Cog
Configuration système requise pour CogVideo : guide VRAM, GPU et matériel
Tout ce qu'il faut pour exécuter CogVideoX en local : VRAM, GPU et configuration système précise pour CogVideoX-2B, 5B et 5B-I2V. Vous n'avez pas de GPU adapté ? Générez vos vidéos en ligne, gratuitement.
Réponse rapide
Minimum ~4 Go de VRAM (CogVideoX-2B, optimisé) · recommandé 12 Go (RTX 3060) · ou exécutez-le gratuitement en ligne sans GPU.
Besoins en VRAM de CogVideoX par modèle
VRAM d'inférence sur un seul GPU avec les optimisations de diffusers activées (enable_model_cpu_offload, vae.enable_tiling, etc.). Les désactiver multiplie le pic de VRAM par environ 3.
| Modèle | Inférence (optimisée) | Quantifié INT8 | Sans optimisation | Réglage fin (LoRA) |
|---|---|---|---|---|
| CogVideoX-2B | dès 4 Go (FP16) | dès 3,6 Go (INT8) | ~3× plus (≈12 Go+) | 47 Go (LoRA) |
| CogVideoX-5B | dès 5 Go (BF16) | dès 4,4 Go (INT8) | ~3× plus (≈15 Go+) | 63 Go (LoRA) |
| CogVideoX-5B-I2V (Image vers Vidéo) | dès 5 Go (BF16) | dès 4,4 Go (INT8) | ~3× plus (≈15 Go+) | 63 Go (LoRA) |
Les chiffres de réglage fin correspondent aux NVIDIA A100/H100. CogVideoX1.5-5B vise une résolution plus élevée et des clips plus longs : attendez-vous donc à une VRAM proportionnellement plus importante.
GPU recommandés
Minimum · 6-8 Go de VRAM
p. ex. RTX 2060, RTX 3050, GTX 1660
Fonctionne avec la quantification INT8 et le déchargement vers le CPU activés. La génération est lente mais fonctionnelle pour CogVideoX-2B/5B.
Recommandé · 12 Go de VRAM
p. ex. RTX 3060 12GB, RTX 4070
Exécute confortablement CogVideoX-2B comme 5B avec les optimisations activées. Le meilleur rapport qualité-prix pour un usage local.
Haute performance · 24 Go de VRAM
p. ex. RTX 3090, RTX 4090, A5000
Exécution sans optimisations de mémoire, pour l'inférence la plus rapide et des clips plus longs ou en plus haute résolution.
Réglage fin · 48-80 Go de VRAM
p. ex. A100, H100
Nécessaire pour le réglage fin avec LoRA (47 Go pour 2B, 63 Go pour 5B avec une taille de lot de 1).
Logiciels locaux et configuration système requise
- Système d'exploitation : Linux (Ubuntu 20.04+) ou Windows 10/11 (WSL2 recommandé).
- Python 3.10 ou version supérieure (Anaconda recommandé pour configurer l'environnement).
- PyTorch 2.x compilé avec la prise en charge de CUDA 12.x.
- diffusers >= 0.30.3 (seule la version diffusers prend en charge la quantification INT8/FP8).
- GPU NVIDIA avec pilotes à jour. Avec la quantification, le modèle peut tenir sur un Colab T4 gratuit.
- RAM système : 16 Go minimum, 32 Go recommandés.
- Espace disque : ~20-40 Go pour les poids du modèle et les dépendances.
Première installation en local ? Suivez le guide d'utilisation de CogVideo pour les étapes d'installation, ou consultez la documentation officielle de GitHub.
Configuration requise en ligne (sans GPU)
- Un navigateur moderne : Chrome, Firefox, Edge ou Safari (dernière version).
- Une connexion internet stable (10 Mbps+ pour une génération fluide).
- Un compte CogVideo gratuit. Aucun GPU, pilote ni installation requis.
Questions fréquentes
De combien de VRAM ai-je besoin pour exécuter CogVideo ?
Avec les optimisations de mémoire de diffusers activées, CogVideoX-2B fonctionne dès environ 4 Go de VRAM (3,6 Go avec INT8) et CogVideoX-5B dès environ 5 Go (4,4 Go avec INT8). Désactiver ces optimisations multiplie le pic de VRAM par environ 3. Pour une expérience fluide, nous recommandons un GPU de 12 Go comme la RTX 3060.
Puis-je exécuter CogVideoX sur une RTX 3060 ?
Oui. Une RTX 3060 de 12 Go exécute confortablement CogVideoX-2B comme CogVideoX-5B avec les optimisations standard de diffusers activées. C'est la carte d'entrée de gamme recommandée pour générer avec CogVideoX en local.
Puis-je exécuter CogVideo sans GPU ?
Pas à des vitesses utilisables en local : CogVideoX a besoin d'un GPU NVIDIA. Si vous n'en avez pas, utilisez CogVideo Online pour générer du Texte vers Vidéo, de l'Image vers Vidéo et de la Vidéo vers Vidéo dans votre navigateur, gratuitement, sans GPU ni installation.
Quelle est la configuration système minimale requise pour CogVideoX ?
Python 3.10+, PyTorch 2.x avec CUDA 12.x, diffusers >= 0.30.3, un GPU NVIDIA avec au moins 6-8 Go de VRAM, 16 Go de RAM système et environ 20-40 Go d'espace disque libre pour les poids du modèle.
Qu'est-ce que CogVideo / CogVideoX ?
CogVideo (et la famille plus récente CogVideoX : 2B, 5B et 5B-I2V) est un modèle open source de génération de texte vers vidéo et d'image vers vidéo développé par THUDM/Zhipu AI. Vous pouvez l'exécuter en local ou l'utiliser gratuitement en ligne, ici, sur CogVideo.