> 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

{% hint style="info" %}
**नए विकल्प उपलब्ध!** [**FramePack**](/guides/guides_v2-hi/video-generation/framepack.md) सिर्फ 6GB VRAM के साथ वीडियो उत्पन्न करता है, [**Wan2.1**](/guides/guides_v2-hi/video-generation/wan-video.md) श्रेष्ठ गुणवत्ता प्रदान करता है, और [**LTX-2**](/guides/guides_v2-hi/video-generation/ltx-video-2.md) देशी ऑडियो जेनरेशन जोड़ता है।
{% endhint %}

CLORE.AI GPUs पर OpenSora, ओपन-सोर्स Sora विकल्प का उपयोग करके वीडियो जनरेट करें।

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

## OpenSora क्यों?

* **ओपन सोर्स** - पूर्ण Apache 2.0 लाइसेंस
* **Sora-प्रेरित** - OpenAI के Sora की तरह DiT आर्किटेक्चर
* **स्केलेबल** - कई मॉडल आकार और रिज़ॉल्यूशन
* **लंबे वीडियो** - 16 सेकंड तक जेनरेट 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 | बहुत अच्छा |

## CLORE.AI पर त्वरित डिप्लॉय

**Docker इमेज:**

```
pytorch/pytorch:2.5.1-cuda12.4-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 "A cat playing with yarn" \
    --num-frames 51 \
    --resolution 480p \
    --save-dir ./outputs
```

## अपनी सेवा तक पहुँचना

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

1. जाएँ **मेरे ऑर्डर** पृष्ठ
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 उदाहरणों में।

## हार्डवेयर आवश्यकताएँ

| मॉडल संस्करण | न्यूनतम GPU   | अनुशंसित      | सर्वोत्तम |
| ------------ | ------------- | ------------- | --------- |
| 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

### स्रोत से

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

# निर्भरताएँ इंस्टॉल करें
pip install -e .

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

### pip का उपयोग

```bash
pip install opensora
```

## मूल उपयोग

### कमांड लाइन

```bash
# सरल जनरेशन
python scripts/inference.py \
    --prompt "A beautiful sunset over the ocean, cinematic" \
    --num-frames 51 \
    --resolution 480p \
    --save-dir ./outputs

# उच्च गुणवत्ता
python scripts/inference.py \
    --prompt "A majestic eagle soaring through clouds" \
    --num-frames 102 \
    --resolution 720p \
    --num-sampling-steps 100 \
    --save-dir ./outputs
```

### Python 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 = "A rocket launching into space, dramatic lighting, cinematic"

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 जेनरेशन

### निगेटिव प्रॉम्प्ट के साथ

```python
video = model.generate(
    prompt="Professional photography of a tiger in the wild",
    negative_prompt="blurry, low quality, distorted, artifacts",
    num_frames=51,
    num_inference_steps=75,
    guidance_scale=7.5
)
```

### लंबे वीडियो

```python
# 24fps पर 16 सेकंड जेनरेट करें
video = model.generate(
    prompt="Time-lapse of flowers blooming in a garden",
    num_frames=384,  # 16 seconds at 24fps
    height=480,
    width=854,
    num_inference_steps=100
)

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

### उच्च रिज़ॉल्यूशन

```python
# 720p जेनरेशन (अधिक VRAM की आवश्यकता)
video = model.generate(
    prompt="Aerial view of a city at night with lights",
    num_frames=51,
    height=720,
    width=1280,
    num_inference_steps=75
)
```

## प्रॉम्प्ट उदाहरण

### सिनेमैटिक

```python
prompts = [
    "Cinematic shot of a samurai drawing his sword, dramatic lighting, 4K",
    "Epic wide shot of a castle on a cliff during a storm",
    "Slow motion of water droplets falling into a still pond",
    "Tracking shot through a neon-lit cyberpunk alley at night"
]
```

### प्रकृति

```python
prompts = [
    "Aurora borealis dancing over snowy mountains, time-lapse",
    "Macro shot of a butterfly emerging from cocoon",
    "Ocean waves crashing on volcanic rocks at sunset",
    "Fog rolling through an ancient forest at dawn"
]
```

### Abstract

```python
prompts = [
    "Colorful paint drops falling into water, slow motion",
    "Fractals evolving and transforming, psychedelic colors",
    "Liquid metal morphing into different shapes"
]
```

## कॉन्फ़िगरेशन विकल्प

### रिज़ॉल्यूशन प्रीसेट

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

### गुणवत्ता सेटिंग्स

```python
# तेज प्रीव्यू
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="Prompt", lines=2),
        gr.Textbox(label="Negative Prompt", value="blurry, low quality"),
        gr.Slider(25, 200, value=51, step=1, label="फ्रेम्स"),
        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="Seed")
    ],
    outputs=gr.Video(label="Generated Video"),
    title="OpenSora - टेक्स्ट से वीडियो",
    description="OpenSora का उपयोग करके वीडियो जेनरेट 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()

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

## बैच जनरेशन

```python
import os

prompts = [
    "A phoenix rising from flames",
    "Rain falling on city streets at night",
    "Flowers blooming time-lapse",
    "Northern lights over mountains"
]

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

for i, prompt in enumerate(prompts):
    print(f"Generating {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)

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

## प्रदर्शन

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

## लागत अनुमान

सामान्य CLORE.AI मार्केटप्लेस दरें:

| GPU           | घंटात्मक दर | \~51 frame 480p videos/hour |
| ------------- | ----------- | --------------------------- |
| RTX 4090 24GB | \~$0.10     | \~15-20                     |
| A100 40GB     | \~$0.17     | \~25-30                     |
| A100 80GB     | \~$0.25     | \~35 (can do 720p)          |

*कीमतें भिन्न होती हैं। जाँच करें* [*CLORE.AI मार्केटप्लेस*](https://clore.ai/marketplace) *वर्तमान दरों के लिए।*

## समस्याओं का निवारण

### आउट ऑफ़ मेमोरी

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

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

# बैच साइज घटाएँ
python scripts/inference.py --batch-size 1
```

### धीमा जनरेशन

* घटाएँ `num_inference_steps` (30-50 often enough)
* प्रिव्यू के लिए निम्न रिज़ॉल्यूशन का उपयोग करें
* सुनिश्चित करें कि GPU उपयोग में है (जांचें `nvidia-smi`)

### खराब गुणवत्ता

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

### वीडियो आर्टिफैक्ट्स

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

## OpenSora बनाम अन्य

| फ़ीचर              | 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           | बहुत अच्छा   | उत्कृष्ट | उत्कृष्ट   | अच्छा |
| स्पीड              | मध्यम        | धीमा     | तेज़       | तेज़  |
| लाइसेंस            | Apache 2.0   | खोलें    | Apache 2.0 | खोलें |

**OpenSora का उपयोग करें जब:**

* लंबा वीडियो जनरेशन चाहिए
* पूर्ण Apache 2.0 लाइसेंस चाहते हैं
* Sora-जैसी आर्किटेक्चर में रुचि हो
* सक्रिय समुदाय समर्थन चाहिए

## 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 "Your prompt here" \
    --output video.mp4
```

## अगले कदम

* [Hunyuan Video](/guides/guides_v2-hi/video-generation/hunyuan-video.md) - उच्च गुणवत्ता T2V
* [Wan2.1 Video](/guides/guides_v2-hi/video-generation/wan-video.md) - तेज़ जेनरेशन
* [Stable Video Diffusion](/guides/guides_v2-hi/video-generation/stable-video-diffusion.md) - इमेज एनिमेशन
* [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.