点击蓝字 关注我们
目前，我国人工智能机构发展呈现百花齐放、百家争鸣的态势，一批先行者正在通过对数据、算力以及算法等多方面的开发探索，将人工智能技术场景化运用。
7月26日上午，智谱AI全新升级视频生成模型，推出了新一代产品——CogVideoX。
相较于传统视频生成模型，CogVideoX不仅具有快速生成、高效的指令遵循能力、内容连贯性、画面调度灵活性等特点，还在提升用户使用舒适度同时，支持文生视频和图生视频等多种方式。
视频制作方面，CogVideoX仅需30秒即可完成6秒视频生成，相较于同类型应用，效率显著提升。
针对视频生成模型内容连贯性痛点，智谱AI自主研发了一套高效的三维变分自编码器结构（3D VAE）。
该结构能够将原始视频数据压缩至原始大小的2%，显著降低了视频扩散生成模型的训练成本和难度。结合3D RoPE位置编码模块，该技术有效提升了在时间维度上对帧间关系的捕捉能力，从而建立了视频中的长期依赖关系。
做得快是基础，做得准才是关键。对于指令的理解，智谱AI还为CogVideoX打造了一款端到端的视频理解模型。
该模型能够为大量视频数据生成精确且内容相关的描述。这一创新增强了模型对文本的理解和对指令的遵循能力，确保生成的视频更加符合用户的输入需求，并能够处理超长且复杂的prompt指令，还原物理世界中的运动过程。
Prompt：写实描绘，近距离，猎豹卧在地上睡觉，身体微微起伏
据悉，自2021年起，智谱AI技术团队着手布局包括 text-2-img、text-2-video、img-2-text、video-2-text在内的多模态模型，并陆续研发并开源了CogView、CogVideo、Relay Diffusion、CogVLM、CogVLM-Video等多个模型。
目前，CogVideoX已向所有用户开放。用户可在智谱清言的PC端、移动应用端以及小程序端免费体验智谱清言的AI视频生成功能「清影」（Ying）。企业和开发者也可通过API调用方式，在智谱大模型开放平台bigmodel.cn，体验并使用文本生成视频和图像生成视频功能。
