频，提升游戏体验。
 * **电影和视频编辑**：辅助视频编辑工作，通过文本描述生成特定场景或特效视频。
 * **虚拟现实(VR)和增强现实(AR)**：为VR和AR应用生成沉浸式视频内容，增强用户互动体验。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**HuggingFace ↗**

HuggingFace：AI模型开发社区，面向大语言模型场景提供便捷实用的在线功能支持，涵盖大
模型等实用方向。

**智谱清影 ↗**

智谱清影：智谱推出的免费AI视频生成工具，面向AI 视频创作场景提供便捷实用的在线功能
支持，涵盖AI视频、免费A

**魔搭社区 ↗**

阿里达摩院推出的AI模型社区，超过300+开源AI模型。

❓ 常见问题解答（FAQ）

CogVideoX支持哪些视频生成参数？

根据文中信息，CogVideoX当前支持英文提示词生成视频，默认可输出6秒长、8帧/秒、分辨
率720×480的视频。文章同时提到可定制视频长度、帧率和分辨率，但现阶段公开能力以这些
参数为主。

CogVideoX推理需要多大显存？

文章给出的推理显存范围为7.8GB到26GB，其中在INT8精度下最低约7.8GB即可推理，甚至1080
Ti也能完成。需要注意的是，文中同时说明目前不支持量化推理和多卡推理。

CogVideoX适合哪些应用场景？

文章列出的场景包括创意视频制作、教育培训、广告品牌宣传、游戏与娱乐、电影视频编辑，
以及VR/AR内容生成。它更适合把文本快速转成短视频素材，用于创作、演示和营销。

🔬 语宙深潜追问 · 进阶实操拆解

3D Causal VAE 的价值在哪？

它主要负责把视频时空信息压缩到更高效的潜空间，降低生成和推理成本。对开发者来说，
重点不是概念本身，而是它能否在低显存下保持帧间连贯和细节还原。

英文提示词限制怎么绕开？

最稳妥的是先把中文意图翻成结构化英文提示词，再补充镜头、动作和风格约束。若要做产品
化，建议在前端加提示词改写层，减少用户直接输入带来的歧义。

🗳️ 读者观点微投票 · 您的实战立场是？

CogVideoX 的低显存方案，真能跑进普通显卡吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🎬 所属权威专题：AI 视频生成与影视工作流 →](https://paooo.com/topics/ai-video-generation/)

 * [CogVideoX v1.5 – 智谱最新开源的AI视频生成模型](https://paooo.com/aigc-news/25751/)
 * [CogVideoX-2 – 智谱 AI 推出的文本到视频生成模型](https://paooo.com/aigc-news/22590/)
 * [CogVideoX-5B-I2V – 智谱 AI 开源的图生视频生成模型](https://paooo.com/aigc-news/26804/)
 * [CogVideoX-Flash – 智谱推出的首个免费AI视频生成模型](https://paooo.com/aigc-news/22796/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/27664/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
