Product
Open-Sora
HPC-AI Tech's open-source video model; training cost $199.6K, with sample counts disclosed for three stages
Overview
- HQ: Beijing
- Funding: HPC-AI Tech
- Links: https://arxiv.org/html/2503.09642
This profile was compiled from the AI training-data column cards (Video generation); each column's data view is shown below under "Data profile" (in Chinese).
Data profile · 视频生成
Open-Sora（2.0）
潞晨开源视频模型，训练成本 $199.6K，披露三段样本量
- 数据类型
- 网络视频；图像
- 规模口径
- 256px 7000 万 / 256px T/I2V 1000 万 / 768px 500 万样本
- 客户
- 开源社区
数据规模与来源
Open-Sora 2.0（arXiv 2503.09642）训练样本为 7000 万（256px T2V）、1000 万（256px T/I2V）、500 万（768px T/I2V）[1]。2.0 未点名视频来源；早期版本使用 panda-70m 等开源集，许可状态沿上游。总训练成本 $199.6K（约 4160 H200 GPU 天），是少数公开成本的视频模型。
加工
原始视频规则过滤：<2s、bpp<0.02、<16fps、宽高比超出 [1/3,3] 者丢弃；FFmpeg 场景切分、去黑边、>8s 切段；五类打分过滤：美学、运动、模糊、OCR、抖动。caption 方面 256px 用 LLaVA-Video，768px 用 Qwen2.5 Max [1]。
缺口
SFT 与偏好数据量未披露，无自有平台、无授权库，也无合成数据；法律事件未查到。其价值在于复现路径清晰而非数据独家。
Last compiled: 2026-10-15