如同最近一年 DALL-E 2、Stable Diffusion 等文本生成圖像模型發(fā)展一樣，用文本來生成視頻的 AI 工具也正變得越來越多。

繼 Meta 的 Make-A-Video 之后，谷歌也接連發(fā)布了兩款視頻模型 Imagen Video 和 Phenaki。兩者分別強(qiáng)調(diào)視頻的質(zhì)量和長(zhǎng)度等不同功能。

日前，在人工智能活動(dòng)上，首次發(fā)布了由 Imagen Video 和 Phenaki 一同生成的視頻。該視頻結(jié)合了 Phenaki 生成長(zhǎng)視頻能力和 Imagen 的高分辨率細(xì)節(jié)。

(來源：谷歌)

“我認(rèn)為使用一系列提示，創(chuàng)造這樣的超分辨率長(zhǎng)視頻令人難以置信，這是一種講故事的新方式，”谷歌研究中心首席科學(xué)家兼谷歌大腦團(tuán)隊(duì)研究總監(jiān)道格拉斯·?？?)在活動(dòng)中分享說，“很期待電影人或視頻故事講述者如何利用我們的技術(shù)。”

在官方博客中表示，Imagen Video 和 Phenaki 的結(jié)合是一項(xiàng)重要突破，它正在努力打造領(lǐng)先行業(yè)、能生成高質(zhì)量影響的工具。AI 驅(qū)動(dòng)的生成模型有著無限的創(chuàng)造力，可幫助人們借助視頻、圖像工具，以他們之前無法做到的方式充分表達(dá)自身想法。

再分別簡(jiǎn)單介紹下 Imagen Video 和 Phenaki。

據(jù)了解，Imagen Video 基于級(jí)聯(lián)視頻擴(kuò)散模型來生成高清視頻。如輸入文本提示后，基本視頻擴(kuò)散模型和多個(gè)時(shí)間超分辨率(Temporal Super-Resolution，TSR)及空間超分辨率(Spatial Super-Resolution，SSR)模型，分別以 40×24 像素和 3 幀/秒速度生成 16 幀視頻、以 1280×768 像素和 24 幀/秒的速度采樣，最終得到 5.3 秒的高質(zhì)量視頻。

關(guān)鍵詞： 谷歌兩款視頻模型 兩款視頻模型 視頻模型 人工智能活動(dòng)視頻模型 人工智能活動(dòng)