Google無料開発元Zhipu AI
提供開始CogVideoX 1.5 · Nov 2024
ネイティブ音声ナレーションを追加
最大解像度1360×768
最大クリップ長6～10秒
価格（最安）Free (open) · API
主な仕様
| 開発元 | Zhipu AI |
| 提供元地域 | 中国 |
| 提供開始 | CogVideoX 1.5 · Nov 2024 |
| ネイティブ音声対応 | ナレーションを追加 |
| 最大解像度 | 1360×768 |
| 最大クリップ長 | 6～10秒 |
| 配布形態 | オープンウェイト · オープン重み（2B: Apache 2.0） |
| 提供形態 | Open weights · Z.ai API |
| 価格（最安） | Free (open) · API |
CogVideoX の強み
- 比較的控えめなコンシューマーGPUで動作（VRAM約4〜5GBから）
- Diffusers・ComfyUI・LoRAなど幅広いエコシステム
- 2BモデルはApache-2.0で商用利用も自由
- 研究用途で影響力のある先進的アーキテクチャ
おすすめ用途
CogVideoXは、手軽で柔軟なテキスト／画像からの動画生成に最適な、アクセスしやすいオープンモデルを求める場面に向いています。
ローカル環境での短尺テキスト／画像からの動画生成研究・微調整寛容な2Bティアでの商用利用プロトタイピングやBロール制作
CogVideoXを他モデルと比較 注意点
- !クリップが短く、最新モデルより解像度が低め
- !オープンウェイトにはネイティブ音声なし
- !英語プロンプト前提で、公開版はやや旧世代
背景. Zhipu AIと清華大学THUDMによるCogVideoX（1.5、2024年11月）は、コンシューマー環境で動作し、ICLR採択の設計を持つ初期のオープン動画モデルの中でも特にフォーク数の多い一つです。
VivideoでCogVideoXを使う手順
1
Vivideoを開き、新規動画を開始。
2
CogVideoXをモデルとして選択 — もしくはVideo Agentに自動選択させる。
3
ショットの内容を説明（または画像をアップロード）し、尺とアスペクト比を設定。
4
CogVideoXで生成し、微調整して声やアバターを追加。各プラットフォーム向けに書き出す。
トップモデルを、ひとつのサブスクで
各モデルはVivideoにある30以上のひとつ。ショットごとに切り替えて、狙いどおりのルックを実現。
Google無料
Google
OpenAI
OpenAI
ByteDance
Kling
Kling
AlibabaVivideoにおけるCogVideoXの特長
Zhipu AIのCogVideoXは、テキスト・画像からの動画生成に対応する広く使われるオープンソースモデルで、その開放性ゆえにコミュニティでの実験にも人気です。
毎日のクリップ制作や、テキスト／画像入力を跨いだ素早い反復に、柔軟で使いやすいエンジンを求めるクリエイターに向いています。
Vivideoでは、CogVideoXは30以上のモデルの一つとして単一サブスクリプションで利用可能。日常の万能モデルとして使い、より磨き上げが必要なショットではVeoやSoraに切り替える、といった運用が同一プロジェクトで完結します。
CogVideoXに関するよくある質問
VivideoでCogVideoXは無料で使えますか？
まずはVivideoでCogVideoXを無料でお試しできます。クレジットカードは不要です。より重い利用やプレミアムモデルは有料プランの対象です。
CogVideoXが最も得意とすることは？
CogVideoXはアクセスしやすいオープンモデルで、テキストからも画像からも動画生成をそつなくこなす、日常使いに柔軟な選択肢です。
CogVideoXはテキストと画像からの動画生成に対応していますか？
はい。VivideoではCogVideoXでテキスト・画像の双方から動画を生成でき、ショット単位で他モデルへ切り替えることも可能です。
プロジェクトの途中でCogVideoXから別モデルに切り替えられますか？
はい。Vivideoではショットごとにモデルを切り替えられるため、同一プロジェクト内でCogVideoXと他エンジンを組み合わせられます。