這波AIGC（利用人工智能技術(shù)來生成內(nèi)容）的熱潮，已經(jīng)開卷視頻了。

上個月初，白話君說過，阿里達摩院正在研發(fā)類ChatGPT的對話機器人，當時已開放給公司內(nèi)員工測試。

沒想到，一個多月后，先露面的是文本生成視頻。

就在昨天，阿里達摩院低調(diào)地在魔搭社區(qū)（ModelScope）放出了“文本生成視頻大模型”。魔搭，是達摩院在去年11月推出的開源模型平臺。

根據(jù)官方介紹，目前這個模型，由文本特征提取、文本特征到視頻隱空間擴散模型、視頻隱空間到視頻視覺空間這3個子網(wǎng)絡(luò)組成，整體模型參數(shù)約17億。支持英文輸入。擴散模型采用Unet3D結(jié)構(gòu)，通過從純高斯噪聲視頻中，迭代去噪的過程，實現(xiàn)視頻生成的功能。

看不太懂？沒關(guān)系。會玩就行。

白話君剛才試了一把。輸入提示詞：A panda eating bamboo on a rock，等了差不多77秒，收到一段2秒鐘的視頻。?感受一下~

如果換成中文：一只大熊貓坐在巖石上吃竹子，出來的結(jié)果就是一只類似于貓咪的小動物。果然，目前還不支持中文。

再來幾個~

A goldendoodle playing in a park by a lake.（一只金貴犬在湖邊的公園玩耍）

A dog wearing a Superhero outfit with red cape flying through the sky.（一只身著超級英雄裝和紅斗篷的狗正在天上飛）

Monkey learning to play the piano.（猴子正在學習彈鋼琴）

從試玩的結(jié)果來看，目前能生成的視頻長度多在2-4秒，生成等候時間從20多秒到1分多鐘不等。

感興趣的，不妨自己去體驗一下（試玩地址：https://modelscope.cn/studios/damo/text-to-video-synthesis/summary）

達摩院的這個發(fā)布，也在國內(nèi)外的社交平臺上吸引了一波嘗鮮的網(wǎng)友。因為玩的人太多，有微博網(wǎng)友說，連刷20次都沒擠進去。

另外，今天凌晨，總部位于紐約的人工智能初創(chuàng)公司Runway也發(fā)布了一種從文本到視頻轉(zhuǎn)化的AI模型Gen-2。

上個月，這家曾參與創(chuàng)建Stable Diffusion的公司推出過模型Gen-1，能通過文本提示或參考圖像指定的風格，將現(xiàn)有視頻轉(zhuǎn)化為新視頻。

比如將“街道上的人”變成“粘土木偶”，只需要一行提示詞。

從命名上就能看出，Gen-2是Gen-1的升級版，能從零開始產(chǎn)出視頻。目前，我們只能看到Runway分享出來的一些演示片段。根據(jù)該公司的說法，未來幾周會提供廣泛訪問試用。