智谱AI开源AI视频生成模型CogVideoX：文本变视频，创意无限
北京，2023年10月26日 – 智谱AI今日宣布开源其最新研发的AI视频生成模型CogVideoX，为AI视频生成领域注入新的活力。CogVideoX基于智谱AI的商业产品“清影”技术，支持英文提示词，能够生成6秒长、每秒8帧、分辨率为720*480的视频。该模型开源后，将为广大开发者和研究人员提供更多探索AI视频生成技术的机会。
CogVideoX：文本变视频，创意无限
CogVideoX的核心功能是将用户输入的文本提示词转化为视频内容，实现“文生视频”。这一功能将为视频创作领域带来革命性的变化，让用户无需专业技能，即可快速将脑海中的创意转化为生动的视频。
技术亮点：3D Causal VAE与专家Transformer
CogVideoX的技术原理基于深度学习模型，特别是基于Transformer的架构。其核心技术包括：
- 3D Causal VAE： 3D Causal Variational Autoencoder（变分自编码器）技术，能够高效地重建视频内容，减少存储和计算需求。
- 专家Transformer： 专家Transformer模型，通过多个专家处理不同的任务，例如空间和时间信息的处理，以及控制信息流动等，提升模型的效率和准确性。
应用场景：创意无限，潜力巨大
CogVideoX的应用场景十分广泛，包括：
- 创意视频制作： 为独立视频创作者和艺术家提供工具，快速将创意文本描述转化为视觉视频内容。
- 教育和培训材料： 自动化生成教育视频，帮助解释复杂概念或展示教学场景。
- 广告和品牌宣传： 企业可以用CogVideoX模型生成吸引眼球的广告视频，提升品牌宣传效果。
- 游戏和动画制作： CogVideoX可以帮助游戏开发者和动画师快速生成游戏场景和动画效果。
开源赋能：推动AI视频生成技术发展
CogVideoX的开源将为AI视频生成领域带来新的发展机遇，促进更多开发者和研究人员参与到该领域的研究和应用中。
性能评估：指标领先，质量优异
为了评估CogVideoX的性能，智谱AI使用了VBench中的多个指标，以及Dynamic Quality和GPT4o-MT Score等视频评估工具。结果表明，CogVideoX在视频生成质量方面表现出色，指标领先。
未来展望：持续优化，拓展应用
智谱AI表示，CogVideoX的开源只是第一步，未来将继续优化模型性能，拓展应用场景，为用户提供更强大、更便捷的AI视频生成工具。
CogVideoX项目地址：
- 智谱清影体验：https://ai-bot.cn/chatglm-video/
- GitHub仓库：https://github.com/THUDM/CogVideo
- HuggingFace模型库：https://huggingface.co/THUDM/CogVideoX-2b
- 技术报告：https://github.com/THUDM/CogVideo/blob/main/resources/CogVideoX.pdf
*arXiv技术论文：Coming soon
CogVideoX的出现，标志着AI视频生成技术迈上了新的台阶，为未来视频创作带来了无限可能。相信随着技术的不断发展，AI视频生成技术将更加成熟，为人们的生活带来更多便利和乐趣。
【source】https://ai-bot.cn/cogvideox/
Views: 0