CogVideoX — это open-source линейка text-to-video / image-to-video от THUDM (Zhipu AI): CogVideoX-2B (Apache 2.0), CogVideoX-5B и 5B-I2V (отдельная CogVideoX LICENSE), плюс ветка CogVideoX1.5. На GitHub THUDM/CogVideo заявлены Diffusers/SAT, HF Space и Colab-ноутбуки. Ниже — как пользоваться CogVideoX новичку за один вечер, без выдуманных цен в рублях.

Общий маршрут — в «Как создать видео нейросетью». Соседи: Wan AI, SkyReels, Hunyuan Video, Stable Diffusion (картинки) и ComfyUI. Доступ из РФ — в гайде про нейросети в России.

Что умеет CogVideoX на старте

  1. T2V — CogVideoX-2B и CogVideoX-5B, разрешение 720×480 (таблица README; другие разрешения в базовой карточке не обещаны).
  2. I2V — CogVideoX-5B-I2V (open-source с сентября 2024 по News README).
  3. Diffusers + TorchAO INT8 — снижают VRAM; в README указаны минимумы порядка 4 GB (2B) / 5 GB (5B) при оптимизациях*.
  4. Colab / HF Space — готовые ноутбуки T2V/I2V/V2V и онлайн-демо 5B.
  5. Fine-tune — LoRA/SFT схемы в репозитории (в т.ч. single-GPU фреймворки для 5B).
  6. CogVideoX1.5 — обновлённая ветка (diffusers/SAT); сверяйте актуальный README перед установкой.

Ожидание новичка: клип ~6 с на 720×480 (типичный демо-пайплайн Diffusers), а не 4K-реклама. Качество растёт от 2B к 5B и от хорошего промпта/кадра.

Сравнение: 2B vs 5B vs Space/Colab

Вариант Лицензия (README) VRAM ориентир* Когда брать
CogVideoX-2B Apache 2.0 diffusers FP16 от ~4 GB*; SAT FP16 ~18 GB Учёба на слабом GPU, freer license
CogVideoX-5B T2V CogVideoX LICENSE diffusers BF16 от ~5 GB*; SAT BF16 ~26 GB Лучшее качество open-линейки
CogVideoX-5B-I2V CogVideoX LICENSE схожий порядок с 5B (см. таблицу README) Старт от картинки/персонажа
HF Space / Colab как у модели Облако Google/HF Первая проба без своей карты

Факты: GitHub THUDM/CogVideo и model card THUDM/CogVideoX-5b (720×480; VRAM* при enable-оптимизациях Diffusers, тестировалось на A100/H100 — без оптимизаций пик может быть ~×3; 2B Apache 2.0; 5B — отдельная LICENSE; INT8/TorchAO для T4 Colab). Цены облака Colab/Space в ₽ не фиксируем. Дата сверки — август 2026.

Маршрут: первый клип за вечер

  1. Без GPU: HF Space CogVideoX-5B или Colab-ноутбук из README.
  2. С GPU 8-12 GB: начните с 2B + diffusers + offload/quantize; 5B — если влезает по таблице* или через INT8.
  3. Одна сцена: субъект + действие + камера + свет; без «и ещё десять событий».
  4. I2V: если нужен узнаваемый объект — кадр лучше текста в вакууме.
  5. Экспорт: export_to_video / скачать из Space → монтаж.
  6. Звук: ElevenLabs, Suno или Soundraw.
Промпт (пример):
«A red bicycle rolls down a cobblestone street after rain,
slow tracking shot, reflections on wet stones,
cinematic lighting, no text, no watermark.»

Чеклист:
[ ] Модель: 2B / 5B / Space
[ ] Diffusers optimizations включены (или честно заложен запас VRAM ×3)
[ ] 2-3 дубля одной сцены
[ ] Лицензия 5B прочитана до коммерции

CogVideoX vs Wan vs SkyReels vs Hunyuan

  • CogVideoX — относительно «лёгкий» вход по VRAM* в Diffusers, фиксированные 720×480 в базовой карточке, сильный академический стек THUDM.
  • Wan — 480P/720P линейка и TI2V-5B; см. гайд Wan.
  • SkyReels — DF-удлинение и 540P/720P семейства; см. гайд SkyReels.
  • Hunyuan Video — существенно тяжелее по железу; см. гайд Hunyuan.

Доступ из России и деньги

  • Веса: Hugging Face THUDM/* и ModelScope ZhipuAI; код — Apache 2.0, модель 2B — Apache 2.0, 5B — CogVideoX LICENSE (читайте до коммерции).
  • Space/Colab — условия и квоты площадки; оплату в ₽ не выдумываем.
  • Если HF/Colab неудобны — локальный Diffusers или агрегатор (реф: syntx.ai) для других видео-моделей.

Типичные ошибки

  • Верить «от 4 GB» без оговорки Diffusers-оптимизаций и оговорки про A100/H100 в README.
  • Путать лицензию 2B (Apache 2.0) и 5B (отдельная).
  • Ждать произвольное 1080p из базового чекпоинта 720×480.
  • Десять разных промптов вместо 2-3 дублей одной сцены.
  • Коммерческий ролик на 5B без чтения LICENSE.

FAQ: CogVideoX

Что такое CogVideoX простыми словами?

Open-source видео-модели THUDM/Zhipu: текст или картинка → короткое видео 720×480, с весами на Hugging Face и кодом Diffusers/SAT.

С чего начать новичку?

HF Space или Colab. Локально — CogVideoX-2B с Diffusers. Одна сцена, 2-3 дубля.

CogVideoX бесплатный?

Веса и код открыты для самохостинга (железо ваше). Space/Colab зависят от квот площадки. Лицензии 2B и 5B разные.

Чем 2B отличается от 5B?

5B обычно сильнее по качеству; 2B легче и под Apache 2.0. I2V в открытом виде идёт как 5B-I2V.

Подойдёт ли GTX 1080 Ti?

README прямо упоминает запуск 2B на старых GPU вроде GTX 1080 Ti при соблюдении рекомендаций по precision/оптимизациям. 5B — ориентир desktop вроде RTX 3060+ с оговорками.

Где официальные материалы?

GitHub THUDM/CogVideo, HF THUDM/CogVideoX-2b и CogVideoX-5b, ModelScope ZhipuAI, Colab-ссылки в README.

Вывод

CogVideoX стоит пробовать, когда нужен понятный open T2V/I2V с Diffusers и относительно мягким входом по VRAM* на 2B. Старт: Space/Colab или 2B локально → одна сцена → несколько дублей. Для серии под бренд — смотрите форматы обучения.

Артём Денисов — эксперт Нетологии и автор курса Яндекс Практикума по промпт-инжинирингу. Помогает собрать видео-пайплайн с open-source моделями без хаоса в зависимостях.

Хотите нейросети под свои задачи, а не «для всех»?

Когда базовых гайдов уже мало, помогает разбор под вашу работу. Наставничество, курсы и подписка Артёма Денисова — все форматы на странице обучения. Креатив-pillar — Midjourney для начинающих.