大半夜的，大洋對岸不卷，國內(nèi)公司卷起來了。
我真的想睡覺，真的。
起因是我睡覺之前，在看Github的時候，無意間看到THUKEG這個號，更新了一個項目。
CogVideoX。
網(wǎng)址在此:https://github.com/THUDM/CogVideo
THUKEG算是智譜的官號，而CogVideoX，則是前兩周很火的智譜的第二世代AI視頻清影的基模型。
用最通俗的話理解就是，CogVideoX等于GPT4o，而清影等于ChatGPT，你就可以簡單的理解為，一個是模型，一個是基于模型做的產(chǎn)品，所以其實可以畫個等號。
前兩周，第二世代的AI視頻大戰(zhàn)，在已有的三幻神Runway、可靈、Luma的基礎上，Pixverse上線了V2版本，Vidu的模型也千呼萬喚始出來。
而作為大模型領域最明星的AI公司，智譜，也加入了這場AI視頻的混戰(zhàn)，發(fā)布了他們的DiT視頻產(chǎn)品，清影。
這個產(chǎn)品，在他們的AI助手智譜清言上，就能用。
但是非常坦率的講，我沒有寫它，是因為我覺得，在生成效果上，確實跟可靈、Runway，還是有一定的差距。
而在發(fā)布清影的兩周后的今天，他們決定，把CogVideoX，開源了。
那就值得，吹一波了。
CogVideoX模型下載地址:
https://huggingface.co/THUDM/CogVideoX-2b
現(xiàn)在主流的AI視頻，全都是閉源的，有一個開源的Open-Sora，但是說實話，效果也差強人意。
而清影，效果雖然跟主流的閉源模型尚有差距，但是在跑一些內(nèi)容上，至少是可用的狀態(tài)。
這一次開源的，我大概翻了下，開源的是一個CogVideoX-2B的小模型。
推理需要18G顯存，也就是說，在有單卡3090或者4090的時候，就可以直接本地跑視頻了，不需要再燒錢了，不過看峰值會到36G，大概率會爆顯存。
不過他們自己也說了，馬上就會優(yōu)化。
不過我只有一張小垃圾4060，顯存就8G，你優(yōu)化完我也跑不動。4090，說實話，也真的沒錢買= =
啥時候AI視頻模型，也跟SD1.5一樣，能普惠眾生人人皆可跑就好了。
這個2B的模型，視頻長度是6秒，幀率為8幀/秒，視頻分辨率為720*480。
這參數(shù)，有一股子即夢初代的那感覺了。
我放幾個他們官方的case（其實你去清影上跑幾個是差不多的）
一艘精致的木制玩具船，桅桿和船帆上雕刻著復雜的圖案，在模擬海浪的藍色長毛絨地毯上平穩(wěn)地滑行。船身漆成濃郁的棕色，并帶有小窗戶。地毯柔軟而有質(zhì)感，提供了一個完美的背景，就像一片廣闊的海洋。船的周圍環(huán)繞著各種玩具和兒童用品，暗示著一個充滿童趣的環(huán)境。這個場景捕捉到了童年的天真和想象力，玩具船的旅程象征著在異想天開的室內(nèi)環(huán)境中的無盡冒險。
鏡頭跟在一輛白色復古越野車后面，車頂有黑色行李架，越野車在陡峭的山坡上沿著松樹環(huán)繞的陡峭土路快速行駛，輪胎上的塵土飛揚，陽光照在越野車上，越野車在土路上快速行駛，給整個場景投下了溫暖的光輝。土路緩緩彎向遠方，看不到其他車輛。道路兩旁的樹木都是紅杉，還有零星的綠色植物。從后方看，汽車輕松地沿著彎道行駛，仿佛在崎嶇的地形上行駛。土路本身被陡峭的丘陵和山脈環(huán)繞，頭頂是晴朗的藍天和飄渺的白云。
在一個飽受戰(zhàn)爭蹂躪的城市，廢墟和殘垣斷壁訴說著滿目瘡痍，在這個令人心碎的背景下，一個凄美的特寫鏡頭定格了一個年輕的女孩。她的臉上沾滿了灰燼，無聲地證明著周圍的混亂。她的眼睛里閃爍著悲傷和堅韌，捕捉到了這個因沖突而失去天真世界的原始情感。
推理大概是這樣，但是開源出來，我更期待的，其實是微調(diào)和插件的生態(tài)。
比如現(xiàn)在大家都在用的AI繪圖SD的1.5模型，基模其實做的就跟一坨屎一樣，但是畢竟是開源的，一堆大神基于SD1.5，做出了非常牛逼的模型，比如Majic、DreamShaper、Anything等等。
而CogVideoX，也是可以微調(diào)的。
想起了在WAIC上，階躍星辰跟上影做的AI視頻模型，他們用了200分鐘的葫蘆娃素材，就調(diào)了一個葫蘆娃大模型。
你出的所有的東西，都是葫蘆娃風格，你也不用費勁巴拉的去搞什么角色一致性了，我輸入大娃，那就出來的就是大娃，我寫爺爺和蛇精在一起哈啤酒，那就是他兩。
而現(xiàn)在，CogVideoX開源，我們可以微調(diào)的情況下，一些用AI做短劇和長劇集的，完全可以試著微調(diào)一個自己的視頻大模型，來個性化風格和角色。
因為我自己一直覺得，文生視頻的上限和表演動態(tài)，是比圖生視頻要高很多的，但是兩個最大的坎是風格一致性和角色一致性，如果可以微調(diào)，那也是有很多辦法可以去解決了。
CogVideoX-2B的微調(diào)，需要的顯存是40G，普通的顯卡不行了，得上A6000這種渲染卡了。
不過畢竟是視頻模型，不說普惠到普通大眾，但是對于一些初創(chuàng)公司和小企業(yè)，這門檻幾乎就是約等于0。
因為，這是開源的，他們不需要再從0開始花費無數(shù)資金去做一個自己的大模型，去趟這一趟坑，他們只需要，買點本地的卡，加起來也就幾萬十幾萬，然后，就可以本地微調(diào)了。
我也一直相信，開源的未來，一定比閉源強。
扎克伯格在前段時間發(fā)LLaMa3.1405B的那天晚上，在Facebook上發(fā)了一封萬字公開信。
其中有一段話讓我印象很深刻。
翻譯過來是:
我堅信開源是實現(xiàn)積極AI未來的必要條件。AI相比任何現(xiàn)代技術都有更大的潛力提升人類的生產(chǎn)力、創(chuàng)造力和生活質(zhì)量，并加速經(jīng)濟增長，同時推動醫(yī)療和科學研究的進步。開源將確保世界上更多的人能夠享受AI帶來的益處和機會，防止權力集中在少數(shù)公司手中，使得這項技術能夠更加均衡、安全地在全社會推廣。
防止權力集中在少數(shù)公司手中，使得這項技術能夠更加均衡、安全地在全社會推廣。
開源，就是最好的手段，閉源并不會帶來技術平權，但是開源會，因為AI不是一個娛樂工具，他是生產(chǎn)力工具，他的推動，主要都來自于公司、研究機構等等。
而每個公司，在使用AI時，都有三個很大的痛:
1. 他們需要訓練、微調(diào)和提煉他們自己的模型。
2. 他們需要保護他們的私有數(shù)據(jù)。
3. 他們希望把自己的AI變成長期標準的生態(tài)系統(tǒng)。
這一切，匯總起來，就一句話:
我們需要能控制自己的命運，而不是把命交給別人。
而在國內(nèi)，智譜是我覺得很特別的公司，它很像OpenAI，又有著Meta的氣質(zhì)。
要知道Meta的商業(yè)模式，和一些大模型公司比如OpenAI的商業(yè)模式完全不一樣，他們不靠賣大模型的使用權收錢，所以開源其實對于Meta來說，并沒有多大的影響。
但是智譜不一樣，智譜是一家大模型公司。
但是在這樣的考量下，他們依然，毅然決然的開源了。
可能他們也像Meta一樣，為了那個很崇高的信仰:“使得這項技術能夠更加均衡、安全地在全社會推廣?！?/p>
除了CogVideoX外，他們還開源過N多東西。
去他們的Github上翻一下，你就會發(fā)現(xiàn)很多驚喜:
https://github.com/THUDM
我愛每一個愿意開源的公司。
我期待未來某一天，無數(shù)的開發(fā)者在CogVideoX的基礎上，開發(fā)出了各種各樣的插件和微調(diào)模型，每一個影視、短劇、廣告等等等各種跟視頻有關的行業(yè)的公司，也都有自己N多的模型和各種各樣的視頻生成工作流。
就像SD在各家企業(yè)里，繁榮昌盛。
我佩服智譜。
這不僅是一個技術的決定，更是一種信念的傳遞。
大洋對岸的燈光漸漸熄滅。
而我們這邊的黎明。
正在冉冉升起。