Seaweed-7B: Entrenamiento Rentable de un Modelo Base para la Generación de Vídeos

Seaweed-7B: Cost-Effective Training of Video Generation Foundation Model

April 11, 2025

Autores: Team Seawead, Ceyuan Yang, Zhijie Lin, Yang Zhao, Shanchuan Lin, Zhibei Ma, Haoyuan Guo, Hao Chen, Lu Qi, Sen Wang, Feng Cheng, Feilong Zuo Xuejiao Zeng, Ziyan Yang, Fangyuan Kong, Zhiwu Qing, Fei Xiao, Meng Wei, Tuyen Hoang, Siyu Zhang, Peihao Zhu, Qi Zhao, Jiangqiao Yan, Liangke Gui, Sheng Bi, Jiashi Li, Yuxi Ren, Rui Wang, Huixia Li, Xuefeng Xiao, Shu Liu, Feng Ling, Heng Zhang, Houmin Wei, Huafeng Kuang, Jerry Duncan, Junda Zhang, Junru Zheng, Li Sun, Manlin Zhang, Renfei Sun, Xiaobin Zhuang, Xiaojie Li, Xin Xia, Xuyan Chi, Yanghua Peng, Yuping Wang, Yuxuan Wang, Zhongkai Zhao, Zhuo Chen, Zuquan Song, Zhenheng Yang, Jiashi Feng, Jianchao Yang, Lu Jiang

cs.AI

Resumen

Este informe técnico presenta una estrategia rentable para entrenar un modelo base de generación de videos. Introducimos un modelo de investigación de tamaño medio con aproximadamente 7 mil millones de parámetros (7B), denominado Seaweed-7B, entrenado desde cero utilizando 665,000 horas de GPU H100. A pesar de haber sido entrenado con recursos computacionales moderados, Seaweed-7B demuestra un rendimiento altamente competitivo en comparación con modelos contemporáneos de generación de videos de tamaño mucho mayor. Las decisiones de diseño son especialmente cruciales en un entorno con recursos limitados. Este informe técnico destaca las decisiones clave de diseño que mejoran el rendimiento del modelo de difusión de tamaño medio. Empíricamente, observamos dos aspectos: (1) Seaweed-7B logra un rendimiento comparable o incluso superior al de modelos más grandes entrenados con recursos de GPU sustancialmente mayores, y (2) nuestro modelo, que exhibe una fuerte capacidad de generalización, puede adaptarse eficazmente a una amplia gama de aplicaciones posteriores mediante ajustes finos ligeros o continuando el entrenamiento. Consulte la página del proyecto en https://seaweed.video/.

English

This technical report presents a cost-efficient strategy for training a video generation foundation model. We present a mid-sized research model with approximately 7 billion parameters (7B) called Seaweed-7B trained from scratch using 665,000 H100 GPU hours. Despite being trained with moderate computational resources, Seaweed-7B demonstrates highly competitive performance compared to contemporary video generation models of much larger size. Design choices are especially crucial in a resource-constrained setting. This technical report highlights the key design decisions that enhance the performance of the medium-sized diffusion model. Empirically, we make two observations: (1) Seaweed-7B achieves performance comparable to, or even surpasses, larger models trained on substantially greater GPU resources, and (2) our model, which exhibits strong generalization ability, can be effectively adapted across a wide range of downstream applications either by lightweight fine-tuning or continue training. See the project page at https://seaweed.video/