近日，智象未來(lái)(HiDream.ai)智象大模型2.0在文生視頻領(lǐng)域取得了重大突破，將視頻生成時(shí)長(zhǎng)從去年的15秒提升至分鐘級(jí)別，這是繼去年12月打破4秒時(shí)長(zhǎng)限制后的又一技術(shù)飛躍。
智象未來(lái)(HiDream.ai)智象大模型2.0的文生視頻功能在時(shí)長(zhǎng)、畫面自然度、內(nèi)容和角色一致性方面均有顯著提升，這得益于其自研的DiT架構(gòu)。與傳統(tǒng)U-Net架構(gòu)相比，DiT架構(gòu)具有更高的靈活度，能夠有效提升圖像和視頻的生成質(zhì)量。眾所周知，DiT 架構(gòu)的基礎(chǔ)實(shí)現(xiàn)依賴于 Transformer 技術(shù)。為了進(jìn)一步提升這一技術(shù)的性能，智象未來(lái)(HiDream.ai)智象大模型 2.0 對(duì)整個(gè)Transformer網(wǎng)絡(luò)結(jié)構(gòu)、訓(xùn)練數(shù)據(jù)的構(gòu)成和訓(xùn)練策略上采用完全自研的模塊，特別是在訓(xùn)練策略方面進(jìn)行了深度研究和改進(jìn)。
該模型采用了高效的時(shí)空聯(lián)合注意力機(jī)制，不僅適應(yīng)了視頻的空間域和時(shí)間域特征，還解決了傳統(tǒng)注意力機(jī)制在訓(xùn)練過程中的速度問題。為了支持更長(zhǎng)視頻片段的訓(xùn)練，智象未來(lái)(HiDream.ai)智象大模型2.0能夠處理幾分鐘甚至十幾分鐘的視頻片段，使得直接輸出分鐘級(jí)時(shí)長(zhǎng)的視頻成為可能。同時(shí)，智象未來(lái)(HiDream.ai)還自研了視頻描述生成的Captioning Model，實(shí)現(xiàn)了對(duì)視頻內(nèi)容的詳細(xì)且精準(zhǔn)描述。
在訓(xùn)練策略上，智象未來(lái)(HiDream.ai)智象大模型2.0利用不同長(zhǎng)度的視頻片段進(jìn)行視頻和圖片數(shù)據(jù)的聯(lián)合訓(xùn)練，并動(dòng)態(tài)調(diào)整不同長(zhǎng)度視頻的采樣率，以完成長(zhǎng)鏡頭訓(xùn)練。此外，模型還根據(jù)用戶反饋數(shù)據(jù)進(jìn)行強(qiáng)化學(xué)習(xí)，進(jìn)一步優(yōu)化性能。
從原來(lái)的15秒左右延長(zhǎng)至分鐘級(jí)別，智象未來(lái)(HiDream.ai)的智象大模型2.0現(xiàn)已實(shí)現(xiàn)視頻生成時(shí)長(zhǎng)的顯著提升，達(dá)到了行業(yè)領(lǐng)先水平。除了視頻時(shí)長(zhǎng)進(jìn)入分鐘級(jí)別這一重大進(jìn)步外，此次升級(jí)的另一個(gè)亮點(diǎn)是視頻時(shí)長(zhǎng)和尺寸的可變性。以往的視頻生成模型通常是預(yù)設(shè)固定時(shí)長(zhǎng)，用戶無(wú)法進(jìn)行選擇。而智象未來(lái)(HiDream.ai)則將選擇權(quán)交給了用戶，用戶既可以直接指定視頻時(shí)長(zhǎng)，也可以根據(jù)輸入的Prompt內(nèi)容，讓系統(tǒng)動(dòng)態(tài)判斷。內(nèi)容復(fù)雜時(shí)，系統(tǒng)會(huì)生成較長(zhǎng)視頻;內(nèi)容簡(jiǎn)單時(shí)，則生成較短視頻，以這種動(dòng)態(tài)調(diào)整的方式，自適應(yīng)地滿足用戶的創(chuàng)作需求。同時(shí)，視頻的尺寸也可根據(jù)用戶需求進(jìn)行定制，這一靈活的設(shè)計(jì)大幅提升了用戶體驗(yàn)。
值得一提的是，智象未來(lái)(HiDream.ai)的智象大模型2.0在視頻畫面觀感上也有了顯著的提升，物體動(dòng)作表現(xiàn)得更加自然流暢，細(xì)節(jié)渲染更為精細(xì)，并且支持了4K超清畫質(zhì)。隨著這次技術(shù)升級(jí)，智象未來(lái)(HiDream.ai)智象大模型2.0正朝著生成更高質(zhì)量的多鏡頭視頻方向快速發(fā)展，并向L3階段加速前進(jìn)。據(jù)了解，升級(jí)后的文生視頻功能即將投入使用，屆時(shí)用戶將能夠體驗(yàn)到更加豐富和高質(zhì)量的視頻生成服務(wù)。
業(yè)內(nèi)人士表示，隨著智象未來(lái)(HiDream.ai)智象大模型2.0的不斷完善和升級(jí)，其有望為視頻內(nèi)容創(chuàng)作領(lǐng)域帶來(lái)更多革命性的變化，助力廣大用戶輕松實(shí)現(xiàn)創(chuàng)意變現(xiàn)，推動(dòng)整個(gè)行業(yè)邁向更加廣闊的發(fā)展空間。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
