cosmos-transfer2.5

用多个空间条件精准控制视频生成，打造可控世界模拟。

Cosmos-Transfer2.5 是 NVIDIA 开源的视频生成模型，基于 Cosmos-Predict2.5 构建，专注于多空间控制条件下的高质量世界模拟。它解决的核心问题是：在视频生成中，如何通过多个空间控制输入（如深度图、分割图、边缘图等）精确引导生成内容，实现可控的世界仿真。该模型支持多种条件输入组合，能够生成符合物理规律和空间结构的视频序列，适用于自动驾驶仿真、机器人训练、虚拟环境构建等领域。其核心能力包括：多模态空间条件融合、高保真视频生成、以及基于世界模型的因果推理。项目代码以 Python 为主，依赖 PyTorch 等深度学习框架，提供了推理和微调脚本，方便开发者二次开发。目前项目处于早期阶段，但已获得 715 星标，显示出社区对可控视频生成方向的关注。

开源 free 视频生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 715

维护状态维护中

是否开源是

定价模式 free

项目数据

分类视频生成

开发团队nvidia-cosmos

所属国家

官网地址https://research.nvidia.com/labs/dir/cosmos-transfer2.5

GitHubhttps://github.com/nvidia-cosmos/cosmos-transfer2.5

定价模式free

价格说明开源项目，Apache-2.0许可证，可免费本地部署使用

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型spatial-controls,video-generation,world-models,world-simulation

GitHub 星标★ 715

30天Star增速

HF 下载量

上线时间2025-09-25 00:00:00

最近更新2026-08-09 00:00:00

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数0

核心亮点

支持深度图、分割图等多种空间控制输入，生成结果可控性强
基于世界模型，视频生成符合物理规律和空间一致性
提供推理和微调脚本，便于二次开发和定制

不足之处

文档/社区待观察
模型体积和推理资源消耗可能较大，对硬件要求高

适用场景

自动驾驶场景仿真，生成多视角可控视频
机器人操作训练，生成符合物理规则的环境视频
虚拟制片和游戏开发，快速生成背景或过场动画

替代项目

Stable Video Diffusion、Runway Gen-3、NVIDIA Cosmos-Predict2.5

项目介绍

cosmos-transfer2.5 是一个视频生成领域的开源项目，官方简介：Cosmos-Transfer2.5, built on top of Cosmos-Predict2.5, produces high-quality world simulations conditioned on multiple spatial control inputs.。项目使用 Python 开发，在 GitHub 上获得 715 星标。

上一篇：ID-LoRA-LTX2.3-ComfyUI

下一篇：NAVA