CogVideo

CogVideo 是由清华大学和BAI唐杰团队共同开发的一款开源预训练文本到视频生成模型，是目前最大的通用领域文本到视频生成模型，拥有94亿参数。该模型基于Transformer架构，通过多帧率分层训练策略，将预训练的文本到图像生成模型CogView与文本到视频生成相结合，实现了从文本描述到生动逼真视频内容的高效转换。