CogVideo

CogVideo项目地址：https://github.com/THUDM/CogVideo

CogVideo是一个基于Transformer的大型文本到视频生成预训练模型，具有94亿参数量。该模型通过多帧率分层训练和递归插值方法，能够生成高质量的视频，并在机器和人类评估中表现出色。它是通用领域中第一个最大的开源文本到视频生成预训练模型。

值得注意的是，CogVideo采用了微调预训练的文本到图像生成模型来进行文本到图像生成，从而避免了从头开始进行昂贵的全面预训练。这种高效的方法进一步提升了模型的性能和实用性。