Open-Sora

Open-Sora 是由潞晨科技 / HPC-AI 团队开源的高质量视频生成项目,目标是把 Sora 级视频生成能力下放到社区,完整开源训练代码与权重。它走 DiT(Diffusion Transformer)路线,采用 3D-VAE + rectified flow + score condition,支持文生视频、文生图、图生视频、视频到视频与无限时长扩展。

核心版本经历四代迭代。1.0(2024-03-18)首次发布,2 秒 512×512 视频 3 天训练;1.1(2024-04-25)支持 2-15 秒、144p-720p、任意长宽比,首次放出全流程处理管线;1.2(2024-06-17)引入 3D-VAE 与 rectified flow,视频质量明显提升;1.3(2025-02-20)升级 VAE 与 Transformer 架构;2.0(2025-03-12)推出 11B 模型,在 VBench 上与 OpenAI Sora 的差距从 4.52% 收窄到 0.69%,人类偏好盲测与 HunyuanVideo 11B、Step-Video 30B 持平,完整训练成本仅 20 万美元。

适用场景包括:科研团队复现 Sora 论文训练流程、企业自托管视频生成服务、独立创作者本地跑 5-15 秒文/图生视频。部署依赖 Python + PyTorch + CUDA,推荐 H100/H800 GPU,768×768 单卡 1656 秒 / 8 卡 276 秒完成 50 步生成,256×256 单卡 60 秒即出片。模型权重同步发布到 HuggingFace 与 ModelScope(hpcai-tech/Open-Sora-v2),项目附带 Gradio Demo 供快速试用。License 为 Apache-2.0,目前 GitHub 29k+ Star、3k+ Fork。需要注意,2.0 版本官方主推商业化版本 Video Ocean 与 hpc-ai.com 模型 API,开源仓库当前活跃度降低,最近一次 commit 在 2026-04-09。