• 我的订阅
  • 科技

4090单卡可跑,6秒直出电影级画质,智谱版Sora正式开源!

类别:科技 发布时间:2024-08-07 09:43:00 来源:新智元

4090单卡可跑,6秒直出电影级画质,智谱版Sora正式开源!

【新智元导读】国内首个人人可用的国产Sora「清影」,已经引起了AI视频圈的轰动!才发布6天,生成视频数就已经破百万。并且,智谱AI也将同源的视频生产模型CogVideoX,一并开源了。

7月26日,智谱发布AI 生视频产品「清影」,30秒将任意文图生成视频,并上线在他们的AI助手「智谱清言」上,被誉为是国内首个人人可用的Sora。

就在发布6天后,「清影」生成到视频数便已突破了百万量级。

今天,智谱AI宣布将与「清影」同源的视频生成模型——CogVideoX正式开源。

团队表示,希望每一位开发者、每一家企业都能自由地开发属于自己的视频生成模型,从而推动整个行业的快速迭代与创新发展。

4090单卡可跑,6秒直出电影级画质,智谱版Sora正式开源!

打开AI助手「智谱清言」即可体验

随着大型模型技术的持续发展,视频生成技术正逐步走向成熟。

以Sora、Gen-3等闭源视频生成模型为代表的技术,正在重新定义行业的未来格局。

然而,截至目前,仍未有一个开源的视频生成模型,能够满足商业级应用的要求。

CogVideoX系列包含多个不同尺寸大小的开源模型。

目前已经开源的CogVideoX-2B,提示词上限为226个token,视频长度为6秒,帧率为8帧/秒,视频分辨率为720×480。

它在FP-16精度下的推理仅需18GB显存,微调则只需要40GB显存。这意味着单张4090显卡即可进行推理,而单张A6000显卡即可完成微调。

代码仓库:https://github.com/THUDM/CogVideo

模型下载:https://huggingface.co/THUDM/CogVideoX-2b

技术报告:https://github.com/THUDM/CogVideo/blob/main/resources/CogVideoX.pdf

目前,该项目已在GitHub上斩获了3.8k星。

下面,我们就来看看CogVideoX生成的效果到底如何?

一个木制玩具船,在模拟海浪的蓝色地毯上航行,宛如在真的海水行驶一般。

一辆白色越野车沿着松树环绕的陡峭土路快速行驶,可以看到车尾的尘土飞扬。

其实这个场景对于AI来说,相对较难,只有正确理解了物理世界,才不会让生成的尘土在车前扬起。

下面这幅在战乱中,人物表情细节的刻画,细腻丰富。

针对更宏观的场景,CogVideoX也能将白雪皑皑的森林、无人穿梭的宁静小路,生动地描绘出来。

舌尖上的美食,还得看国产AI视频模型。烧烤架上烤制的鸡肉和青椒烤串,让人看了垂涎欲滴。

CogVideoX

见识到CogVideoX惊艳视频生成能力,你一定非常好奇这是怎么做到的?

4090单卡可跑,6秒直出电影级画质,智谱版Sora正式开源!

VAE

视频数据因包含空间和时间信息,其数据量和计算负担远超图像数据。

为应对此挑战,团队提出了基于3D变分自编码器(3D VAE)的视频压缩方法。

其中,3D VAE通过三维卷积同时压缩视频的空间和时间维度,实现了更高的压缩率和更好的重建质量。

4090单卡可跑,6秒直出电影级画质,智谱版Sora正式开源!

模型结构包括编码器、解码器和潜在空间正则化器,并通过四个阶段的下采样和上采样实现压缩。

时间因果卷积确保了信息的因果性,减少了通信开销。而上下文并行技术的采用,则可以适应大规模视频处理。

实验中,团队发现大分辨率编码易于泛化,而增加帧数则挑战较大。

因此,可将分两阶段训练模型:

- 首先在较低帧率和小批量上训练;

- 然后通过上下文并行在更高帧率上进行微调。

训练损失函数结合了L2损失、LPIPS感知损失和3D判别器的GAN损失。

专家Transformer

团队使用VAE的编码器将视频压缩至潜在空间,然后将潜在空间分割成块并展开成长的序列嵌入z_vision。

同时,使用T5将文本输入编码为文本嵌入z_text,然后将z_text和z_vision沿序列维度拼接。拼接后的嵌入被送入专家Transformer块堆栈中处理。

最后,反向拼接嵌入来恢复原始潜在空间形状,并使用VAE进行解码以重建视频。

4090单卡可跑,6秒直出电影级画质,智谱版Sora正式开源!

数据

视频生成模型训练需筛选高质量视频数据,以学习真实世界动态。但视频可能因人工编辑或拍摄问题而不准确。

为此,团队开发了负面标签来识别和排除低质量视频,如过度编辑、运动不连贯、质量低下、讲座式、文本主导和屏幕噪音视频。

通过video-llama训练的过滤器,团队标注并筛选了20,000个视频数据点。同时,计算光流和美学分数,动态调整阈值,确保生成视频的质量。

视频数据通常没有文本描述,需要转换为文本描述以供文本到视频模型训练。然而,现有的视频字幕数据集字幕较短,无法全面描述视频内容。

为了解决一问题,团队提出了一种从图像字幕生成视频字幕的管道,并微调端到端的视频字幕模型以获得更密集的字幕。

这种方法通过Panda70M模型生成简短字幕,使用CogView3模型生成密集图像字幕,然后使用GPT-4模型总结生成最终的短视频。

除此之外,团队还微调了一个基于CogVLM2-Video和Llama 3的CogVLM2-Caption模型,使用密集字幕数据进行训练,以加速视频字幕生成过程。

4090单卡可跑,6秒直出电影级画质,智谱版Sora正式开源!

性能

为了评估文本到视频生成的质量,团队使用了VBench中的多个指标,如人类动作、场景、动态程度等。并排除了不适用于评估需求的指标,例如颜色指标,因为它可能误导视频生成模型。

此外,团队还使用了两个额外的视频评估工具:Devil中的Dynamic Quality和Chrono-Magic中的GPT4o-MT Score,这些工具专注于视频的动态特性。

4090单卡可跑,6秒直出电影级画质,智谱版Sora正式开源!

值得一提的是,团队已经验证了scaling law在视频生成方面的有效性!

未来会在不断scale up数据规模和模型规模的同时,探究更具突破式创新的新型模型架构、更高效地压缩视频信息、更充分地融合文本和视频内容。

团队表示,目前的视频质量还有很广阔的提升空间,期待开发者们在提示词优化、视频长度、帧率、分辨率、场景微调以及围绕视频的各类功能开发上贡献开源力量。

此外,性能更强参数量更大的模型正在路上,敬请关注与期待。

以上内容为资讯信息快照,由td.fyun.cc爬虫进行采集并收录,本站未对信息做任何修改,信息内容不代表本站立场。

快照生成时间:2024-08-07 12:45:02

本站信息快照查询为非营利公共服务,如有侵权请联系我们进行删除。

信息原文地址:

跨越时代的修复计划,如何重回香港电影黄金年代?
...修复,将模糊、磨损的港片重新翻新,解决了老旧影片的画质损伤,比如将在黑暗的场景中被掩盖的细节变得更清晰,褪色的场景变得鲜艳。这不仅仅是技术展示,更是对于香港电影历史的致敬,为
2023-08-23 10:40:00
OpenAI空降视频生成模型:一口气生成60s,风格画质尺寸灵活定制 | 最前线
...人走来走去。Sora生成视频(原视频为60s,文中截取20s,画质受gif大小限制有所压缩)。图源:OpenAI Sora也能生成动物和自然风光
2024-02-18 06:20:00
《卖身契》修复记:AI重现“打工人”喜剧魅力,留住老电影的黄
...调整。普通的2K修复依靠人工大概用两到三周完成,而4K画质更好、观感更清晰细腻,修复时间起码在两个月以上,甚至半年之久。你很难想象,自20世纪初,这样的老电影已经积攒了近3万
2024-04-22 20:30:00
国产AI可以拍微电影了!4K、60帧高清画质,自带音效
...但现在,音效是可以直接自带了!而且还是4K、60帧高清画质的那种。那么AI视频生成现在能到什么水平?我们直接拿这个国产AI做了个微电影,请看VCR:如何?是不是已经有电影的那
2024-11-09 09:54:00
开源社区参数量最大的文生视频模型来了,腾讯版Sora免费使用
...ideo(HY-Video)是一款突破性的视频生成模型,提供超写实画质质感,能够在真实与虚拟之间自由切换。它打破了小幅度动态图的限制
2024-12-04 09:48:00
AI修复  扮靓影像(AI创作新风潮)
...?“整个修复过程基本是自动化的,主要包括智能分析、画质修复、画质增强和智能编码四个模块。”夏珍逐一介绍了其中的原理,在智能分析环节,对噪声、划痕、亮度、饱和度等维度进行数据分
2023-09-18 04:47:00
腾讯版Sora发布即开源!130亿参数,模型权重、推理代码全开放
...过腾讯云接入。腾讯混元视频生成主打四大特点:超写实画质,模型生成的视频内容具备高清质感、真实感,可用于工业级商业场景例如广告宣传、创意视频生成等商业应用。 高语义一致,用户
2024-12-04 09:50:00
全网刷频的Sora,有多“可怕”
...司,在这种麻痹里,都陷入了同质化竞争:过多关注更高画质、更高成功率、更低成本,而非更大时长以及世界模型。Pika、Runway、Meta,大体都是如此,在时长不超过 4s 的
2024-02-19 09:22:00
6个月估值达2亿美元,文生视频Pika超强更新,斯坦福华人博士出品|最前线
...来看,生成的视频不管是在时长、逻辑连贯性、流畅性、画质和风格准确性上都很难达到预期。Pika1.0几乎都解决了这些问题,让很多人眼前一亮。有推特网友评论称,Pika 1.0会
2023-11-30 20:54:00
更多关于科技的资讯:
又一合资品牌携手华为智驾:曝起亚多款本土化车型将进行重大调整
快科技4月1日消息,据媒体报道,起亚正在与华为就智能座舱领域进行密切接触,未来新车有望接入华为鸿蒙座舱,并进行激进的本土化整改
2025-04-01 18:39:00
兰研荣登2024年度泉州创新企业十强
3月20日,由泉州市委宣传部、市委金融办、市发改委、市工信局、市住建局、市商务局、市退役军人事务局、市数据管理局、市工商联
2025-04-02 14:01:00
SU7事故遇难者家属回应雷军:鲜活生命已离世 车企应对事故有足够的敬畏之心
快科技4月2日消息,昨晚雷军在其个人微博发文对小米SU7近日事故回应,而这也被冲上了热搜。他表示,我代表小米,表示最深切的哀悼
2025-04-02 14:10:00
3月20日,金融科技公司小赢科技发布了其截至2024年12月31日的第四季度及年度未经审计的财务业绩。财务数据显示:截至2024年12月31日的在贷余额为523
2025-04-02 14:26:00
汤臣倍健:跨越性价比,用户爱上“质价比”
鲁网4月2日讯过去几年,流量红利降临,众多低质低价的白牌迎风而起。然而如今流量红利退潮,消费者更加清醒,“性价比”策略也逐渐陷入困境
2025-04-02 14:30:00
传小米汽车内测“安全分Beta”:可评估驾驶行为 降低事故风险
快科技4月2日消息,近日,有媒体报道,小米汽车App正在内测“安全分Beta”系统。该系统将为车主提供全方位的安全评估与优化建议
2025-04-02 14:40:00
李斌回应沈斐接手乐道:首要任务是做好销售基本功
快科技4月2日消息,今日,乐道汽车总裁艾铁成宣布离职,不再担任乐道汽车总裁和蔚来高级副总裁。蔚来还对乐道汽车进行新的人事任命
2025-04-02 14:40:00
宁德时代中国石化达成合作协议:要建10000座换电站
快科技4月2日消息,宁德时代官宣,近日,其与中国石化在北京签署合作框架协议。根据协议,双方将全面深化长期战略合作关系,共同建设覆盖全国的换电生态网络
2025-04-02 14:40:00
Etsy开店的优劣势分析
Etsy作为一个专注于手工艺品、古董以及独特商品的电子商务平台,为创作者和小型企业提供了一个展示和销售产品的机会。开设Etsy店铺可以带来许多好处
2025-04-02 14:42:00
CMEF医疗器械展必看!富丽康液态镜头如何破解手术光学难题?
2025年中国国际医疗器械展览会(CMEF)即将于4月8日-11日在上海国家会展中心震撼启幕!作为全球医疗行业的顶级盛会
2025-04-02 14:45:00
海信空调易省电Pro空调预售:AI省电41%!告别“电费刺客”
3月31日,海信空调正式发布易省电E370Pro,以APF值5.5、AI省电41%的创新突破将空调节能标准提升至全新维度
2025-04-02 14:46:00
近日,作为2025中关村论坛年会的重要组成部分,中关村国际技术交易大会“全球高校科技成果转化促进大会”在北京工业大学举行
2025-04-02 14:54:00
泸州老窖携手《三体》推出联名白酒 开启科幻与传统文化跨界新纪元
2025年3月31日,北京,当千年酒香邂逅宇宙星辰,一场跨越时空的文化碰撞在北京首钢园香格里拉酒店璀璨上演。泸州老窖与科幻巨作《三体》联袂打造的“泸州老窖|三体”与“国窖1573|三体”全球发布会盛大启幕
2025-04-02 15:05:00
智元机器人与顶尖具身智能公司Pi合作:加速具身智能技术落地
快科技4月2日消息,据报道,智元机器人宣布与国际顶尖具身智能公司Physical Intelligence(Pi)建立深度合作伙伴关系
2025-04-02 15:10:00
君乐宝加速科研成果转化,为全球消费者提供科学健康方案
在健康食品产业蓬勃发展的今天,科研创新无疑是推动行业进步的关键力量。以“科学营养”为核心理念的君乐宝乳业集团,始终站在科研创新的前沿
2025-04-02 15:14:00