日期: 2025-03-08
作者: 乐虎体育直播jrs
上个月初，文言君说过，阿里达摩院正在研制类ChatGPT的对话机器人，其时已开放给公司内职工测验。
就在昨日，阿里达摩院低沉地在魔搭社区（ModelScope）放出了“文本生成视频大模型”。魔搭，是达摩院在上一年11月推出的开源模型渠道。
依据官方介绍，现在这个模型，由文本特征提取、文本特征到视频隐空间分散模型、视频隐空间到视频视觉空间这3个子网络组成，全体模型参数约17亿。支撑英文输入。分散模型选用Unet3D结构，经过从纯高斯噪声视频中，迭代去噪的进程，完成视频生成的功用。
文言君方才试了一把。输入提示词：A panda eating bamboo on a rock，等了差不多77秒，收到一段2秒钟的视频。 感受一下~
假如换成中文：一只大熊猫坐在岩石上吃竹子，出来的成果便是一只类似于猫咪的小动物。公然，现在还不支撑中文。
从试玩的成果来看，现在能生成的视频长度多在2-4秒，生成等候时刻从20多秒到1分多钟不等。
达摩院的这个发布，也在国内外的交际渠道上招引了一波尝鲜的网友。由于玩的人太多，有微博网友说，连刷20次都没挤进去。
别的，今日清晨，总部在纽约的人工智能草创公司Runway也发布了一种从文本到视频转化的AI模型Gen-2。
上个月，这家曾参加创立Stable Diffusion的公司推出过模型Gen-1，能经过文本提示或参阅图画指定的风格，将现有视频转化为新视频。
从命名上就能看出，Gen-2是Gen-1的升级版，能从零开端产出视频。现在，咱们只能够看到Runway共享出来的一些演示片段。依据该公司的说法，未来几周会供给广泛拜访试用。
早在上一年，谷歌和Meta都展现了各安闲文本转视频上的测验，使用AI生成泰迪熊洗碗和在湖上泛舟等视频。但这两家公司都没有宣告将有关技能推进到研讨阶段以外的方案。
文本生成视频，最理想的作用便是用户给出提示词，体系主动生成任何风格的对应视频。
不过，从现在此类模型生成视频的等待时刻，画面的实在度、清晰度以及长度等各方面来看，间隔产出令人满意的视频还有很大间隔。
事实上，与图画修改比较，视频修改是一个更有挑战性的范畴。扎克伯格此前就在推特上说过，AI模型能从生成静态像素，发展到猜测每个像素跟着时刻推移产生的改变，这在技能上已经是一个打破。
当然了，或许用不了多久，AI就会处理现存的这些缺点。将来，哪怕彻底不明白视频制造的人，也能上手做视频，且可能是批量产出。
特别声明：以上内容(如有图片或视频亦包含在内)为自媒体渠道“网易号”用户上传并发布，本渠道仅供给信息存储服务。
东北雨姐闪现五台山！穿5000元外套，走路霸气，多人伴随阵仗大
杨毅馋哭!美国杨毅获ESPN5年1亿超级顶薪,比绝大多数NBA球员都高
要对泽连斯基“下手”？美方密会乌反对派！泽连斯基：要参加北约、欧盟！特朗普最新表态，欧盟26国发声！普京：俄不会向任何人屈从
北控加时险胜浙江：余嘉豪25+24 里勒46+8+8约克48+10+11+10三分
15分大逆转！深圳男篮险胜江苏，贺希宁30+9周鹏19+4，威姆斯万能
《编码物候》展览开幕 北京年代美术馆以科学艺术解读数字与生物交错的世界节律
西部数据退出SSD商场 将要点转向硬盘 SanDisk 接收NAND事务
苹果发布新款MacBook Air：新增天蓝色+M4芯片 价格7999元起
河南夏粮收购有序推进 确保颗粒归仓
