Cog
CogVideo Systemanforderungen: Leitfaden zu VRAM, GPU und Hardware
Alles, was du brauchst, um CogVideoX lokal auszuführen: die genauen VRAM-, GPU- und Systemanforderungen für CogVideoX-2B, 5B und 5B-I2V. Keine passende GPU zur Hand? Du kannst Videos auch kostenlos online erstellen.
Schnelle Antwort
Minimum ~4 GB VRAM (CogVideoX-2B, optimiert) · empfohlen 12 GB (RTX 3060) · oder führe es kostenlos online ohne GPU aus.
CogVideoX VRAM-Anforderungen pro Modell
Inferenz-VRAM auf einer einzelnen GPU mit aktivierten diffusers-Optimierungen (enable_model_cpu_offload, vae.enable_tiling usw.). Werden sie deaktiviert, steigt der VRAM-Spitzenwert um etwa das 3-Fache.
| Modell | Inferenz (optimiert) | INT8 quantisiert | Ohne Optimierung | Feinabstimmung (LoRA) |
|---|---|---|---|---|
| CogVideoX-2B | ab 4 GB (FP16) | ab 3,6 GB (INT8) | ~3× mehr (≈12 GB+) | 47 GB (LoRA) |
| CogVideoX-5B | ab 5 GB (BF16) | ab 4,4 GB (INT8) | ~3× mehr (≈15 GB+) | 63 GB (LoRA) |
| CogVideoX-5B-I2V (Bild zu Video) | ab 5 GB (BF16) | ab 4,4 GB (INT8) | ~3× mehr (≈15 GB+) | 63 GB (LoRA) |
Die Werte zur Feinabstimmung beziehen sich auf NVIDIA A100/H100. CogVideoX1.5-5B ist auf höhere Auflösung und längere Clips ausgelegt, rechne also mit entsprechend mehr VRAM.
Empfohlene GPUs
Minimum · 6-8 GB VRAM
z. B. RTX 2060, RTX 3050, GTX 1660
Funktioniert mit INT8-Quantisierung und aktiviertem CPU-Offloading. Die Erzeugung ist langsam, aber für CogVideoX-2B/5B nutzbar.
Empfohlen · 12 GB VRAM
z. B. RTX 3060 12GB, RTX 4070
Führt sowohl CogVideoX-2B als auch 5B mit aktivierten Optimierungen problemlos aus. Das beste Preis-Leistungs-Verhältnis für die lokale Nutzung.
Hochleistung · 24 GB VRAM
z. B. RTX 3090, RTX 4090, A5000
Läuft ohne Speicheroptimierungen für die schnellste Inferenz sowie für Clips mit höherer Auflösung oder längerer Dauer.
Feinabstimmung · 48-80 GB VRAM
z. B. A100, H100
Erforderlich für die Feinabstimmung mit LoRA (47 GB für 2B, 63 GB für 5B bei Batch-Größe 1).
Lokale Software und Systemanforderungen
- Betriebssystem: Linux (Ubuntu 20.04+) oder Windows 10/11 (WSL2 empfohlen).
- Python 3.10 oder höher (Anaconda zum Einrichten der Umgebung empfohlen).
- PyTorch 2.x kompiliert mit CUDA 12.x-Unterstützung.
- diffusers >= 0.30.3 (nur die diffusers-Version unterstützt INT8/FP8-Quantisierung).
- NVIDIA-GPU mit aktuellen Treibern. Mit Quantisierung passt es ggf. auf eine kostenlose Colab T4.
- System-RAM: mindestens 16 GB, 32 GB empfohlen.
- Speicherplatz: ~20-40 GB für die Modellgewichte und Abhängigkeiten.
Neu bei der lokalen Installation? Folge dem CogVideo Anwendungsleitfaden für die Installationsschritte, oder sieh dir die offizielle GitHub-Dokumentation an.
Online-Anforderungen (ohne GPU)
- Ein moderner Browser: Chrome, Firefox, Edge oder Safari (neueste Version).
- Eine stabile Internetverbindung (10 Mbps+ für eine reibungslose Erzeugung).
- Ein kostenloses CogVideo-Konto. Keine GPU, keine Treiber und keine Installation erforderlich.
Häufig gestellte Fragen
Wie viel VRAM brauche ich, um CogVideo auszuführen?
Mit aktivierten Speicheroptimierungen von diffusers läuft CogVideoX-2B ab etwa 4 GB VRAM (3,6 GB mit INT8) und CogVideoX-5B ab etwa 5 GB (4,4 GB mit INT8). Werden diese Optimierungen deaktiviert, steigt der VRAM-Spitzenwert um etwa das 3-Fache. Für ein reibungsloses Erlebnis empfehlen wir eine 12-GB-GPU wie die RTX 3060.
Kann ich CogVideoX auf einer RTX 3060 ausführen?
Ja. Eine RTX 3060 mit 12 GB führt sowohl CogVideoX-2B als auch CogVideoX-5B mit aktivierten Standard-diffusers-Optimierungen problemlos aus. Sie ist die empfohlene Einsteigerkarte, um lokal mit CogVideoX zu erstellen.
Kann ich CogVideo ohne GPU ausführen?
Nicht mit lokal brauchbarer Geschwindigkeit, denn CogVideoX benötigt eine NVIDIA-GPU. Wenn du keine hast, nutze CogVideo Online, um Text zu Video, Bild zu Video und Video zu Video kostenlos in deinem Browser zu erstellen, ohne GPU und ohne Installation.
Was sind die Mindestsystemanforderungen für CogVideoX?
Python 3.10+, PyTorch 2.x mit CUDA 12.x, diffusers >= 0.30.3, eine NVIDIA-GPU mit mindestens 6-8 GB VRAM, 16 GB System-RAM und etwa 20-40 GB freier Speicherplatz für die Modellgewichte.
Was ist CogVideo / CogVideoX?
CogVideo (und die neuere Familie CogVideoX: 2B, 5B und 5B-I2V) ist ein quelloffenes Modell zur Text-zu-Video- und Bild-zu-Video-Generierung, entwickelt von THUDM/Zhipu AI. Du kannst es lokal ausführen oder hier auf CogVideo kostenlos online nutzen.