告别‘默片’：智谱发布新清影，可生成 10 秒 4K60 帧 / 自带音效视频

智谱技术团队今天发布并开源最新版本的视频模型 CogVideoX v1.5，相比于原有模型，CogVideoX v1.5 将包含 5/10 秒、768P、16 帧的视频生成能力，I2V 模型支持任意尺寸比例，大幅提升图生视频质量及复杂语义理解。官方介绍，CogVideoX v1.5 也将同步上线到“清影”平台，并与新推出的 CogSound 音效模型结合，“新清影”将具备如下特性：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。超高清分辨率：支持生成 10s、4K、60 帧超高清视频。可变比例：支持任意比例，从而适应不同的播放场景。多通道输出：同一指令 / 图片可以一次性生成 4 个视频。带声效的 AI 视频：新清影可以生成与画面匹配的音效。帕鲁AI附开源地址如下：

代码：https://github.com/thudm/cogvideo

模型：https://huggingface.co/THUDM/CogVideoX1.5-5B-SAT