Cog
Requisitos de sistema de CogVideo: guía de VRAM, GPU y hardware
Todo lo que necesitas para ejecutar CogVideoX en local: VRAM, GPU y requisitos de sistema exactos para CogVideoX-2B, 5B y 5B-I2V. ¿No tienes una GPU adecuada? Puedes generar vídeo en línea gratis.
Respuesta rápida
Mínimo ~4 GB de VRAM (CogVideoX-2B, optimizado) · recomendado 12 GB (RTX 3060) · o ejecútalo gratis en línea sin GPU.
Requisitos de VRAM de CogVideoX por modelo
VRAM de inferencia en una sola GPU con las optimizaciones de diffusers activadas (enable_model_cpu_offload, vae.enable_tiling, etc.). Desactivarlas aumenta el pico de VRAM aproximadamente 3×.
| Modelo | Inferencia (optimizada) | Cuantizado INT8 | Sin optimización | Ajuste fino (LoRA) |
|---|---|---|---|---|
| CogVideoX-2B | desde 4 GB (FP16) | desde 3,6 GB (INT8) | ~3× más (≈12 GB+) | 47 GB (LoRA) |
| CogVideoX-5B | desde 5 GB (BF16) | desde 4,4 GB (INT8) | ~3× más (≈15 GB+) | 63 GB (LoRA) |
| CogVideoX-5B-I2V (Imagen a Vídeo) | desde 5 GB (BF16) | desde 4,4 GB (INT8) | ~3× más (≈15 GB+) | 63 GB (LoRA) |
Las cifras de ajuste fino corresponden a NVIDIA A100/H100. CogVideoX1.5-5B apunta a mayor resolución y clips más largos, así que espera una VRAM proporcionalmente mayor.
GPU recomendadas
Mínimo · 6-8 GB de VRAM
p. ej. RTX 2060, RTX 3050, GTX 1660
Funciona con cuantización INT8 y descarga a CPU activada. La generación es lenta pero funcional para CogVideoX-2B/5B.
Recomendado · 12 GB de VRAM
p. ej. RTX 3060 12GB, RTX 4070
Ejecuta cómodamente tanto CogVideoX-2B como 5B con las optimizaciones activadas. La mejor relación precio-rendimiento para uso local.
Alto rendimiento · 24 GB de VRAM
p. ej. RTX 3090, RTX 4090, A5000
Ejecuta sin optimizaciones de memoria para la inferencia más rápida y clips de mayor resolución o más largos.
Ajuste fino · 48-80 GB de VRAM
p. ej. A100, H100
Necesario para el ajuste fino con LoRA (47 GB para 2B, 63 GB para 5B con tamaño de lote 1).
Software local y requisitos de sistema
- Sistema operativo: Linux (Ubuntu 20.04+) o Windows 10/11 (se recomienda WSL2).
- Python 3.10 o superior (se recomienda Anaconda para configurar el entorno).
- PyTorch 2.x compilado con soporte de CUDA 12.x.
- diffusers >= 0.30.3 (solo la versión diffusers admite cuantización INT8/FP8).
- GPU NVIDIA con controladores actualizados. Con cuantización puede caber en una Colab T4 gratuita.
- RAM del sistema: 16 GB mínimo, 32 GB recomendado.
- Espacio en disco: ~20-40 GB para los pesos del modelo y las dependencias.
¿Nuevo en la instalación local? Sigue la guía de uso de CogVideo para los pasos de instalación, o consulta la documentación oficial de GitHub.
Requisitos en línea (sin GPU)
- Un navegador moderno: Chrome, Firefox, Edge o Safari (última versión).
- Una conexión a internet estable (10 Mbps+ para una generación fluida).
- Una cuenta gratuita de CogVideo. No se requiere GPU, controladores ni instalación.
Preguntas frecuentes
¿Cuánta VRAM necesito para ejecutar CogVideo?
Con las optimizaciones de memoria de diffusers activadas, CogVideoX-2B funciona desde unos 4 GB de VRAM (3,6 GB con INT8) y CogVideoX-5B desde unos 5 GB (4,4 GB con INT8). Desactivar esas optimizaciones eleva el pico de VRAM unas 3 veces. Para una experiencia fluida recomendamos una GPU de 12 GB como una RTX 3060.
¿Puedo ejecutar CogVideoX en una RTX 3060?
Sí. Una RTX 3060 de 12 GB ejecuta cómodamente tanto CogVideoX-2B como CogVideoX-5B con las optimizaciones estándar de diffusers activadas. Es la tarjeta de gama de entrada recomendada para generar con CogVideoX en local.
¿Puedo ejecutar CogVideo sin GPU?
No a velocidades usables en local, CogVideoX necesita una GPU NVIDIA. Si no tienes una, usa CogVideo Online para generar Texto a Vídeo, Imagen a Vídeo y Vídeo a Vídeo en tu navegador gratis, sin GPU ni instalación.
¿Cuáles son los requisitos mínimos de sistema para CogVideoX?
Python 3.10+, PyTorch 2.x con CUDA 12.x, diffusers >= 0.30.3, una GPU NVIDIA con al menos 6-8 GB de VRAM, 16 GB de RAM del sistema y unos 20-40 GB de espacio libre en disco para los pesos del modelo.
¿Qué es CogVideo / CogVideoX?
CogVideo (y la familia más reciente CogVideoX: 2B, 5B y 5B-I2V) es un modelo de código abierto de generación de texto a vídeo e imagen a vídeo desarrollado por THUDM/Zhipu AI. Puedes ejecutarlo en local o usarlo gratis en línea aquí en CogVideo.