AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：谷歌推出視頻生成大型語(yǔ)言模型VideoPoet
關(guān)鍵字：視頻,模型,文本,音頻,圖像
文章來(lái)源：AI范兒
內(nèi)容字?jǐn)?shù)：2042字

內(nèi)容摘要：

點(diǎn)擊上方藍(lán)字關(guān)注我們“Google推出VideoPoet，一款生成式AI系統(tǒng)，通過(guò)文本等輸入創(chuàng)建和編輯視頻。與競(jìng)爭(zhēng)模型不同，VideoPoet整合多項(xiàng)功能于單一模型，包括文本轉(zhuǎn)視頻、圖像轉(zhuǎn)視頻、視頻風(fēng)格化等。該模型利用多個(gè)標(biāo)記器跨視頻、圖像、音頻和文本進(jìn)行訓(xùn)練，可生成可變長(zhǎng)度、多樣風(fēng)格的視頻。Google 推出了 VideoPoet，這是一款新型生成式人工智能系統(tǒng)，能夠通過(guò)文本和其他輸入創(chuàng)建和編輯視頻。
據(jù) Google 表示，VideoPoet是一款龐大的語(yǔ)言模型，專為各種視頻生成任務(wù)而設(shè)計(jì)，包括文本轉(zhuǎn)視頻、圖像轉(zhuǎn)視頻、視頻風(fēng)格化、視頻修復(fù)與拓展以及視頻轉(zhuǎn)音頻等。與競(jìng)爭(zhēng)模型不同，VideoPoet將許多功能集成到一個(gè)單一模型中，而不是依賴于為每個(gè)任務(wù)分別訓(xùn)練的組件。
VideoPoet使用多個(gè)標(biāo)記器（MAGVIT V2 用于視頻和圖像，SoundStream 用于音頻），以訓(xùn)練跨視頻、圖像、音頻和文本多模態(tài)的自回歸語(yǔ)言模型。一旦模型生成了在某個(gè)上下文中有條件的標(biāo)記，這些標(biāo)記可以通過(guò)標(biāo)記解碼器轉(zhuǎn)換回可視化表示。
VideoPoet能夠生成具有可變長(zhǎng)度、多種和樣式的視頻，具體取決于文

原文鏈接：谷歌推出視頻生成大型語(yǔ)言模型VideoPoet

聯(lián)系作者

文章來(lái)源：AI范兒
作者微信：AI_Insights
作者簡(jiǎn)介：智能未來(lái)，始于Prompt！