智谱清影

智谱清影是智谱 AI 于 2024 年 7 月 26 日发布的 AI 视频生成工具，以”CogVideoX 开源模型 + 清影 C 端免费不限次 + 4K/60fps 升级 + 中文提示词遵循最强 + 可本地部署”为核心差异化。清影的突破口是”开源可自托管 + C 端零成本试错 + 清华系技术背书“——它不是去拼电影级长片（那是 Veo/Sora/可灵的战场），而是把”开发者友好 + 新手零门槛 + 学术研究可复现“做到国产第一，让用户和企业在”不被锁定”的前提下使用视频生成能力 。

💡 一句话理解智谱清影：它是 智谱 AI 的 C 端视频生成产品（基于 CogVideoX 模型）——以”文生视频/图生视频 + 6 秒 30 秒极速出片（初代）→ 10 秒 4K 60fps + AI 音效（2.0 升级）+ 多风格（卡通3D/油画/黑白/电影感）+ 老照片动起来 + C 端免费不限次 + 付费加速 5元/日或199元/年 + 开放平台 CogVideoX-2 ¥0.5/请求、CogVideoX-3 ¥1/请求 + CogVideoX 权重开源可本地部署（2B 约 16GB 显存）“为核心；与可灵的”长时序”、Runway 的”Motion Brush”、Veo 的”Google 生态”、Sora 的”ChatGPT 生态”、即梦的”剪映闭环”、Pika 的”社交特效”路线均不重叠。清影的差异化在于”开源+免费+清华系+中文遵循最强“——但代价是单次时长偏短（6-10 秒）、排队等待、电影级长片叙事能力弱于可灵。

 

产品概述

清影是智谱 AI 于 2024 年 7 月 26 日在 Open Day 上发布的 AI 视频生成工具，基于自研 CogVideoX 模型（DiT 架构 + 3D VAE + Expert Transformer）。

模型演进：

• CogVideoX（初代）：2024 年 7 月发布，6 秒时长、1440×960 分辨率、16fps，理论上 30 秒出片
• CogVideoX 1.5：2024 年 11 月升级，1360×768 分辨率、16fps、5-10 秒时长
• 清影 2.0（CogVideoX v1.5 驱动）：10 秒时长、4K 分辨率、60fps、AI 音效生成（CogSound 同步音频）​
• 开源权重：CogVideoX-2B（Apache 2.0，约 16GB 显存可跑）、CogVideoX-5B（CogVideoX License），ICLR 2025 论文收录

视频生成核心规格​ ：

• 单次时长：C 端 5-10 秒（初代 6 秒 → 2.0 升级 10 秒）；开源 2B 约 6 秒
• 最高分辨率：4K（2.0 升级）
• 帧率：60fps（2.0 升级）
• 画幅：3:2（1440×960 初代）→ 支持多画幅
• 输入模态：文本、图像（文生视频/图生视频）

多风格渲染：卡通 3D、黑白、油画、电影感、皮克斯风格、动漫风格、摄影风格 。

入口矩阵：

 

核心能力

1. 文生视频 / 图生视频

• 文生视频：输入不超过 1000 字的文本描述，生成 5-10 秒动态视频
• 图生视频：上传静态图片，CogVideoX 理解画面语义生成动态效果（如老照片动起来、商品图动态化）
• 老照片动起来：小程序一键让黑白老照片上色 + 动态化

2. 中文提示词遵循（清影的招牌能力）

• CogVideoX 是开源视频模型中对复杂多从句提示词遵循最强的模型​
• 清华系技术背书，中文语义理解精准
• 这也是清影相对海外开源模型（HunyuanVideo、Wan）的显著差异化优势

3. 多风格渲染

• 支持卡通 3D、黑白、油画、电影感、皮克斯风格、动漫风格、摄影风格等十余种风格
• 智能风格迁移：一键改变视频整体视觉效果

4. AI 音效生成（CogSound，2.0 升级）

• 2.0 升级后引入 CogSound 模型，视频生成同时输出同步音效​
• 10 秒 1080p 输出可带同步音频

4K / 60fps 超高清（2.0 升级）

• 2024 年 11 月 8 日升级后，清影支持生成 10 秒、4K、60fps​ 超高清视频
• 这是国产视频工具中纸面参数最高的规格之一​

6. 运镜控制

• 支持推、拉、平移、跟随等基础运镜
• “相机可以平滑跟随画面中三只狗的移动”——多主体运镜遵循能力

7. 开源与本地部署（清影的独门绝技）

• CogVideoX-2B：Apache 2.0 许可，单张约 16GB 显存消费级 GPU 即可运行（GTX 1080 Ti 亦可）
• CogVideoX-5B：CogVideoX License，开源权重
• CogKit 微调框架：支持 LoRA 微调
• ComfyUI 集成：社区提供数百个工作流
• MIT/Apache 2.0 许可：可商用、可自托管、可微调
• 这是清影相对 Sora（封闭）、可灵（封闭）、Runway（封闭）的根本性差异化——它是 2026 年少数可真正自托管、可微调的开源视频模型​

8. 开放平台 API

• CogVideoX-2：¥0.5/请求（批量 ¥0.25/请求）
• CogVideoX-3：¥1/请求
• OpenAI 兼容接口，新账号赠送约 ¥18 测试额度

 

收费模式

清影采用” C 端免费不限次 + 付费加速 + 开放平台按请求计费 + 开源免费自托管”四轨制​ 。

1. C 端（chatglm.cn/video / 智谱清言 App）

💡 关键特点：清影 C 端基础功能完全免费、不限次​ ——这是国产视频工具中唯一的”真免费不限次”政策，可灵/即梦都需要消耗积分。

2. 开放平台 API（bigmodel.cn）

⚠️ 新账号赠送约 ¥18 测试额度，可生成约 18-36 条视频

3. 自托管成本

• CogVideoX-2B 开源权重免费下载
• 单张 16GB 显存 GPU 即可推理（如 RTX 4060 Ti 16GB、RTX 4080 等消费级显卡）
• 本地部署无按次费用，但需自备硬件

4. 成本对比

💡 清影是 2026 年国产视频工具中”真免费”的代表——不限次生成 0 成本，付费仅为加速；API 端 ¥0.5-1/请求也是全网最低之一。

 

优势亮点

🎬 C 端真免费不限次

所有用户均可免费、不限次使用文生视频/图生视频 ——这是相对可灵（每日 6 次免费）、即梦（每日 60 积分）的最大差异化优势。

🎬 开源可自托管（独门绝技）

CogVideoX-2B 以 Apache 2.0 许可开源，消费级 GPU（16GB 显存）即可本地部署​ ——对数据隐私有要求的企业、高校、科研机构，这是除 Wan2.1 外唯一可行的国产开源选项​ 。

🎬 中文提示词遵循最强

CogVideoX 是开源视频模型中对复杂多从句中文提示词遵循最强的模型 ——清华系技术积累的体现。

🎬 4K / 60fps 纸面规格最高

2.0 升级后支持 10 秒 4K 60fps 输出 ——国产视频工具中纸面参数最高 。

🎬 CogSound 同步音效

2.0 升级引入 CogSound，视频生成同时输出同步音效 ——具备音画同步能力。

🎬 多风格渲染

卡通 3D、油画、黑白、电影感、皮克斯、动漫、摄影等十余种风格 ——创意表达最多元。

🎬 老照片动起来

“老照片动起来”小程序一键让黑白老照片上色 + 动态化 ——怀旧、亲情、教育场景的杀手锏功能 。

🎬 API 极便宜

CogVideoX-2 ¥0.5/请求、CogVideoX-3 ¥1/请求 ——开发者批量调用成本全网最低之一 。

🎬 清华系学术背书

ICLR 2025 收录，GitHub 超 12,700 stars ——学术认可度国产最高 。

 

局限与风险

⚠️ 单次时长偏短

C 端最长 10 秒（2.0 升级后），开源 2B 仅 6 秒 ——远不及可灵（15 秒+续写 3 分钟）、Runway（60 秒）、Veo 3.1（场景延展 148 秒）。不适合长视频叙事 。

⚠️ 排队等待

免费用户需要排队，约 1 分钟起，高峰期 18 分钟甚至更久​ ——生产效率受限，必须购买加速包 。

⚠️ 电影级写实质感弱于可灵/Veo/Sora

清影输出质量”competitive but not category-leading” ——极限电影写实场景仍首选可灵 3.0 / Veo 3.1 / Sora 2。

⚠️ 人物生成质量偏弱

CogVideoX 开源模型在人体真实感、运动合理性维度弱于场景/物体生成 ——人物特写、复杂动作易崩 。

⚠️ 角色一致性跨镜头会漂移

3 分钟成片测试中，清影角色崩坏率 13.9% ——虽然优于多数付费工具，但跨 20 段拼接后人物连续性丢失严重 。

⚠️ 功能基础，缺少专业级控制

没有 Motion Brush、没有首尾帧锁定、没有多镜头叙事编排 ——专业影视工作流仍需可灵/Runway 。

⚠️ 画风选择少，迭代速度慢

相对即梦 Seedance 2.5 的快速迭代，清影的模型更新节奏偏慢 。

⚠️ 开源模型仅接受英文提示词

开源 CogVideoX 权重只接受英文提示词（224-226 token 限制）——中文用户需用 C 端清影产品（内置翻译）或外部翻译工具 。

⚠️ 会员体系不统一

C 端付费加速（5 元/日、199 元/年）与第三方渠道会员（¥19-39/月）并存，权益边界不清晰 。

 

适用场景

核心用户：AI 视频新手、零成本试错用户、教育/科研机构、需要本地部署的企业、开发者/研究人员、老照片动态化需求者、轻量级内容创作者 。

最佳适用场景​ ✅：

• 新手零成本试错：免费不限次，无需积分焦虑
• 教育与科研：CogVideoX 开源可复现，高校 AI 视频课程首选
• 企业本地部署：数据不出本地，满足合规要求（16GB 显存即可）
• 老照片/老素材活化：”老照片动起来”小程序一键上色+动态化
• 中文多从句提示词场景：CogVideoX 对复杂中文提示词遵循最强
• 轻量级短视频：风景、动物、超现实、人文历史类内容（清影的强项领域）
• 开发者批量调用：API ¥0.5-1/请求，成本极低
• 快速概念验证：AI 短剧/广告前期 30 秒出片验证创意

不适用场景​ ❌：

• 电影级写实长片​ → 可灵 3.0 / Veo 3.1 / Sora 2 更强
• >30 秒长视频叙事​ → 可灵（3 分钟续写）/ Runway（60 秒）
• 导演级运动控制​ → Runway Motion Brush
• 抖音/视频号一站式闭环​ → 即梦（剪映生态）
• 社交爆款特效​ → Pika（Pikaffects）
• 复杂人物/多人互动​ → 清影人物生成质量偏弱
• 4K 商业广告​ → 虽然清影纸面支持 4K，但实际写实质感弱于可灵 3.0 / Veo 3.1