“一句话生成视频”AI 爆火

“一句话生成视频”AI 爆火

由清华和智源研究院出品的模型 CogVideo，“一脉相承”于文本-图像生成模型 CogView2，这个系列的 AI 模型只支持中文输入，输出的4秒视频帧数在32张左右。该模型一共有90亿参数，基于预训练文本-图像模型 CogView2 打造，一共分为两个模块。第一部分先基于CogView2，通过文本生成几帧图像，这时候合成视频的帧率还很低；第二部分则会基于双向注意力模型对生成的几帧图像进行插帧，来生成帧率更高的完整视频。