【環球網科技綜合報道】9月6日消息，近日，阿裡雲推出全新視訊生成大模型I2VGen-XL，并在魔搭社群開放體驗，使用者上傳一張圖檔後2分鐘左右即可生成一段1280*720的高分辨率視訊，該模型研發負責人表示，未來将進一步實作2K超清效果，可應用于短視訊内容生産、電影制作等場景。
I2VGen-XL在魔搭社群開放體驗
和業界爆火的AI繪畫創作大模型不同，視訊生成大模型的技術門檻更高，其需要克服文本和視訊内容比對度、視訊畫面品質、畫面連續性等諸多技術挑戰。在此之前，阿裡雲和微軟等科技公司相繼推出一系列可控視訊生成研究成果，例如使用者可通過定義空間布局、運動模式等條件來生成視訊，但其畫面清晰度難以滿足真實場景應用的需求。
針對該問題，阿裡雲進一步提出新思路，I2VGen-XL模型設計了兩個階段，首先在低分辨率條件下保證生成結果和給定圖像語義的比對度，随後通過視訊擴散模型(VLDM)來提高視訊分辨率，并同時提升時間和空間上的一緻性，保證最終視訊内容的清晰度和連貫性，最終實作1280*720高分辨率的突破，并且在畫面細節的展現上大幅領先現有模型。據介紹，該模型的訓練還使用了多種風格的視訊資料，是以可生成科技感、電影色、卡通風格和素描等類型豐富的視訊。
I2VGen-XL流程圖
目前，I2VGen-XL的模型和代碼均已開源，國内外社交媒體顯示，該模型已吸引國内外使用者和開發者的廣泛體驗和二次開發，湧現了大量創意AI視訊生成内容，例如在城堡上展翅的恐龍、宇航員在飛船中行走的科幻電影畫面等等……知名AI社交媒體分析師Ahsen Khaliq在社交媒體釋出多條由該模型生成的視訊效果，并表示模型在清晰度、紋理、語義和時間連續性方面有優勢。
國内外網友和開發者廣泛關注和體驗
據了解，在視覺生成領域，阿裡雲此前已推出AI繪畫創作大模型通義萬相（基座模型Composer）和可控視訊生成模型VideoComposer，團隊在該領域發表60多篇CCF-A類論文，并在國際頂級視覺競賽中獲得10餘項冠軍。
來源：環球網