这波AIGC（使用人工智能手艺来天生内容）的热潮，，，已经开卷视频了。。。克日，，，阿里达摩院低调地在魔搭社区（ModelScope）放出了“文本天生视频大模子”。。。

据相识。。。现在文本天生视频大模子，，，由文本特征提取、文本特征到视频隐空间扩散模子、视频隐空间到视频视觉空间这3个子网络组成，，，整体模子参数约17亿。。。支持英文输入。。。扩散模子接纳Unet3D结构，，，通过从纯高斯噪声视频中，，，迭代去噪的历程，，，实现视频天生的功效。。。

记者发明，，，这个模子现在已经开放给用户试玩，，，只要输入一些简朴的形貌词，，，就可以看到天生的视频效果。。。好比输入“A panda eating bamboo on a rock”，，，就可以看到一只大熊猫坐在岩石上吃竹子的画面。。。

不过，，，现在这个模子还不支持中文输入，，，并且天生的视频长度多在2-4秒，，，期待时间从20多秒到1分多钟不等，，，画面的真实度、清晰度以及长度等方面尚有待提升。。。

不止是阿里达摩院，，，总部位于纽约的人工智能首创公司Runway也宣布了一种从文本到视频转化的AI模子Gen-2。。。上个月，，，这家曾加入建设Stable Diffusion的公司推出过模子Gen-1，，，能通过文本提醒或参考图像指定的气概，，，将现有视频转化为新视频。。。好比将“街道上的人”酿成“粘土木偶”，，，只需要一行提醒词。。。

早在去年，，，谷歌和Meta都展示了各自在文本转视频上的实验，，，使用AI天生泰迪熊洗碗和在湖上泛舟等视频。。。但这两家公司都没有宣布将相关手艺推进到研究阶段以外的妄想。。。

不过，，，从现在此类模子天生视频的期待时间，，，画面的真实度、清晰度以及长度等各方面来看，，，距离产出令人知足的视频尚有很大距离。。。