今天，我们很高兴地推出 Open-Sora-Plan v1.1.0，它显着提高了视频生成质量和持续时间以及文本控制功能。与之前的 Open-Sora-Plan v1.1.0 版本相比，改进了：
更好的压缩视觉表示：我们优化了 CausalVideoVAE 架构，该架构现在具有更强的性能和更高的推理效率。
生成质量更高、时长更长：我们使用了更高质量的视觉数据和标题以及ShareGPT4Video对长视频进行注释的能力，我们可以生成更高质量和更长的视频。
除了性能改进外，Open-Sora-Plan v1.1.0 还保持了 v1.0.0 的极简设计和数据效率。值得注意的是，我们发现 v1.1.0 表现出与 Sora 基础模型相似的性能，这表明我们版本的演变与 Sora 演示的缩放定律一致。
我们开源了 Open-Sora-Plan，以促进社区视频生成的未来发展。代码、数据、模型将公开提供。
演示：Hugging Face 演示在这里。
代码：所有训练脚本和示例脚本。
模型：此处为 Diffusion Model 和 CasualVideoVAE。
数据：此处为原始视频和字幕。
GitHub：https://github.com/PKU-YuanGroup/Open-Sora-Plan/tree/main
在线体验：https://huggingface.co/spaces/LanguageBind/Open-Sora-Plan-v1.1.0
Open-Sora-Plan v1.1.0基于 transformer 的文本到视频扩散系统，基于 T5 的文本嵌入进行训练。
