Open-Sora 2.0: Treinando um Modelo de Geração de Vídeo de Nível Comercial por $200 mil

Open-Sora 2.0: Training a Commercial-Level Video Generation Model in $200k

March 12, 2025

Autores: Xiangyu Peng, Zangwei Zheng, Chenhui Shen, Tom Young, Xinying Guo, Binluo Wang, Hang Xu, Hongxin Liu, Mingyan Jiang, Wenjun Li, Yuhui Wang, Anbang Ye, Gang Ren, Qianran Ma, Wanying Liang, Xiang Lian, Xiwen Wu, Yuting Zhong, Zhuangyan Li, Chaoyu Gong, Guojun Lei, Leijun Cheng, Limin Zhang, Minghao Li, Ruijie Zhang, Silan Hu, Shijie Huang, Xiaokang Wang, Yuanheng Zhao, Yuqi Wang, Ziang Wei, Yang You

cs.AI

Resumo

Os modelos de geração de vídeo alcançaram progressos notáveis no último ano. A qualidade dos vídeos gerados por IA continua a melhorar, mas ao custo de um tamanho maior do modelo, maior quantidade de dados e maior demanda por capacidade de treinamento. Neste relatório, apresentamos o Open-Sora 2.0, um modelo de geração de vídeo de nível comercial treinado por apenas US$ 200 mil. Com este modelo, demonstramos que o custo de treinamento de um modelo de geração de vídeo de alto desempenho é altamente controlável. Detalhamos todas as técnicas que contribuíram para esse avanço em eficiência, incluindo curadoria de dados, arquitetura do modelo, estratégia de treinamento e otimização do sistema. De acordo com os resultados de avaliação humana e pontuações do VBench, o Open-Sora 2.0 é comparável aos principais modelos de geração de vídeo globais, incluindo o HunyuanVideo de código aberto e o Runway Gen-3 Alpha de código fechado. Ao disponibilizar o Open-Sora 2.0 como código aberto, nosso objetivo é democratizar o acesso à tecnologia avançada de geração de vídeo, promovendo uma inovação e criatividade mais amplas na criação de conteúdo. Todos os recursos estão disponíveis publicamente em: https://github.com/hpcaitech/Open-Sora.

English

Video generation models have achieved remarkable progress in the past year. The quality of AI video continues to improve, but at the cost of larger model size, increased data quantity, and greater demand for training compute. In this report, we present Open-Sora 2.0, a commercial-level video generation model trained for only $200k. With this model, we demonstrate that the cost of training a top-performing video generation model is highly controllable. We detail all techniques that contribute to this efficiency breakthrough, including data curation, model architecture, training strategy, and system optimization. According to human evaluation results and VBench scores, Open-Sora 2.0 is comparable to global leading video generation models including the open-source HunyuanVideo and the closed-source Runway Gen-3 Alpha. By making Open-Sora 2.0 fully open-source, we aim to democratize access to advanced video generation technology, fostering broader innovation and creativity in content creation. All resources are publicly available at: https://github.com/hpcaitech/Open-Sora.