AI・機械学習
中級
CogVideoX（コグビデオエックス）
Zhipu AI（智谱AI）とTHUDMが2024年8月に公開したOSS動画生成モデル。SATフレームワーク上で動作し2B/5B/10Bモデルを提供、LoRAファインチューニングにも対応する。
0 回閲覧
0 いいね
2026/6/8 更新
関連タグ
text-to-video
zhipu-ai
open-source
lora
sat-framework
CogVideoX とは
CogVideoXはZhipu AI（智谱AI）とTHUDM（清華大学）が2024年8月に公開したオープンソース動画生成モデル。SAT（Simple And Transferable）フレームワーク上で実装され、複数サイズのモデルを提供している。
モデルラインナップ
| モデル | パラメータ | 必要VRAM | 用途 |
|---|---|---|---|
| CogVideoX-2B | 2B | 16GB | 開発・テスト |
| CogVideoX-5B | 5B | 18GB | バランス型 |
| CogVideoX-10B | 10B | 24GB | 高品質生成 |
SATフレームワーク
Simple And Transferable（SAT）はThudmが開発した深層学習フレームワーク。大規模マルチモーダルモデルの学習・推論を効率化するユーティリティを提供し、CogSeries（CogVLM・CogVideo等）の基盤として機能する。
主な機能
- テキスト→動画: 詳細プロンプトから6秒・720p動画を生成
- 画像→動画: 入力画像をアニメーション化
- LoRAファインチューニング: 独自スタイル・キャラクターへの適応
- 4K動画対応: 上位モデルで4K出力実験中
LoRAファインチューニング
# CogVideoX LoRA学習例
python train_cogvideox_lora.py \
--model_name_or_path THUDM/CogVideoX-10b \
--dataset_path ./my_videos \
--output_dir ./lora_weights \
--num_train_epochs 100
FAQ
Q: CogVideoXとWan2.1の違いは？ A: CogVideoXはLoRAファインチューニングのエコシステムが充実し、カスタムキャラ動画生成に強み。Wan2.1はVBenchスコアが高くベース品質重視の用途に向く。
Q: Apache 2.0で商用利用可能か？ A: 可能。ただしZhipu AIの利用規約（コンテンツポリシー）への同意が必要。