速度太快了！Open-Sora 2.0开源来咯！

最近，开源界又迎来了一个大事件——潞晨科技正式推出了 Open-Sora 2.0，一个全新的 SOTA（State-of-the-Art）视频生成模型。

值得一提的是，它只用了 20 万美元（224 张 GPU） 就训练出了 11B 参数 的大模型，而这个规模的模型，通常需要百万美元级别的投资。

如果你对 AI 生成视频有所了解，那一定知道目前主流的视频生成模型训练成本相当惊人。

比如 Meta 训练自己的视频模型，动用了 6000 多张 GPU，花费 数百万美元，而 Open-Sora 2.0 仅用 224 张 GPU，就达到了 媲美 HunyuanVideo 和 30B 参数 Step-Video 的水平，这无疑是一次成本与性能的重大突破。

开源革命：人人可用的高质量视频生成模型

过去，视频生成模型大多由大型科技公司掌控，闭源、高成本、高门槛，让普通开发者难以接触。而 Open-Sora 2.0 这次不仅开源了 模型权重 和 推理代码，还开放了 完整的分布式训练流程，真正让高质量的视频生成技术触手可及。

如果你是开发者，现在就可以直接去 GitHub 下载它的源码，甚至复现完整的训练过程！

体验 Open-Sora 2.0：高质量视频生成的实力展现

在实际测试中，Open-Sora 2.0 在多个关键指标上都达到了业界领先水平，甚至在部分维度上超越了昂贵的商业模型，比如 Runway Gen-3 Alpha。

• 高清视频与流畅度：
• 720p 高分辨率
• 24FPS 流畅帧率
• 精准的动作控制：
• 可调节视频中人物或场景的动作幅度
• 自然的场景过渡：
• 无论是城市风光还是乡村景色，场景切换都更加自然

更令人惊喜的是，它在业界权威的视频生成评测 VBench 中，与 OpenAI 的 Sora 模型之间的性能差距，从之前的 4.52% 缩小到了仅 **0.69%**，几乎实现了 全面追平！

低成本、高效训练的秘密

过去，训练 10B 以上的开源视频生成模型，成本高达 百万美元，而 Open-Sora 2.0 仅用了 20 万美元。那么它是如何做到的？

1. 高效的训练策略

• 智能数据筛选： 只选用高质量数据集，避免计算资源浪费。
• 多阶段分辨率策略：
• 先训练 低分辨率 版本，学习关键的运动信息。
• 最后再进行 高清化，降低计算量的同时保证画质。

  

2. 强大的模型架构

• 采用 3D 全注意力机制，提升视频质量。
• 使用 MMDiT 架构，更精准地结合文本与视频内容。
• 结合开源 FLUX 模型，大幅降低训练成本。

  

3. 高效的并行计算

• ColossalAI + ZeroDP，优化大规模分布式训练。
• Gradient Checkpointing 技术，减少显存占用，提高计算效率。
• 自动恢复机制，确保 99% 以上的计算资源都被有效利用。

  

4. 高压缩比自编码器，推理速度提升 10 倍

当前主流的视频自编码器，通常使用 4×8×8 结构，导致 单张 GPU 生成 768px 5 秒视频需要 30 分钟。为了解决这个问题，Open-Sora 2.0 研发了一款高压缩比的 4×32×32 自编码器，将推理时间缩短至 3 分钟以内。

这意味着，未来你可以用 更少的计算资源，更快地生成高质量视频。

未来展望：推动 AI 视频生成进入新纪元

Open-Sora 2.0 不仅是一个开源模型，更是一个完整的 生态系统。

• 论文引用量半年内增长近百次，开源影响力全球领先。
• 社区活跃，开发者可以共同参与改进模型。
• 训练全流程开源，降低 AI 研究门槛，让更多人加入创新。

可以预见，未来 高质量、低成本 的视频生成，将会成为行业的新常态，而 Open-Sora 2.0 正在引领这场变革。

👉 GitHub 开源仓库：https://github.com/hpcaitech/Open-Sora

由于一些小伙伴的网站网络不行，在这里我给大家准备了网盘链接：https://pan.quark.cn/s/b7e135bb6848