丹摩征文活动｜CogVideoX-2b：从安装到上线，轻松搞定全过程！

CogVideoX-2b：从安装到上线，轻松搞定全过程！

CogVideoX简介

CogVideoX的推出标志着视频生成技术的一次重大突破。过去，如何在保持高效的同时提升视频质量一直是一个难题，但CogVideoX 通过其先进的3D变分自编码器，成功将视频数据压缩至原来的2%，大幅降低了资源消耗，并确保视频帧之间的流畅连贯。

其独特的3D旋转位置编码技术让视频在时间轴上如行云流水般自然呈现，每个画面都充满了生动的活力。同时，智谱AI的端到端视频理解模型能够精准地解析用户指令，生成内容丰富且高度相关的视频作品。

这一技术革新为创作者提供了更为广阔的创作空间，让他们在更少限制的情况下，发挥更大的创造力。通过这些尖端技术的结合，CogVideoX为视频创作带来了前所未有的自由和灵活性，从根本上改变了视频生成的规则，为用户带来了全新的体验与可能性。

如果您对CogVideoX感兴趣，以下资源将帮助您深入了解这一创新技术：

• 探索代码库：您可以在 GitHub 上找到我们最新的代码，轻松获取并开始您的项目。
• 模型下载：前往 Hugging Face 平台下载CogVideoX-2b模型，以便直接使用我们的技术成果。
• 技术详情：想了解更多技术背景和实现细节？请查看我们的 技术报告，获取完整的设计与开发信息。
• 加入丹摩智算平台：在 此处 注册，开启您的智能计算旅程，与我们共同探索AI的无限可能。

通过上述链接，可以全面了解并利用CogVideoX，开启您的创新视频生成体验。无论是代码、模型还是技术文档，这些资源都将助您一臂之力，迈向更卓越的创作之路。

创建丹摩实例

本次实践流程在丹摩服务器上进行部署和初步使用 CogVideoX，进入控制台，选择 GPU 云实例，点击创建实例。（实名认证有抵扣卷）

要在FP-16精度下运行CogVideoX，至少需要具备18GB显存来进行推理，而如果您计划进行模型微调，则需要40GB的显存容量。我们建议使用L40S显卡（推荐）或4090显卡，以确保最佳性能表现。至于存储方面，您可以选择标准配置的100GB系统盘，加上50GB的数据盘，以满足基本的存储需求。

镜像选择 PyTorch2.3.0、Ubuntu-22.04，CUDA12.1镜像。

创建登录实例。（点击创建密钥对，输入个名称即可创建）

实例创建成功。

配置环境和依赖

丹摩平台已预置了调试好的代码库，可开箱即用，进入 JupyterLab 后，打开终端，首先拉取 CogVideo 代码的仓库。

wget http://file.s3/damodel-openfile/CogVideoX/CogVideo-main.tar

下载完成后解压缩CogVideo-main.tar，完成后进入 CogVideo-main 文件夹，输入安装对应依赖。

依赖安装好后，可以在终端输入 python，进入python环境。

输入代码进行测试：

import torch
from diffusers import CogVideoXPipeline
from diffusers.utils import export_to_video

没有报错就说明依赖安装成功！输入quit()可退出 python。

模型与配置文件

除了配置代码文件和项目依赖，还需要上传 CogVideoX 模型文件和对应的配置文件。平台已为您预置了 CogVideoX 模型，您可内网高速下载。

cd /root/workspace
wget http://file.s3/damodel-openfile/CogVideoX/CogVideoX-2b.tar

下载完成后解压缩CogVideoX-2b.tar。

tar -xf CogVideoX-2b.tar

解压后的效果图：

运行

进入CogVideo-main文件夹，运行test.py文件。

cd /root/workspace/CogVideo-main
python test.py

下面是test.py脚本的简单介绍：该脚本主要利用diffusers库中的CogVideoXPipeline模型。它首先加载一个已经预训练好的CogVideo模型，然后根据用户提供的详细文本描述（即提示词），生成与之对应的视频片段。

import torch
from diffusers import CogVideoXPipeline
from diffusers.utils import export_to_video# prompt里写自定义想要生成的视频内容
prompt = "A panda, dressed in a small, red jacket and a tiny hat, sits on a wooden stool in a serene bamboo forest. The panda's fluffy paws strum a miniature acoustic guitar, producing soft, melodic tunes. Nearby, a few other pandas gather, watching curiously and some clapping in rhythm. Sunlight filters through the tall bamboo, casting a gentle glow on the scene. The panda's face is expressive, showing concentration and joy as it plays. The background includes a small, flowing stream and vibrant green foliage, enhancing the peaceful and magical atmosphere of this unique musical performance."pipe = CogVideoXPipeline.from_pretrained("/root/workspace/CogVideoX-2b", # 这里填CogVideo模型存放的位置，此处是放在了数据盘中torch_dtype=torch.float16
).to("cuda")# 参数do_classifier_free_guidance设置为True可以启用无分类器指导，增强生成内容一致性和多样性
# num_videos_per_prompt控制每个prompt想要生成的视频数量
# max_sequence_length控制输入序列的最大长度
prompt_embeds, _ = pipe.encode_prompt(prompt=prompt,do_classifier_free_guidance=True,num_videos_per_prompt=1,max_sequence_length=226,device="cuda",dtype=torch.float16,
)video = pipe(num_inference_steps=50,guidance_scale=6,prompt_embeds=prompt_embeds,
).frames[0]export_to_video(video, "output.mp4", fps=8)

这段代码的核心功能是轻松将文字转换为引人入胜的视频内容。无论您是想为创意项目增添动态元素，还是需要快速生成视觉素材，这个工具都能助您一臂之力。通过简单的文本输入，您就可以看到文字变成生动的视频画面。这种便捷的方式为视频创作开启了新的可能，让创作者能够在短时间内实现高质量的视频生成，大大拓展了创意表达的空间。

运行成功后，可以在 CogVideo-main 文件夹中找到对应 prompt 生成的 output.mp4 视频。

模型官方也提供了 webUIDemo，进入CogVideo-main文件夹，运行gradio_demo.py文件。

cd /root/workspace/CogVideo-main
python gradio_demo.py

通过丹摩平台提供的端口映射能力，把内网端口映射到公网，进入GPU 云实例页面，点击操作-更多-访问控制。

点击添加端口，添加7870端口。

添加成功后，通过访问链接即可访问到刚刚启动的 gradio 页面。

效果

A street artist, clad in a worn-out denim jacket and a colorful bandana, stands before a vast concrete wall in the heart, holding a can of spray paint, spray-painting a colorful bird on a mottled wall.

m jacket and a colorful bandana, stands before a vast concrete wall in the heart, holding a can of spray paint, spray-painting a colorful bird on a mottled wall.