告别“默片”：智谱发布新清影，可生成 10 秒 4K60 帧 / 自带音效视频

GoodNav 于11月8日发布消息，智谱技术团队今天推出并开放源代码的最新视频模型 CogVideoX v1.5。与之前的版本相比，CogVideoX v1.5 具备 5/10秒、768P、16帧的视频生成能力，I2V模型可支持任意尺寸比例，显著提高了图像生成视频的质量和复杂语义理解能力。

官方表示，CogVideoX v1.5 将会同步在“清影”平台上线，并与新发布的 CogSound 音效模型结合，“新清影”具备以下特性：

• 质量提升：显著增强了图生视频在质量、美学表现、运动合理性和复杂提示词语义理解方面的能力。

• 超高清分辨率：支持生成10秒、4K、60帧的超高清视频。

• 可变比例：支持任意比例以适应不同播放场景。

• 多通道输出：同一指令/图片可以一次性生成4个视频。

• 带声效的AI视频：新清影能够生成与画面相匹配的音效。

开源地址如下：

代码：

• https://github.com/thudm/cogvideo

模型：

• https://huggingface.co/THUDM/CogVideoX1.5-5B-SAT