被誤解的「中文版Sora」背后，字節(jié)跳動有哪些技術(shù)？

AIGC動態(tài)1年前 (2024)發(fā)布機(jī)器之心

AIGC動態(tài)歡迎閱讀

原標(biāo)題：被誤解的「中文版Sora」背后，字節(jié)跳動有哪些技術(shù)？
關(guān)鍵字：字節(jié)跳動,模型,視頻,圖像,研究者
文章來源：機(jī)器之心
內(nèi)容字?jǐn)?shù)：12381字

內(nèi)容摘要：

機(jī)器之心報(bào)道
作者：蛋醬2024 開年，OpenAI 就在生成式 AI 領(lǐng)域扔下了重磅：Sora。
這幾年，視頻生成領(lǐng)域的技術(shù)迭代持續(xù)加速，很多科技公司也公布了相關(guān)技術(shù)進(jìn)展和落地成果。在此之前，Pika、Runway 都曾推出過類似產(chǎn)品，但 Sora 放出的 Demo，顯然以一己之力抬高了視頻生成領(lǐng)域的標(biāo)準(zhǔn)。
在今后的這場競爭中，哪家公司將率先打造出超越 Sora 的產(chǎn)品，仍是未知數(shù)。
國內(nèi)這邊，目光聚集于一眾科技大廠。
此前有消息稱，字節(jié)跳動在 Sora 發(fā)布之前就研發(fā)出了一款名為 Boximator 的視頻生成模型。
Boximator 提供了一種能夠精確控制視頻中物體的生成方法。用戶無需編寫復(fù)雜的文本提示，可以直接在參考圖像中通過在物體周圍畫方框來選擇目標(biāo)，然后添加一些方框和線條來定義目標(biāo)的結(jié)束位置或跨幀的整個(gè)路徑，如下圖所示：對此，字節(jié)跳動保持了低調(diào)的態(tài)度：相關(guān)人士回復(fù)媒體，Boximator 是視頻生成領(lǐng)域控制對象的技術(shù)方法研究項(xiàng)目。目前還無法作為完善的產(chǎn)品落地，距離國外領(lǐng)先的視頻生成模型在畫面質(zhì)量、保真率、視頻時(shí)長等方面還有很大差距。
在對應(yīng)的技術(shù)論文介紹（ht

原文鏈接：被誤解的「中文版Sora」背后，字節(jié)跳動有哪些技術(shù)？