近日，阿里云推出全新視頻生成大模型I2VGen-XL，并在魔搭社區(qū)開放體驗(yàn)，用戶上傳一張圖片后2分鐘左右即可生成一段1280*720的高分辨率視頻，該模型研發(fā)負(fù)責(zé)人表示，未來將進(jìn)一步實(shí)現(xiàn)2K超清效果，可應(yīng)用于短視頻內(nèi)容生產(chǎn)、電影制作等場(chǎng)景。

I2VGen-XL在魔搭社區(qū)開放體驗(yàn)

和業(yè)界爆火的AI繪畫創(chuàng)作大模型不同，視頻生成大模型的技術(shù)門檻更高，其需要克服文本和視頻內(nèi)容匹配度、視頻畫面質(zhì)量、畫面連續(xù)性等諸多技術(shù)挑戰(zhàn)。在此之前，阿里云和微軟等科技公司相繼推出一系列可控視頻生成研究成果，例如用戶可通過定義空間布局、運(yùn)動(dòng)模式等條件來生成視頻，但其畫面清晰度難以滿足真實(shí)場(chǎng)景應(yīng)用的需求。

針對(duì)該問題，阿里云進(jìn)一步提出創(chuàng)新思路，I2VGen-XL模型設(shè)計(jì)了兩個(gè)階段，首先在低分辨率條件下保證生成結(jié)果和給定圖像語義的匹配度，隨后通過視頻擴(kuò)散模型(VLDM)來提高視頻分辨率，并同時(shí)提升時(shí)間和空間上的一致性，保證最終視頻內(nèi)容的清晰度和連貫性，最終實(shí)現(xiàn)1280*720高分辨率的突破，并且在畫面細(xì)節(jié)的展現(xiàn)上大幅領(lǐng)先現(xiàn)有模型。據(jù)介紹，該模型的訓(xùn)練還使用了多種風(fēng)格的視頻數(shù)據(jù)，因此可生成科技感、電影色、卡通風(fēng)格和素描等類型豐富的視頻。

I2VGen-XL流程圖

目前，I2VGen-XL的模型和代碼均已開源，國內(nèi)外社交媒體顯示，該模型已吸引國內(nèi)外用戶和開發(fā)者的廣泛體驗(yàn)和二次開發(fā)，涌現(xiàn)了大量創(chuàng)意AI視頻生成內(nèi)容，例如在城堡上展翅的恐龍、宇航員在飛船中行走的科幻電影畫面等等……知名AI社交媒體分析師Ahsen Khaliq在推特發(fā)布多條由該模型生成的視頻效果，并表示模型在清晰度、紋理、語義和時(shí)間連續(xù)性方面有優(yōu)勢(shì)。

國內(nèi)外網(wǎng)友和開發(fā)者廣泛關(guān)注和體驗(yàn)

在視覺生成領(lǐng)域，阿里云此前已推出AI繪畫創(chuàng)作大模型通義萬相（基座模型Composer）和可控視頻生成模型VideoComposer，團(tuán)隊(duì)在該領(lǐng)域發(fā)表60多篇CCF-A類論文，并在國際頂級(jí)視覺競(jìng)賽中獲得10余項(xiàng)冠軍。

模型體驗(yàn)鏈接：https://modelscope.cn/studios/damo/I2VGen-XL-Demo/summary