今天，我們很高興地推出 Open-Sora-Plan v1.1.0，它顯著提高了視頻生成質量和持續時間以及文本控制功能。與之前的 Open-Sora-Plan v1.1.0 版本相比，改進了：

更好的壓縮視覺表示：我們優化了 CausalVideoVAE 架構，該架構現在具有更強的性能和更高的推理效率。

生成質量更高、時長更長：我們使用了更高質量的視覺數據和標題以及ShareGPT4Video對長視頻進行注釋的能力，我們可以生成更高質量和更長的視頻。

除了性能改進外，Open-Sora-Plan v1.1.0 還保持了 v1.0.0 的極簡設計和數據效率。值得注意的是，我們發現 v1.1.0 表現出與 Sora 基礎模型相似的性能，這表明我們版本的演變與 Sora 演示的縮放定律一致。

我們開源了 Open-Sora-Plan，以促進社區視頻生成的未來發展。代碼、數據、模型將公開提供。

演示：Hugging Face 演示在這里。

代碼：所有訓練腳本和示例腳本。

模型：此處為 Diffusion Model 和 CasualVideoVAE。

數據：此處為原始視頻和字幕。

GitHub：https://github.com/PKU-YuanGroup/Open-Sora-Plan/tree/main

在線體驗：https://huggingface.co/spaces/LanguageBind/Open-Sora-Plan-v1.1.0

Open-Sora-Plan v1.1.0基于 transformer 的文本到視頻擴散系統，基于 T5 的文本嵌入進行訓練。