Sora 在英伟达 H100 上生成 1 分钟视频约需 12 分钟

AIGC动态欢迎阅读

原标题：Sora 在英伟达 H100 上生成 1 分钟视频约需 12 分钟
关键字：报告,视频,模型,数据,图像
文章来源：AI范儿
内容字数：3771字

内容摘要：

点击上方蓝字关注我们“Sora模型的成本：
Sora的训练需要大量的计算资源，估计需要4211-10528个 Nvidia H100 GPUs运行一个月。
推理成本：一个Nvidia H100 GPU大约每小时能生成5分钟的视频。
初期的Sora成本将非常高，肯定是不适合普通人来使用，所以目前OpenAI都是先找一些艺术和电影工作室或者公司合作。我们尝试从 DiT 模型的训练细节推断 Sora 的训练计算量。DiT-XL 模型拥有 6.75亿参数，其训练总计算量约为 10^21 FLOPS。简单来说，这相当于使用 0.4 台 Nvidia H100 计算一个月，或者一台 H100 计算 12 天。
尽管 DiT 仅处理图像，而 Sora 则是视频模型，能够生成长达 1 分钟的视频。假设视频以 24fps 编码，那么一个视频最多包含 1,440 帧。如果按照 DiT 论文中的压缩率（8x）计算，Sora 在潜在空间中可能只处理 180 帧。这意味着，如果我们简单地将 DiT 的计算量外推到视频，计算量将增加 180 倍。
我们估计 Sora 的参数量可能远远超过 6.75亿，可能达到

原文链接：Sora 在英伟达 H100 上生成 1 分钟视频约需 12 分钟