论文页面 - Open-Sora 2.0：以20万美元训练商业级视频生成模型

来源：https://huggingface.co/papers/2503.09642 发布日期：2025年3月12日

·

提交者：https://huggingface.co/akhaliq

AK (https://huggingface.co/akhaliq) 于2025年3月14日

作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

Open-Sora 2.0 是一款高效且可商用的视频生成模型，以显著更低的训练成本达到了与领先模型相当的性能，并已开源以促进创新。

视频生成模型 (https://huggingface.co/papers?q=Video%20generation%20models) 在过去一年中取得了显著进展。AI视频的质量持续提升，但代价是更大的模型规模、更多的数据量以及更高的训练算力需求。在本报告中，我们推出了仅以20万美元训练而成的商业级视频生成模型——Open-Sora 2.0。通过该模型，我们证明了训练顶级视频生成模型的成本是高度可控的。我们详细介绍了所有促成这一效率突破的技术，包括数据整理 (https://huggingface.co/papers?q=data%20curation)、模型架构 (https://huggingface.co/papers?q=model%20architecture)、训练策略 (https://huggingface.co/papers?q=training%20strategy) 和系统优化。根据人工评估 (https://huggingface.co/papers?q=human%20evaluation) 结果和VBench评分 (https://huggingface.co/papers?q=VBench%20scores)，Open-Sora 2.0 的性能与全球领先的视频生成模型 (https://huggingface.co/papers?q=video%20generation%20models) 相当，包括开源的 HunyuanVideo (https://huggingface.co/papers?q=HunyuanVideo) 和闭源的 Runway Gen-3 Alpha (https://huggingface.co/papers?q=Runway%20Gen-3%20Alpha)。通过将 Open-Sora 2.0 完全开源，我们旨在实现先进技术的普及，推动内容创作领域更广泛的创新与创造力。所有资源公开可在以下地址获取：https://github.com/hpcaitech/Open-Sora\。

查看arXiv页面 (https://arxiv.org/abs/2503.09642) 查看PDF (https://arxiv.org/pdf/2503.09642) GitHub29.5k星标 (https://github.com/hpcaitech/open-sora) 添加到收藏集 (https://huggingface.co/login?next=%2Fpapers%2F2503.09642)

通过你的代理获取此论文：

hf papers read 2503\.09642

还没有最新的CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本文的模型8个

hpcai-tech/Open-Sora-v2 文本转视频• 更新于2025年3月15日 • 429 • 183 (https://huggingface.co/hpcai-tech/Open-Sora-v2)

Compumacy/OPensora 文本转视频• 更新于2025年3月29日 • 11 (https://huggingface.co/Compumacy/OPensora)

xFusha/Open-Sora-v2 文本转视频• 更新于2月25日 • 19 (https://huggingface.co/xFusha/Open-Sora-v2)

hlaaa/Open-Sora-v2 文本转视频• 更新于3月29日 • 15 (https://huggingface.co/hlaaa/Open-Sora-v2)

浏览引用本文的8个模型 (https://huggingface.co/models?other=arxiv:2503.09642)## 引用本文的数据集0个

没有数据集链接到本文

在数据集的 README.md 中引用 arxiv.org/abs/2503.09642 即可从本页面链接。

引用本文的Spaces5个

包含本文的收藏集7个

浏览包含本文的7个收藏集 (https://huggingface.co/collections?paper=2503.09642)