CogVideoX-5BとHunyuanVideo｜短尺の英語設計と720pの実行条件

480pの短尺を英語プロンプトで設計するならCogVideoX-5B、720pを含む初代HunyuanVideoの公式構成を用意できるなら、その条件で検証計画を立てます。モデルの大きさだけで画質や費用は決まりません。

公式の公開ウェイトと推論資料を2026年10月19日に確認しました。モデルを実行した画質・速度・費用の測定結果ではありません。

執筆・確認：株式会社志庵編集担当　確認日：2026年10月19日

この記事の目次

初代のテキスト生成モデル同士に限定する

CogVideoXはzai-org/CogVideoX-5b、Hunyuanはtencent/HunyuanVideoの初代T2Vを対象にします。CogVideoX1.5、5B-I2V、HunyuanVideo-I2Vや後継版の機能を、この比較へ足しません。

選択を分けるのは、文章から短い映像を設計するときの入力条件と、用意する実行環境です。どちらも完成写真を入力するI2V比較とは異なり、商品の形状を写真どおりに固定できる前提は置きません。

2026年10月19日に確認した公式資料。推論方式・版を各列へ固定
判断軸	CogVideoX-5B	初代HunyuanVideo
入力	英語テキスト、226トークンという公式モデルカード。	テキスト入力。別のprompt rewrite手順を案内。
出力の基準	720×480、6秒、8fps。	公式GPU表は1280×720／960×544、いずれも129フレーム。
実行条件	Diffusers、SAT、量子化・offloadで条件が変わる。	公式表はbatch 1で720p 60GB、544p 45GB。80GB GPUで試験。
保存対象	元の日本語指示、英訳、重み・推論設定。	元の指示、rewrite前後、重み・解像度・GPU構成。

CogVideoXの低VRAM表は最適化を有効にした条件付きの値です。Hunyuanの公式構成と測定方法が違うため、この表から同じGPU上の速度や費用を順位付けしません。

CogVideoXでは、日本語の企画を英語へ直した最終文を保存し、商品名、動作順、画角が翻訳で変わっていないか確認します。226トークンへ収める際に必要な条件まで削ると、モデル比較より前に入力が変わります。

HunyuanのrewriteにはNormalとMasterという方法があります。構図や照明などを加えた文と元の指示は分けて残します。自動的に膨らませた文章だけをCogVideoXへ渡した結果を、同条件の比較とは呼びません。

仮に「机の上で紙の模型へ近づく導入」を作る場合、480pのラフ確認と720pの編集素材では必要な出力が違います。まず動作とカメラを文章へ固定し、それぞれの公式設定で得た素材を同じ編集尺へ合わせる計画にします。実際の生成はしていません。

比較の記録には元フレーム数と書き出しfpsを残し、後から行った補間や拡大を別工程にします。費用はGPU稼働、準備、失敗と再実行を合計してから評価し、ダウンロードできることを制作費ゼロとはみなしません。

確認日は2026年10月19日です。正式な配布名、入力、推論構成を確認し、実測していない画質・速度の順位は付けていません。重みとコードの利用条件はそれぞれの配布元で確認します。本記事の例は仮の制作計画です。