State of open video generation models in Diffusers

Hugging Face 盤點 Diffusers 支援的開源影片生成模型（如 CogVideoX、Mochi 1），並分享關鍵的 VRAM 記憶體優化技巧。

本文回顧了 Hugging Face Diffusers 函式庫中開源影片生成模型的最新進展。隨著技術從 UNet 轉向 Diffusion Transformers (DiTs)，如 CogVideoX、Mochi 1、LTX-Video 及 HunyuanVideo 等模型已全面整合。文章重點介紹了如何透過 CPU 卸載、FP8 量化與 Tiled VAE 等技術，在消費級 GPU 上高效運行這些動輒數十億參數的影片生成模型。

摘要由 AI 整理,以原文為準。