社区盼开源图生视频模型如久旱盼甘霖 | We really need an image2video CogVideoX!

[StarCycle]

Feature request / 功能建议

希望能看到CogVideoX的图生视频版本！！！

Motivation / 动机

社区盼开源图生视频模型如久旱盼甘霖，只生成6s短视频的文生视频模型在生产中用处比较有限，用6s短视频表达清楚创作者的意思是困难的。

只有具备图生视频能力，才能在拼接多段短视频时保持人物和场景的一致性，才能创作出长视频。从文生视频到图生视频，在技术上只是小小一步，但对创作者而言是能用和不能用的区别。

至于训练生成更长短视频的模型（比如8秒，10秒）相对而言不是那么重要，一般一个镜头时长不会超过6秒。

Your contribution / 您的贡献

您发布初始版本以后，我可以试用或者提PR改进网络结构（如果您这边愿意提供微调数据）。

比如OpenSoraPlan为了实现根据前后帧inpaint中间帧，采用了如下的方式训练I2V模型：