谷歌10秒視頻生成模型破世界記錄！LLM終結擴散模型，效果碾壓頂流Gen-2

AIGC動態歡迎閱讀

原標題：谷歌10秒視頻生成模型破世界記錄！LLM終結擴散模型，效果碾壓頂流Gen-2
關鍵字：視頻,模型,文本,音頻,圖像
文章來源：新智元
內容字數：7772字

內容摘要：

新智元報道編輯：編輯部
【新智元導讀】谷歌全新視頻生成模型VideoPoet再次引領世界！十秒超長視頻生成效果碾壓Gen-2，還可進行音頻生成，風格轉化。AI視頻生成，或許就是2024年下一個最前沿（juan）的領域。
回看過去幾個月，RunWay的Gen-2、Pika Lab的Pika 1.0，國內大廠等視頻生成模型紛紛涌現，不斷迭代升級。
這不，RunWay一大早就宣布Gen-2支持文本轉語音的功能了，可以為視頻創建畫外音。
當然，谷歌在視頻生成上也不甘落后，先是與斯坦福李飛飛團隊共同發布了W.A.L.T，用Transformer生成的逼真視頻引來關注。
今天，谷歌團隊又發布了一個全新的視頻生成模型VideoPoet，而且無需特定數據便可生成視頻。
論文地址：https://blog.research.google/2023/12/videopoet-large-language-model-for-zero.html
最令人驚嘆的是，VideoPoet一次能夠生成10秒超長，且連貫大動作視頻，完全碾壓Gen-2僅有小幅動作的視頻生成。
另外，與領先模型不同的是，Vide

原文鏈接：谷歌10秒視頻生成模型破世界記錄！LLM終結擴散模型，效果碾壓頂流Gen-2

聯系作者

文章來源：新智元
作者微信：AI_era
作者簡介：智能+中國主平臺，致力于推動中國從互聯網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。