标签：视频生成模型

2024年的最后一个月，国产大模型在视频生成领域的应用突然加速。特别是视频生成模型的发展，如同密集射出子弹后的枪管，热度持续攀升。12月19日，快手旗下的可灵更新至1.6版本，相较于两周前高调推出的AI导演共创计划，这次升级显得较为低调。然而，选择在这个时间点进行升级似乎别有深意。 就在前一天，12月18日，字节跳动在火山原动力大会上首次对外发布了豆包视频生成大模型。会上，张楠首次以剪映掌门人的身份亮相，并简短介绍了今年5月推出的即梦——一款类似于可灵的视频生成工具。张楠将其定义为“想象力相机”，与抖音...

近期，记者了解到，字节跳动旗下的视频生成模型 PixelDance 已在豆包电脑版正式启动内部测试，部分用户已经获得了体验权限。据内测页面显示，每位用户每天可以免费生成十段视频。 PixelDance 视频生成模型在9月底首次亮相，最初通过即梦AI和火山引擎向创作者和企业客户进行了小范围邀请测试。外界对这款模型的多镜头组合、运镜切换以及人物运动能力给予了高度评价。早期参与内测的创作者分享了他们的使用经验，指出当 PixelDance 生成10秒视频时，切换3到5次镜头的效果最为理想，能够确保场景和角色的一致性。 此外，通过...

9月24日，字节跳动旗下的火山引擎在深圳举办了一场AI创新巡展，发布了两款视频生成大模型：PixelDance（简称P模型）和Seaweed（简称S模型）。这两款模型在审美和动态表现方面有了显著提升，并且解决了多主体互动和一致性的问题。 为了让大家更好地了解这两款模型的能力，我们进行了实际测试。首先展示的是一个10秒的视频片段：一位年轻女子微皱眉头，生气地戴上墨镜，此时男主角进入画面，紧紧抱住她。整个过程中，人物的表情变化自然流畅，没有出现任何虚化或崩坏的现象。另一段视频中，一只金毛小狗在草地上追逐泡泡，画...

智东西8月6日报道，智谱AI发布了其视频生成模型CogVideoX-2B的开源版本，这一消息无疑为业界带来了振奋。该模型已在GitHub和Hugging Face平台上线，支持FP16精度下的高效运行，显著降低了硬件门槛——仅需配备18GB显存即可进行推理，而微调所需显存也不过40GB，这意味着单张4090或A6000显卡就能胜任相应任务。 核心特点 - 提示词限制：CogVideoX-2B支持最多226个token的提示词； - 输出规格：生成视频长度为6秒，帧率为8帧/秒，分辨率为720 * 480； - 未来规划：计划发布性能更优、参数量更大的版本。 性能表现 根据相关论...

引言 随着技术的飞速发展，开源图像生成模型领域迎来了新的竞争者。黑森林实验室，由Stable Diffusion的核心团队创立，近日推出了其最新的图像生成模型FLUX.1，这款模型以其卓越的表现迅速引起了业界的关注。 模型亮点 FLUX.1提供了三种不同版本的模型：专业版、开发者版和快速版。这些模型在文字生成、复杂构图以及人手描绘方面表现出色。尤其值得一提的是，即便是快速版的FLUX.1[schnell]也能在保持高质量的同时实现快速生成，这使得它在同类模型中脱颖而出。 技术表现 在性能测试中，FLUX.1[pro]和FLUX.1[dev]两款...

国产视频生成模型“Vidu”：打造独特动画风格与高效创作工具 国产视频生成模型“Vidu”由清华系初创企业生数科技推出，该模型专攻动画风格视频生成，具备快速生成、高质量渲染及多镜头切换等特色功能。Vidu支持4秒和8秒固定时长的高清视频输出，并能够根据文本描述精确还原场景细节，适用于二次元文化爱好者及动画创作者。 快速生成与细节呈现：Vidu的亮点 - 高速生成：仅需30秒即可完成4秒视频的渲染。 - 精准语义理解：即使面对长文本描述，也能准确捕捉并展现关键信息。 - 多镜头切换：单一文本提示即可实现不同视角的视...

OpenAI新推出的视频生成模型Sora引起了广泛关注。这款模型只需简单的提示词，即可生成长达1分钟的高清视频，被视为视频生成领域的重大突破。尽管目前仅限少数人试用，OpenAI CEO Sam Altman已在推特上接受在线订单，让人们有机会体验Sora。然而，Sora的发布也让特斯拉CEO马斯克表达了看法，他在Twitter上与OpenAI互动，暗示对其转变成营利公司的不满。 马斯克指出，特斯拉具备出色的现实世界模拟和视频生成技术，这可能优于Sora。Sora是一个基于扩散模型的创新，能统一处理不同格式的视频和图像。它的技术包括OpenAI先前在D...

近日，奥特曼推出OpenAI的创新成果——视频生成模型Sora，这是继DALL·E 3后的又一力作，可生成长达1分钟的高清视频。Sora展现了强大的场景构建能力，如热闹的春节、雨后东京的光影效果，甚至能模拟好莱坞电影预告片的质感。模型能理解并执行复杂的指令，如群体动态和物理交互，如纸飞机在森林中的飞行。 然而，Sora尚存不足，如物理模拟精度和因果理解，有时会出现对象数量变化或空间细节混淆等问题。技术上，Sora基于扩散模型，采用Transformer架构，能处理不同格式的视觉数据，并利用DALL·E 3的重述提示词技术增强指令遵循...