9月6日消息，阿里云近日推出全新視頻生成大模型I2VGen-XL，并在魔搭社區(qū)開放體驗，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)、電影制作等場景。

截自魔塔社區(qū)官網(wǎng)

據(jù)介紹，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、運動模式等條件來生成視頻，但其畫面清晰度難以滿足真實場景應(yīng)用的需求。

針對該問題，阿里云進(jìn)一步提出創(chuàng)新思路，I2VGen-XL模型設(shè)計了兩個階段，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，隨后通過視頻擴散模型（VLDM）來提高視頻分辨率，并同時提升時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。

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；截自魔塔社區(qū)官網(wǎng)

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。

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)隊在該領(lǐng)域發(fā)表60多篇CCF-A類論文，并在國際頂級視覺競賽中獲得10余項冠軍。

截自魔塔社區(qū)官網(wǎng)

值得一提的是，根據(jù)國家七部委聯(lián)合公布的《生成式人工智能服務(wù)管理暫行辦法》指導(dǎo)要求，阿里大模型“通義千問”已完成備案工作，待正式上線。