一、CogVideoX简介

智谱AI在8月6日宣布了一个令人兴奋的消息：他们开源了视频生成模型CogVideoX，目前，其提示词上限为 226 个 token，视频长度为 6 秒，帧率为 8 帧 / 秒，视频分辨率为 720*480，而这仅仅是初代，性能更强参数量更大的模型正在路上。

CogVideoX的核心在于它的3D变分自编码器，这项技术能够将视频数据压缩至原来的2%，极大地降低了模型处理视频时所需的计算资源，还巧妙地保持了视频帧与帧之间的连贯性，有效避免了视频生成过程中可能出现的闪烁问题。

二、CogVideoX部署实践流程

2.1、创建丹摩实例

首先进入控制台，选择GPU云实例，点击创建实例：

由于CogVideoX在FP-16 精度下的推理至少需 18GB 显存，微调则需要 40GB 显存，我们这里可以选择L40S显卡（推荐）或者4090显卡，硬盘可以选择默认的100GB系统盘和50GB数据盘，镜像选择PyTorch2.3.0、Ubuntu-22.04，CUDA12.1镜像，创建并绑定密钥对，最后启动。

2.2、配置环境和依赖

进入JupyterLab后，打开终端，首先输入git clone https://github.com/THUDM/CogVideo.git，拉取CogVideo代码的仓库，如遇到github连接超时，可以使用本地下载压缩包然后上传到服务器解压，拉取成功后会显示CogVideo-main的文件夹如下：

其次，cd进入CogVideo-main文件夹，输入pip install -r requirements.txt安装对应依赖:

其中第一个依赖需要从GitHub仓库中安装特定版本的diffusers包，在安装中可能会出现Running command git clone --filter=blob:non过久

最后继续使用pip安装剩下的依赖

以上依赖安装好后，可以在终端输入python，然后输入以下代码进行测试：

import torch

from diffusers import CogVideoXPipeline

from diffusers.utils import export_to_video

没有报错就说明依赖安装成功！

2.3、上传模型与配置文件

除了配置代码文件和项目依赖，还需要上传CogVideoX模型文件和对应的配置文件。打开huggingface，进入https://huggingface.co/THUDM/CogVideoX-2b/tree/main仓库，找到Files and versions目录，将其中的所有模型和配置文件全部下载到本地。

一共大概9GB+大小的文件，下载完成后的目录如下：

然后点击丹摩控制台-文件存储-上传文件，将刚刚下载好的整个CogVideo文件夹上传，上传好后的文件存在实例的/root/shared-storage目录。上传完成后，继续打开终端，cd进入/root/shared-storage，输入ls可以看到刚刚上传好的CogVideo的文件夹已经显示在文件目录中。

2.4、开始运行

上传完成后，在CogVideo-main文件新建一个test.py文件

test.py代码内容如下，主要使用diffusers库中的CogVideoXPipeline模型，加载了一个预训练的CogVideo模型，然后根据一个详细的文本描述（prompt），生成对应视频：

运行成功后，可以在当前文件夹中找到对应prompt生成的output.mp4视频：

智谱AI开源国产版Sora——CogVideoX-2b本地部