> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-hi/video-generation/opensora.md).

# OpenSora

OpenSora के साथ वीडियो जनरेट करें, खुला-स्रोत Sora विकल्प

{% hint style="info" %}
**नई विकल्प उपलब्ध हैं!** [**FramePack**](/guides/guides_v2-hi/video-generation/framepack.md) केवल 6GB VRAM के साथ वीडियो बनाता है, [**Wan2.1**](/guides/guides_v2-hi/video-generation/wan-video.md) बेहतर गुणवत्ता प्रदान करता है, और [**LTX-2**](/guides/guides_v2-hi/video-generation/ltx-video-2.md) मूल ऑडियो जनरेशन जोड़ता है।
{% endhint %}

CLORE.AI GPUs पर ओपन-सोर्स Sora विकल्प OpenSora के साथ वीडियो बनाएं।

{% hint style="success" %}
सभी उदाहरण GPU सर्वरों पर चलाए जा सकते हैं, जिन्हें किराए पर लिया गया है [CLORE.AI मार्केटप्लेस](https://clore.ai/marketplace).
{% endhint %}

## OpenSora क्यों?

* **ओपन सोर्स** - पूर्ण Apache 2.0 लाइसेंस
* **Sora से प्रेरित** - OpenAI के Sora जैसी DiT आर्किटेक्चर
* **स्केलेबल** - कई मॉडल आकार और रिज़ॉल्यूशन
* **लंबे वीडियो** - अधिकतम 16 सेकंड तक जनरेट करें
* **सक्रिय विकास** - नियमित अपडेट और सुधार

## मॉडल वेरिएंट

| मॉडल           | रिज़ॉल्यूशन | अवधि | VRAM | गुणवत्ता |
| -------------- | ----------- | ---- | ---- | -------- |
| OpenSora 1.2   | 720p        | 16s  | 24GB | उत्कृष्ट |
| OpenSora 1.1   | 480p        | 8s   | 16GB | अच्छा    |
| OpenSora 1.0   | 256p        | 4s   | 8GB  | बेसिक    |
| Open-Sora-Plan | 512p        | 10s  | 20GB | उत्कृष्ट |

## CLORE.AI पर त्वरित परिनियोजन

**Docker इमेज:**

```
pytorch/pytorch:2.11.0-cuda12.8-cudnn9-devel
```

**पोर्ट:**

```
22/tcp
7860/http
```

**कमांड:**

```bash
git clone https://github.com/hpcaitech/Open-Sora && \
cd Open-Sora && \
pip install -e . && \\
pip install gradio && \
python scripts/inference.py \
    --prompt "धागे के गुच्छे के साथ खेलती हुई एक बिल्ली" \
    --num-frames 51 \
    --resolution 480p \
    --save-dir ./outputs
```

## अपनी सेवा तक पहुँचना

डिप्लॉयमेंट के बाद, अपना `http_pub` URL यहाँ **मेरे ऑर्डर**:

1. पर जाएँ **मेरे ऑर्डर** पेज
2. अपने ऑर्डर पर क्लिक करें
3. खोजें `http_pub` URL (उदा., `abc123.clorecloud.net`)

उपयोग करें `https://YOUR_HTTP_PUB_URL` की बजाय `localhost` नीचे दिए गए उदाहरणों में।

## हार्डवेयर आवश्यकताएँ

| मॉडल संस्करण | न्यूनतम GPU   | अनुशंसित      | उत्तम     |
| ------------ | ------------- | ------------- | --------- |
| OpenSora 1.0 | RTX 3070 8GB  | RTX 3090 24GB | RTX 4090  |
| OpenSora 1.1 | RTX 3090 16GB | RTX 4090 24GB | A100 40GB |
| OpenSora 1.2 | RTX 4090 24GB | A100 40GB     | A100 80GB |

## इंस्टॉलेशन

### सोर्स से

```bash
git clone https://github.com/hpcaitech/Open-Sora
cd Open-Sora

# निर्भरताएँ इंस्टॉल करें
pip install -e .

# मॉडल वज़न डाउनलोड करें
python scripts/download_weights.py --version 1.2
```

### pip का उपयोग करके

```bash
pip install opensora
```

## मूल उपयोग

### कमांड लाइन

```bash
# सरल जनरेशन
python scripts/inference.py \
    --prompt "समुद्र के ऊपर एक सुंदर सूर्यास्त, सिनेमाई" \
    --num-frames 51 \
    --resolution 480p \
    --save-dir ./outputs

# उच्च गुणवत्ता
python scripts/inference.py \
    --prompt "बादलों के बीच उड़ता हुआ एक भव्य गरुड़" \
    --num-frames 102 \
    --resolution 720p \
    --num-sampling-steps 100 \
    --save-dir ./outputs
```

### पायथन API

```python
import torch
from opensora.models import OpenSoraModel
from opensora.utils import export_to_video

# मॉडल लोड करें
model = OpenSoraModel.from_pretrained("hpcaitech/OpenSora-v1.2")
model.to("cuda")

# वीडियो जनरेट करें
prompt = "अंतरिक्ष में प्रक्षेपित होता हुआ एक रॉकेट, नाटकीय प्रकाश, सिनेमाई"

video = model.generate(
    prompt=prompt,
    num_frames=51,
    height=480,
    width=854,
    num_inference_steps=50,
    guidance_scale=7.0
)

# सहेजें
export_to_video(video, "rocket.mp4", fps=24)
```

## उन्नत जनरेशन

### नेगेटिव प्रॉम्प्ट्स के साथ

```python
video = model.generate(
    prompt="जंगल में बाघ की पेशेवर फोटोग्राफी",
    negative_prompt="धुंधला, कम गुणवत्ता, विकृत, आर्टिफैक्ट्स",
    num_frames=51,
    num_inference_steps=75,
    guidance_scale=7.5
)
```

### लंबे वीडियो

```python
# 24fps पर 16 सेकंड जनरेट करें
video = model.generate(
    prompt="बगीचे में फूलों के खिलने का टाइम-लैप्स",
    num_frames=384,  # 24fps पर 16 सेकंड
    height=480,
    width=854,
    num_inference_steps=100
)

export_to_video(video, "timelapse.mp4", fps=24)
```

### उच्च रिज़ॉल्यूशन

```python
# 720p जनरेशन (अधिक VRAM की आवश्यकता)
video = model.generate(
    prompt="रात में रोशनी से जगमगाते शहर का हवाई दृश्य",
    num_frames=51,
    height=720,
    width=1280,
    num_inference_steps=75
)
```

## प्रॉम्प्ट उदाहरण

### सिनेमाई

```python
prompts = [
    "समुराई का अपनी तलवार निकालते हुए सिनेमाई शॉट, नाटकीय प्रकाश, 4K",
    "तूफान के दौरान चट्टान पर बने किले का भव्य वाइड शॉट",
    "शांत तालाब में गिरती जल-बूंदों का स्लो मोशन",
    "रात में नीयॉन-रोशनी वाली साइबरपंक गली से गुजरता ट्रैकिंग शॉट"
]
```

### प्रकृति

```python
prompts = [
    "बर्फीले पहाड़ों के ऊपर नाचती अरोरा बोरेलिस, टाइम-लैप्स",
    "कोकून से निकलती तितली का मैक्रो शॉट",
    "सूर्यास्त के समय ज्वालामुखीय चट्टानों से टकराती समुद्री लहरें",
    "भोर में प्राचीन जंगल से बहती धुंध"
]
```

### अमूर्त

```python
prompts = [
    "पानी में गिरती रंग-बिरंगी पेंट बूंदें, स्लो मोशन",
    "विकसित और रूपांतरित होते फ्रैक्टल्स, साइकिडेलिक रंगों के साथ",
    "तरल धातु का विभिन्न आकारों में बदलना"
]
```

## कॉन्फ़िगरेशन विकल्प

### रिज़ॉल्यूशन प्रीसेट्स

```python
resolutions = {
    "256p": (256, 455),
    "360p": (360, 640),
    "480p": (480, 854),
    "720p": (720, 1280),
    "1080p": (1080, 1920)  # उच्च VRAM आवश्यक
}
```

### गुणवत्ता सेटिंग्स

```python
# तेज़ पूर्वावलोकन
config_fast = {
    "num_frames": 25,
    "num_inference_steps": 25,
    "guidance_scale": 5.0
}

# संतुलित
config_balanced = {
    "num_frames": 51,
    "num_inference_steps": 50,
    "guidance_scale": 7.0
}

# अधिकतम गुणवत्ता
config_quality = {
    "num_frames": 102,
    "num_inference_steps": 100,
    "guidance_scale": 7.5
}
```

## Gradio इंटरफ़ेस

```python
import gradio as gr
import torch
from opensora.models import OpenSoraModel
from opensora.utils import export_to_video
import tempfile

model = OpenSoraModel.from_pretrained("hpcaitech/OpenSora-v1.2")
model.to("cuda")

def generate_video(prompt, negative_prompt, frames, steps, guidance, resolution, seed):
    res_map = {"480p": (480, 854), "720p": (720, 1280)}
    height, width = res_map.get(resolution, (480, 854))

    generator = torch.Generator("cuda").manual_seed(seed) if seed > 0 else None

    video = model.generate(
        prompt=prompt,
        negative_prompt=negative_prompt,
        num_frames=frames,
        height=height,
        width=width,
        num_inference_steps=steps,
        guidance_scale=guidance,
        generator=generator
    )

    with tempfile.NamedTemporaryFile(suffix=".mp4", delete=False) as f:
        export_to_video(video, f.name, fps=24)
        return f.name

demo = gr.Interface(
    fn=generate_video,
    inputs=[
        gr.Textbox(label="प्रॉम्प्ट", lines=2),
        gr.Textbox(label="नेगेटिव प्रॉम्प्ट", value="धुंधला, कम गुणवत्ता"),
        gr.Slider(25, 200, value=51, step=1, label="फ़्रेम"),
        gr.Slider(20, 150, value=50, step=5, label="स्टेप्स"),
        gr.Slider(3, 15, value=7, step=0.5, label="गाइडेंस"),
        gr.Dropdown(["480p", "720p"], value="480p", label="रिज़ॉल्यूशन"),
        gr.Number(value=-1, label="सीड")
    ],
    outputs=gr.Video(label="जनरेट किया गया वीडियो"),
    title="OpenSora - टेक्स्ट से वीडियो",
    description="OpenSora का उपयोग करके वीडियो जनरेट करें। CLORE.AI पर चल रहा है।"
)

demo.launch(server_name="0.0.0.0", server_port=7860)
```

## मेमोरी अनुकूलन

```python
# मेमोरी अनुकूलन सक्षम करें
model.enable_model_cpu_offload()
model.enable_vae_tiling()

# बहुत कम VRAM के लिए
model.enable_sequential_cpu_offload()

# कम प्रिसीजन का उपयोग करें
model = OpenSoraModel.from_pretrained(
    "hpcaitech/OpenSora-v1.2",
    torch_dtype=torch.float16
)
```

## बैच जनरेशन

```python
import os

prompts = [
    "अग्नि से उठता हुआ एक फीनिक्स",
    "रात में शहर की सड़कों पर गिरती बारिश",
    "फूलों के खिलने का टाइम-लैप्स",
    "पहाड़ों के ऊपर उत्तरी रोशनी"
]

output_dir = "./videos"
os.makedirs(output_dir, exist_ok=True)

for i, prompt in enumerate(prompts):
    print(f"जनरेट किया जा रहा है {i+1}/{len(prompts)}: {prompt[:40]}...")

    video = model.generate(
        prompt=prompt,
        num_frames=51,
        num_inference_steps=50
    )

    export_to_video(video, f"{output_dir}/video_{i:03d}.mp4", fps=24)

    # जनरेशनों के बीच मेमोरी साफ़ करें
    torch.cuda.empty_cache()
```

## प्रदर्शन

| रिज़ॉल्यूशन | फ्रेम | स्टेप्स | GPU       | समय       |
| ----------- | ----- | ------- | --------- | --------- |
| 480p        | 51    | 50      | RTX 4090  | \~3 मिनट  |
| 480p        | 51    | 50      | A100 40GB | \~2 मिनट  |
| 720p        | 51    | 50      | A100 40GB | \~5 मिनट  |
| 720p        | 102   | 100     | A100 80GB | \~15 मिनट |

## लागत का अनुमान

CLORE.AI मार्केटप्लेस की सामान्य दरें:

| GPU           | प्रति घंटा दर | \~51 फ़्रेम 480p वीडियो/घंटा |
| ------------- | ------------- | ---------------------------- |
| RTX 4090 24GB | \~$0.10       | \~15-20                      |
| A100 40GB     | \~$0.17       | \~25-30                      |
| A100 80GB     | \~$0.25       | \~35 (720p कर सकता है)       |

*कीमतें बदलती रहती हैं। देखें* [*CLORE.AI मार्केटप्लेस*](https://clore.ai/marketplace) *वर्तमान दरों के लिए।*

## समस्या निवारण

### मेमोरी समाप्त

```bash
# छोटे रिज़ॉल्यूशन का उपयोग करें
python scripts/inference.py --resolution 360p --num-frames 25

# CPU ऑफलोड सक्षम करें
python scripts/inference.py --cpu-offload

# बैच आकार कम करें
python scripts/inference.py --batch-size 1
```

### धीमी जनरेशन

* कम करें `num_inference_steps` (30-50 अक्सर पर्याप्त होता है)
* प्रिव्यू के लिए कम रिज़ॉल्यूशन का उपयोग करें
* सुनिश्चित करें कि GPU का उपयोग हो रहा है (जांचें `nvidia-smi`)

### खराब गुणवत्ता

* स्टेप्स को 75-100 तक बढ़ाएँ
* अधिक वर्णनात्मक प्रॉम्प्ट्स का उपयोग करें
* आर्टिफैक्ट्स के लिए नेगेटिव प्रॉम्प्ट्स जोड़ें
* विभिन्न गाइडेंस स्केल आज़माएँ (5-10)

### वीडियो आर्टिफैक्ट्स

* गाइडेंस स्केल कम करें
* इन्फरेंस स्टेप्स बढ़ाएँ
* टेम्पोरल स्मूदिंग का उपयोग करें
* वीडियो स्टेबलाइज़ेशन से पोस्ट-प्रोसेस करें

## OpenSora बनाम अन्य

| विशेषता            | OpenSora 1.2 | Hunyuan  | Wan2.1     | SVD   |
| ------------------ | ------------ | -------- | ---------- | ----- |
| आर्किटेक्चर        | DiT          | DiT      | DiT        | U-Net |
| अधिकतम अवधि        | 16s          | 5s       | 5s         | 4s    |
| अधिकतम रिज़ॉल्यूशन | 720p         | 720p     | 720p       | 576p  |
| गुणवत्ता           | उत्कृष्ट     | उत्कृष्ट | उत्कृष्ट   | अच्छा |
| गति                | मध्यम        | धीमा     | तेज़       | तेज़  |
| लाइसेंस            | Apache 2.0   | खोलें    | Apache 2.0 | खोलें |

**OpenSora का उपयोग करें जब:**

* लंबी वीडियो जनरेशन की आवश्यकता हो
* पूर्ण Apache 2.0 लाइसेंस चाहते हों
* Sora-जैसी आर्किटेक्चर में रुचि हो
* सक्रिय कम्युनिटी समर्थन की आवश्यकता हो

## Open-Sora-Plan विकल्प

एक और ओपन-सोर्स विकल्प:

```bash
git clone https://github.com/PKU-YuanGroup/Open-Sora-Plan
cd Open-Sora-Plan
pip install -e .

python scripts/inference.py \
    --prompt "आपका प्रॉम्प्ट यहाँ" \
    --output video.mp4
```

## अगले चरण

* [Hunyuan Video](/guides/guides_v2-hi/video-generation/hunyuan-video.md) - उच्च गुणवत्ता वाला T2V
* [वान2.1 वीडियो](/guides/guides_v2-hi/video-generation/wan-video.md) - तेज़ जनरेशन
* [स्टेबल वीडियो डिफ्यूज़न](/guides/guides_v2-hi/video-generation/stable-video-diffusion.md) - इमेज एनीमेशन
* [RIFE इंटरपोलेशन](/guides/guides_v2-hi/video-processing/rife-interpolation.md) - फ्रेम इंटरपोलेशन


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-hi/video-generation/opensora.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.