rb88随行版

这波AIGC（使用人工智能手艺来天生内容）的热潮，已经开卷视频了。克日，阿里达摩院低调地在魔搭社区（ModelScope）放出了“文本天生视频大模子”。

据相识。现在文本天生视频大模子，由文本特征提取、文本特征到视频隐空间扩散模子、视频隐空间到视频视觉空间这3个子网络组成，整体模子参数约17亿。支持英文输入。扩散模子接纳Unet3D结构，通过从纯高斯噪声视频中，迭代去噪的历程，实现视频天生的功效。

记者发明，这个模子现在已经开放给用户试玩，只要输入一些简朴的形貌词，就可以看到天生的视频效果。好比输入“A panda eating bamboo on a rock”，就可以看到一只大熊猫坐在岩石上吃竹子的画面。

不过，现在这个模子还不支持中文输入，并且天生的视频长度多在2-4秒，期待时间从20多秒到1分多钟不等，画面的真实度、清晰度以及长度等方面尚有待提升。

不止是阿里达摩院，总部位于纽约的人工智能首创公司Runway也宣布了一种从文本到视频转化的AI模子Gen-2。上个月，这家曾加入建设Stable Diffusion的公司推出过模子Gen-1，能通过文本提醒或参考图像指定的气概，将现有视频转化为新视频。好比将“街道上的人”酿成“粘土木偶”，只需要一行提醒词。

早在去年，谷歌和Meta都展示了各自在文本转视频上的实验，使用AI天生泰迪熊洗碗和在湖上泛舟等视频。但这两家公司都没有宣布将相关手艺推进到研究阶段以外的妄想。

不过，从现在此类模子天生视频的期待时间，画面的真实度、清晰度以及长度等各方面来看，距离产出令人知足的视频尚有很大距离。