告别“默片”：智谱发布新清影，可生成10秒4K60帧/自带音效视频

智谱技术团队最新发布的视频模型 CogVideoX v1.5，相较于之前的版本，增加了生成能力，能够生成5/10秒、768P、16帧的视频。此外，该模型还支持任意尺寸比例，并且其图生视频质量及复杂语义理解能力也得到了大幅提升。

官方介绍称，CogVideoX v1.5将同步上线到“清影”平台，并与新推出的 CogSound音效模型结合，“新清影”具备如下特性：

1. 质量提升：在图生视频的质量、美学表现、运动合理性以及复杂提示词语义理解方面能力显著增强。

2. 超高清分辨率：支持生成10s、4K、60帧超高清视频。

3. 可变比例：支持任意比例，从而适应不同的播放场景。

4. 多通道输出：同一指令/图片可以一次性生成4个视频。

5. 带声效的AI视频：新清影可以生成与画面匹配的音效。

这款新清影开源代码位于github.com/thudm/cogvideo中，而模型则可在huggingface.co/THUDM/CogVideoX1.5-5B-SAT上获得。