从零搭建Open-Sora视频生成平台：三步搞定你的第一段AI视频

从零搭建Open-Sora视频生成平台：三步搞定你的第一段AI视频

【免费下载链接】Open-SoraOpen-Sora: Democratizing Efficient Video Production for All项目地址: https://gitcode.com/GitHub_Trending/op/Open-Sora

是不是还在羡慕别人轻松用AI生成大片质感的视频，自己却连环境都搭不起来？Open-Sora是一个完全开源的视频生成项目，主打"人人都能高效产出高质量视频"，它把文生视频、图生视频的完整流程都封装好了，你只需要一条命令就能调用。本文会带你在自己的显卡上跑通整个视频生成平台：从环境搭建、模型下载到生成第一段视频，全程手把手，读完你就能拥有自己的AI视频生产能力。

一、先看目标：我们要做出什么效果

在动手之前，先明确我们要达成的结果，这样每一步都有奔头。

Open-Sora当前最新版本是2.0，参数量11B，一个模型同时支持256px和768px分辨率的文生视频与图生视频。下面这张图就是项目自带的一张参考图，稍后我们会用它来生成一段"猪在泥潭里打滚"的视频，作为图生视频的实战案例：

官方评测显示，Open-Sora 2.0在VBench基准上已经把与OpenAI Sora的差距从4.52%缩小到了0.69%，也就是说用开源方案也能接近顶级闭源模型的生成质量。

我们要走通的路线很清晰：搭环境 → 下模型 → 跑生成。本文会采用"先看效果、再拆步骤"的思路，每一步都给你可预期的结果，避免盲目踩坑。

二、开工前核对一遍：你的机器达标了吗

动手之前先做个体检，避免装到一半才发现硬件不满足要求。Open-Sora基于Python和PyTorch构建，需要一台带NVIDIA显卡的Linux机器：

显卡显存是最关键的一条。16GB显存跑256px分辨率刚好够用，如果只有8GB，可以加上后面的--offload True参数省显存，但速度会慢一些。

三、五分钟搭好运行环境

环境搭建是整个流程里最容易出错的一步，我们把它拆成三个小动作，每步都有验证方法。

第一步：创建独立虚拟环境

建议用conda，避免和系统里其他Python项目互相污染依赖：

conda create -n opensora python=3.10 conda activate opensora

第二步：拉取项目代码

Open-Sora的官方仓库地址为 https://gitcode.com/GitHub_Trending/op/Open-Sora ，执行：

git clone https://gitcode.com/GitHub_Trending/op/Open-Sora cd Open-Sora

第三步：安装核心依赖

项目依赖在requirements.txt里，一条命令装完基础包：

pip install -v .

再补上两个提速神器，它们是保证推理速度的关键：

pip install xformers==0.0.27.post2 --index-url https://download.pytorch.org/whl/cu121 pip install flash-attn --no-build-isolation

小贴士：第二条命令中的cu121对应CUDA 12.1，如果你的CUDA版本不同，请到PyTorch官网查对应的--index-url。

执行后的预期效果：pip install -v .输出"Successfully installed"结尾，且能执行以下命令不报错：

python -c "import torch, colossalai, mmengine; print('依赖OK')"

看到"依赖OK"就说明环境没问题了，我们进入下一步。

四、三步完成模型权重下载

Open-Sora推理时需要一套模型文件（主模型+VAE+文本编码器），统一放在./ckpts目录下。官方推荐用HuggingFace下载：

pip install "huggingface_hub[cli]" huggingface-cli download hpcai-tech/Open-Sora-v2 --local-dir ./ckpts

如果你在国内下载速度慢，强烈建议改用ModelScope，速度会快得多：

pip install modelscope modelscope download hpcai-tech/Open-Sora-v2 --local_dir ./ckpts

模型文件比较大，下载时可以去泡杯咖啡。下载完成后./ckpts目录下应该能看到Open_Sora_v2.safetensors、hunyuan_vae.safetensors等文件，模型的默认读取路径就写在各推理配置里，比如configs/diffusion/inference/256px.py中指定的./ckpts/Open_Sora_v2.safetensors。

常见报错：如果出现"No such file or directory: ./ckpts/Open_Sora_v2.safetensors"，说明模型没下载到位或路径不对，检查--local-dir目录和运行命令时所在的目录即可。

五、见证奇迹：生成你的第一段AI视频

环境就绪、模型就位，现在进入最激动人心的环节。

用一句话生成"下雨的大海"

Open-Sora的推理入口是scripts/diffusion/inference.py，配合不同的配置文件切换模式。先来最简单的文生视频，一条命令搞定：

torchrun --nproc_per_node 1 --standalone scripts/diffusion/inference.py configs/diffusion/inference/t2i2v_256px.py --save-dir samples --prompt "raining, sea"

命令解析：t2i2v_256px.py是"文本生成图片再生成视频"的推荐配置，它会先用Flux模型把prompt变成一张高质量首帧图，再让视频模型"动起来"；生成结果保存在samples目录。

执行后的预期效果：终端滚动输出进度条，约1分钟（取决于显卡）后在samples目录下出现一段256px的mp4视频，画面是下雨的海面。

显存紧张的话，在命令末尾追加--offload True即可开启内存卸载模式。

一张图让"猪"动起来：图生视频实战

Open-Sora的杀手锏其实是图生视频。我们拿项目自带的assets/texts/i2v.png这张图做实验——就是文章开头那张猪的图片，用一句prompt描述它要做的动作：

torchrun --nproc_per_node 1 --standalone scripts/diffusion/inference.py configs/diffusion/inference/256px.py --cond_type i2v_head --prompt "A plump pig wallows in a muddy pond on a rustic farm, its pink snout poking out as it snorts contentedly" --ref assets/texts/i2v.png

其中--cond_type i2v_head表示"以图片作为视频开头帧"的条件模式，--ref指定参考图片路径。

执行后的预期效果：生成一段猪在泥塘里惬意打滚的视频，动作连贯自然——这就是图生视频的魅力，你给它一张静态图，它还你一段动态故事。

项目还提供了配套的CSV批量生成方式，把prompt和图片路径写进表格就能批量产出。示例文件assets/texts/example.csv（文生视频）和assets/texts/i2v.csv（图生视频）可以直接拿来练手：

torchrun --nproc_per_node 1 --standalone scripts/diffusion/inference.py configs/diffusion/inference/t2i2v_256px.py --save-dir samples --dataset.data-path assets/texts/example.csv

六、进阶玩法：按需定制你的视频

跑通基础流程后，你已经能掌控Open-Sora了，剩下的就是按需调整参数。

调整分辨率、时长与画面比例

一行参数即可改变视频规格：

torchrun --nproc_per_node 1 --standalone scripts/diffusion/inference.py configs/diffusion/inference/t2i2v_256px.py --save-dir samples --prompt "raining, sea" --aspect_ratio 16:9 --num_frames 65

参数说明：

• --aspect_ratio：可选16:9、9:16、1:1、2.39:1，控制横竖屏
• --num_frames：视频帧数，必须是4k+1且小于129，比如65、97
• --motion-score：控制画面运动强度，取值1到7，默认4

想生成768px高清视频

切换到768px配置文件，配合同样一条命令：

torchrun --nproc_per_node 1 --standalone scripts/diffusion/inference.py configs/diffusion/inference/t2i2v_768px.py --save-dir samples --prompt "raining, sea"

768px对单卡压力较大，官方给的数据是单卡H100约需27分钟，而用8卡并行可以压缩到5分钟内：

torchrun --nproc_per_node 8 --standalone scripts/diffusion/inference.py configs/diffusion/inference/768px.py --prompt "raining, sea"

多卡模式自动启用ColossalAI的序列并行（配置见configs/diffusion/inference/plugins/sp.py），无需你手动切分。

让结果可复现：固定随机种子

对做实验、调参的同学来说，这个功能很实用：

torchrun --nproc_per_node 1 --standalone scripts/diffusion/inference.py configs/diffusion/inference/t2i2v_256px.py --save-dir samples --prompt "raining, sea" --sampling_option.seed 42 --seed 42

固定种子后，同样prompt每次生成的结果基本一致，方便横向对比参数效果。加--num-sample k还能对每个prompt一次生成k个样本。

七、常见问题速查

八、写在最后：下一步往哪走

到这里，你已经拥有了一套完整的本地AI视频生成平台：环境一次装好、模型三步下完、两条命令就能生成文生视频或图生视频。再往后可以按自己的兴趣深入：

• 想训练自己的模型？官方文档docs/train.md提供了从数据集处理到微调的全流程指南，支持基于Open-Sora v2继续微调
• 想深挖原理？项目附带了docs/report_01.md到report_04.md系列技术报告，从VAE到训练策略都有详细解读
• 想加速推理？探索configs/diffusion/inference/下的high_compression.py高压缩率配置，体验更大的时间与显存收益

视频生成的世界刚刚打开，Open-Sora给了我们一把完全开源的钥匙。如果你照着本文成功跑出了第一段视频，欢迎点赞、收藏，把经验分享给更多想上手的伙伴，也欢迎关注我们获取更多AI实战教程。

【免费下载链接】Open-SoraOpen-Sora: Democratizing Efficient Video Production for All项目地址: https://gitcode.com/GitHub_Trending/op/Open-Sora