Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

静态动物图片，生成说话视频

Answer

以下是一些能够将静态动物图片生成说话视频的技术和相关信息：

  • VividTalk：单张照片和一段音频可生成看似真实的说话视频，支持多种语言和风格，如真实和卡通风格，由南京大学、阿里巴巴、字节跳动和南开大学合作开发。链接：https://x.com/xiaohuggg/status/1732026172509421697?s=20
  • 腾讯 AniPortrait：根据音频和静态人脸图片生成逼真的动态视频，支持多种语言、面部重绘、头部姿势控制，比阿里 EMO 项目先开源。链接：https://github.com/Zejun-Yang/AniPortrait 、https://arxiv.org/abs/2403.17694 、https://x.com/imxiaohu/status/1772965256220045659?s=20
Content generated by AI large model, please carefully verify (powered by aily)

References

XiaoHu.AI日报

🔔 Xiaohu.AI日报「12月5日」✨✨✨✨✨✨✨✨1⃣️🗣️ VividTalk：让照片说话的技术单张照片和一段音频可生成看似真实的说话视频。支持多种语言和风格，如真实和卡通风格。合作开发：南京大学、阿里巴巴、字节跳动和南开大学。🔗 https://x.com/xiaohuggg/status/1732026172509421697?s=202⃣️👤 HeyGen的Avatar2.0：即时虚拟分身5分钟内用手机创建个人虚拟分身。多语言支持和口型同步。免费提供服务。🔗 https://x.com/xiaohuggg/status/1732014004950974917?s=203⃣️💃 MagicAnimate：基于扩散模型的动画框架将静态图片转换为动作视频。结合文本生成多人动画。旨在增强动画的时间一致性和真实感。🔗 https://x.com/xiaohuggg/status/1731868943340707855?s=204⃣️🖥️ ComfyUI + SD + AnimateDiff效果演示制作方法即将公布。作者@DreamStarter_1预告即将分享细节。🔗 https://x.com/xiaohuggg/status/1731950309042229688?s=205⃣️🔬 IBM量子计算的新进展介绍了IBM Quantum System 2和下一代量子处理器。Condor拥有1121个超导量子位，Heron拥有133个固定频率量子位。量子位（Qubits）指数级增长存储信息能力。

XiaoHu.AI日报

🔔 Xiaohu.AI日报「12月5日」✨✨✨✨✨✨✨✨1⃣️🗣️ VividTalk：让照片说话的技术单张照片和一段音频可生成看似真实的说话视频。支持多种语言和风格，如真实和卡通风格。合作开发：南京大学、阿里巴巴、字节跳动和南开大学。🔗 https://x.com/xiaohuggg/status/1732026172509421697?s=202⃣️👤 HeyGen的Avatar2.0：即时虚拟分身5分钟内用手机创建个人虚拟分身。多语言支持和口型同步。免费提供服务。🔗 https://x.com/xiaohuggg/status/1732014004950974917?s=203⃣️💃 MagicAnimate：基于扩散模型的动画框架将静态图片转换为动作视频。结合文本生成多人动画。旨在增强动画的时间一致性和真实感。🔗 https://x.com/xiaohuggg/status/1731868943340707855?s=204⃣️🖥️ ComfyUI + SD + AnimateDiff效果演示制作方法即将公布。作者@DreamStarter_1预告即将分享细节。🔗 https://x.com/xiaohuggg/status/1731950309042229688?s=205⃣️🔬 IBM量子计算的新进展介绍了IBM Quantum System 2和下一代量子处理器。Condor拥有1121个超导量子位，Heron拥有133个固定频率量子位。量子位（Qubits）指数级增长存储信息能力。

XiaoHu.AI日报

🔔Xiaohu.AI日报「3月27日」 ✨✨✨✨✨✨✨✨1⃣️🖌️ Creatie AI - AI驱动的设计神器:几分钟设计网站或程序，融合思维导图、设计、协作、原型制作、代码交接。自动分析设计文件，创建统一样式库，快速转化为高保真可交互原型并生成代码。🔗 http://creatie.ai🔗 https://x.com/imxiaohu/status/1772986701859934253?s=202⃣️🎤腾讯AniPortrait -让照片唱歌说话:根据音频和静态人脸图片生成逼真的动态视频。支持多种语言、面部重绘、头部姿势控制，比阿里EMO项目先开源。🔗 https://github.com/Zejun-Yang/AniPortrait🔗 https://arxiv.org/abs/2403.17694🔗 https://x.com/imxiaohu/status/1772965256220045659?s=203⃣️📹 NoLang -直接从文本生成视频:支持将文字、网页链接、PDF等直接转换为视频。自动总结PDF内容并生成解答视频，还可追问，但目前服务器承受压力大，支持日语和英语。🔗 http://no-lang.com🔗 https://x.com/imxiaohu/status/1772884036522017149?s=204⃣️📘 Awesome-Generative-AI-Guide -生成式AI一站式资源库:汇总最新研究、免费课程、面试资源、代码库等。定期更新，适合研究者、学习者、面试准备者和AI进展关注者。

Others are asking
那款AI可以让静态变动态I
以下是一些可以让静态变动态的 AI 工具和方法： 1. Hailuo AI 推出的 I2V01Live 新功能，能够为静态 2D 插画加入流畅动画，赋予角色生命力，支持多种艺术风格，动作细节表现真实流畅。相关链接： 2. 腾讯 Hunyuan 是 130 亿参数开源视频模型，能生成高质量视频，动作连贯自然，镜头切换灵活，具备强大语义跟随能力。官网： 3. 可以通过教程学习用 AI 制作动画视频播客，比如五步学会的方法。相关链接： 4. 可以使用即梦、runway 等工具，比如在剪映里添加 PNG 透明底图并导出。
2024-12-18
如何把静态的图片动起来
以下是一些可以将静态图片动起来的方法和工具： 1. 使用 VIGGLE 工具： Mix 模式：先上传一个视频和一张角色图像，Viggle 会自动将视频的动态赋予给这个角色，形成新视频。它能模拟出角色的 3D 状态，准确还原身体旋转、四肢交叠等动作，也可以利用现有的模版视频作为动作获取来源。 Multi 模式：通过视频的动作，将上传的多个角色进行识别并赋予动作，形成新视频。 Move 模式：将视频的动作直接映射在图片人物身上，实现“让静态图动起来”。 案例：，结合 Midjourney 制作图片。 2. LiveSketch：为素描“注入生命”，通过文本提示将静态素描动画化。 应用场景：FlipaClip 提供的服务方向+LiveSketche 可更便捷生成动画；简笔画替换成骨骼图+controlnet+帧图可生成动态漫；简笔画替换成骨骼图+runway 控制可生成动态视频。 技术特点：能够将单一主题的静态素描转换成动画，用户只需提供描述所需动作的文本提示，系统就会生成短动画。通过修改描述运动的提示文本，还可以控制生成结果的程度。 3. 使用 Camera Motion： 上传图片：点击“AddImage”上传图片。 输入提示词：在“Prompt”中输入提示词。 设置运镜方向：选择想要的运镜方向，输入运镜值。 设置运动幅度：运动幅度和画面主体运动幅度有关，与运镜大小无关，可设置成任意值。 其它设置：选择好种子（seed），是否高清（HD Quality），是否去除水印（Remove Watermark）。 生成视频：点击“create”生成视频。
2024-12-03
多模态大模型与图像、视频生成
多模态大模型与图像、视频生成相关知识如下： 多模态大模型的架构和原理：基于大圆模型，能识别页面组件结构和位置绝对值信息，并与组件、文本映射。由解码器、backbone、Generator 等部件组成，左侧多模态理解，右侧生成输出。 Stable Diffusion 模型原理：是生成模型，通过加噪和去噪实现图像的正向扩散和反向还原，解决潜在空间模型中的速度问题。其应用场景包括带货商品图生成、模特服装展示、海报生成、装修设计等。 吉梦 AI 和吐司平台的使用体验：吉梦 AI 提供 AI 视频生成等能力，通过简单提示词生成图像，对数字体有专项场景训练；吐司是类似的在线生成平台，具备多种 AI 能力，有模型、在线训练、上传模型工作流等功能，可通过输入提示词生成图片。 模型训练：训练模型需要大量图像数据和标签化处理。 AI 视频生成原理：主要基于 Sara 的整体架构，采用 diffusion Transformer 架构，以扩散模型通过随机造点、加噪和去噪得到连续图像帧，输入视频可看成若干帧图片，经处理后生成视频。 模态生成器 MG_X 一般用于生成不同的模态来输出。当前的工作一般使用现成的扩大模型（Latent diffusion model），例如 Stable Diffusion 用于图像生成，Zeroscope 用于视频生成，AudioLDM2 用于音频生成。 多模态模型的技术架构：如果模型既支持 3D 生成，又支持视频生成，就可以实现图文编辑以及具有强一致性的视频生成。Open AI 可能会尝试把图片、视频、3D 变为一个自然空间，Google 的 VideoPoet 已在这个方向上有尝试，但分辨率不够高。Transformer 架构的多模态模型给机器提供了像人类一样与世界互动的新机会，杨立昆（Yann LeCun）提出的世界模型可能是近一年值得关注的研究点。
2025-01-07
视频面部替换 有什么工具推荐？
以下是为您推荐的视频面部替换工具： 1. 三思教程：https://www.xiaohongshu.com/explore/666e8bfc00000000060044aa 2. 白马少年文生图教程：https://www.xiaohongshu.com/explore/6669d3c9000000000e0300fb 3. 阿米的 VB 工作流拆解：https://www.xiaohongshu.com/explore/66699475000000000e0325cf 4. 红泥小火炉的 VB 工作流拆解：https://www.xiaohongshu.com/explore/66699e13000000000d00d236 5. 岳超楠：AI 教程丨教您如何用 comfyUI 修复脸部：https://www.xiaohongshu.com/explore/666be3ed0000000006004d88 6. guahunyo 老师的工作流： 7. Dreamina 图片生成功能：https://dreamina.jianying.com/aitool/image/generate ，上传深度图，选择适应画布比例并填写描述
2025-01-07
视频换脸有什么工具推荐？
以下为您推荐一些视频换脸工具： 1. TecCreative： 操作指引：上传原始视频——上传换脸图片——点击生成。 2. Viggle（有免费额度）： 网址：http://viggle.ai discord 免费体验：https://discord.com/invite/viggle 功能： /mix:将角色图像混合到动态视频中。操作步骤：上传一张字符清晰的图片，上传一段清晰运动的视频。 /animate:使用文本运动提示为静态角色设置动画。操作步骤：上传一张字符清晰的图片，描述您想让角色做的动作（也可以从 https://viggle.ai/prompt 中复制动作提示词）。 /ideate:纯粹从文本创建角色视频。操作步骤：描述您想要创造的角色，描述您希望角色执行的动作（或从 https://viggle.ai/prompt 中复制动作提示词）。 /character:通过文本提示创建角色并将其动画化。操作步骤：描述您想要创造的角色，从四个结果中选择一个图像，描述您希望角色执行的动作（或从 https://viggle.ai/prompt 中复制动作提示词）。 /stylize:使用文本提示符重新设计角色的样式并将其动画化。操作步骤：上传一张字符清晰的图片，描述您想改变角色的任何地方来重新塑造它，从四个结果中选择一个图像，描述您想要角色做的动作（或者从 https://viggle.ai/prompt 中复制动作提示词）。 官方提供了多种动作提示词可供参考，提示词地址：https://viggle.ai/prompt 3. 插件 ADetailer： 首先要明白插件原理是识别面部对面部进行扩散，里面可以增加 controlnet 去控制。 操作步骤： 打开 Adetailer，选择模型是关于脸部修复的，选择最常用的模型，在对应的正向提示词中添加一些面部的修饰词，也可以加 lora。 在检测一栏基本上维持默认不变，效果不好适当拉高阈值。 在蒙版处理维持默认不变。 在重绘选项卡中，关注以下参数： 重绘使用的模型、重绘使用的 VAE 以及重绘制使用的采样方式。 局部重绘制强度，推荐 0.5 左右，可自行尝试。 Controlnet，和外面用的一样也是增加控制的，选择最适合的，若用 tile 模型要适当调整权重或者调整引导于结束的步数。
2025-01-07
Video-LLaVA与多模态图像视频识别
以下是对 26 个多模态大模型的全面比较总结： 1. Flamingo：是一系列视觉语言（VL）模型，能处理交错的视觉数据和文本，并生成自由格式的文本作为输出。 2. BLIP2：引入资源效率更高的框架，包括用于弥补模态差距的轻量级 QFormer，能利用冻结的 LLM 进行零样本图像到文本的生成。 3. LLaVA：率先将 IT 技术应用到多模态（MM）领域，为解决数据稀缺问题，引入使用 ChatGPT/GPT4 创建的新型开源 MM 指令跟踪数据集及基准 LLaVABench。 4. MiniGPT4：提出简化方法，仅训练一个线性层即可将预训练的视觉编码器与 LLM 对齐，能复制 GPT4 展示的功能。 5. mPLUGOwl：提出新颖的 MMLLMs 模块化训练框架，结合视觉上下文，包含用于评估的 OwlEval 教学评估数据集。 6. XLLM：陈等人将其扩展到包括音频在内的各种模式，具有强大的可扩展性，利用 QFormer 的语言可迁移性成功应用于汉藏语境。 7. VideoChat：开创高效的以聊天为中心的 MMLLM 用于视频理解对话，为该领域未来研究制定标准，并为学术界和工业界提供协议。
2025-01-07
AI剪视频
以下是关于 AI 剪视频的相关信息： 娜乌斯嘉 AI 动画混剪：娜乌斯嘉联合很多 AI 绘画爱好者，一起出了一个混剪视频，基本包含市面上所有的 AI 绘画手段制作。 AI 视频软件教程： 视频模型：Sora（https://waytoagi.feishu.cn/wiki/S5zGwt5JHiezbgk5YGic0408nBc） 工具教程：Hedra（https://waytoagi.feishu.cn/wiki/PvBwwvN36iFob7kqZktcCzZFnxd） 应用教程： 视频转绘（https://waytoagi.feishu.cn/wiki/ZjKpwSd5hiy6ZhkiBVHcOBb6n9r） 视频拆解（https://waytoagi.feishu.cn/wiki/WeKMwHRTmiVpYjkVdYpcFjqun6b） 图片精修（https://waytoagi.feishu.cn/wiki/CfJLwknV1i8nyRkPaArcslWrnle） 几个视频 AIGC 工具： Opusclip 利用长视频剪成短视频 Raskai 短视频素材直接翻译至多语种 invideoAI 输入想法>自动生成脚本和分镜描述>生成视频>人工二编>合成长视频 descript 屏幕/播客录制>PPT 方式做视频 veed.io 自动翻译自动字幕 clipchamp 微软的 AI 版剪映 typeframes 类似 invideoAI，内容呈现文本主体比重更多 google vids 一口大饼 用 AI 把小说做成视频的制作流程： 1. 小说内容分析：使用 AI 工具（如 ChatGPT）分析小说内容，提取关键场景、角色和情节。 2. 生成角色与场景描述：根据小说内容，使用工具（如 Stable Diffusion 或 Midjourney）生成角色和场景的视觉描述。 3. 图像生成：使用 AI 图像生成工具根据描述创建角色和场景的图像。 4. 视频脚本制作：将提取的关键点和生成的图像组合成视频脚本。 5. 音频制作：利用 AI 配音工具（如 Adobe Firefly）将小说文本转换为语音，添加背景音乐和音效。 6. 视频编辑与合成：使用视频编辑软件（如 Clipfly 或 VEED.IO）将图像、音频和文字合成为视频。 7. 后期处理：对生成的视频进行剪辑、添加特效和转场，以提高视频质量。 8. 审阅与调整：观看生成的视频，根据需要进行调整，比如重新编辑某些场景或调整音频。 9. 输出与分享：完成所有编辑后，输出最终视频，并在所需平台上分享。 请注意，具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外，AI 工具的可用性和功能也可能会随时间而变化，建议直接访问上述提供的工具网址获取最新信息和使用指南。内容由 AI 大模型生成，请仔细甄别。
2025-01-07
吴恩达的视频课程链接
以下是吴恩达相关视频课程的链接： 谷歌/百度 AI 部门负责人吴恩达和 OpenAI 合作推出的免费 Prompt Engineering（提示工程师）课程： 原版网址：https://www.deeplearning.ai/shortcourses/chatgptpromptengineeringfordevelopers/ B 站版本： 【合集·AI Course哔哩哔哩】https://b23.tv/ATc4lX0 https://b23.tv/lKSnMbB 翻译版本： 推荐直接使用 Jupyter 版本学习，效率更高：https://github.com/datawhalechina/promptengineeringfordevelopers/ 视频下载地址：https://pan.quark.cn/s/77669b9a89d7 OpenAI 开源了教程：https://islinxu.github.io/promptengineeringnote/Introduction/index.html 纯文字版本： 2023 年 11 月 9 日推出的新课程《》，一共 31 集，可在 B 站观看学习。
2025-01-07
AI一次最多可以生成多少文字
目前国内外的大模型在生成内容时，一次生成 1000 字以内的质量较为稳定，默认情况下一般为 700 800 字。超过 1000 字，生成的文本质量就可能开始下降。例如通过“文本改写”场景测试能直观反映这一情况。不过，Claude 在长文本生成能力上相对较强，有试过其单次输出 2800 字。如果想要使用 AI 生成长文章，建议分段落让其完成，以保证生成文章的质量。对于长文章的解读或改写，也可采用分段方式，让 AI 逐项完成，每个段落长度控制在 700 800 字左右效果最佳。此外，对于复杂任务，可拆分成工作流，比如写文章任务可拆分为搜集材料、生成大纲、逐段填充内容、润色、起爆款标题、吸睛开篇金句等。
2025-01-07
如何利用Ai生成长文的脑图
以下是关于利用 AI 生成长文脑图的相关信息： 一、AI 生图相关课程与分享 讨论了 AI 生图的学习课程安排，包括邀请白马老师授课、介绍相关工具网站吐司，还提及了 AI 工具的消费和应用情况等。 二、AI 绘图模型 1. 特点、优势、应用场景以及在实际操作中的使用方法和技巧。 2. 工具 SD 的各种玩法、不同界面、模型分类及应用场景，强调了其在创意设计中的作用和优势。 三、图像生成模型 1. 特点、发展历程、优势与应用。 2. 吐司网站的使用方法。 四、获取额外算力 通过特定链接注册或填写邀请码 BMSN，新用户 7 天内可额外获得 100 算力。 五、文生图的操作方式 在首页有对话生图对话框，输入文字描述即可生成图片，不满意可通过对话让其修改。 六、模型及生成效果 Flex 模型对语义理解强，不同模型生成图片的积分消耗不同，生成的图片效果受多种因素影响。 七、图生图及参数设置 可通过电图基于图片做延展，生图时能调整尺寸、生成数量等参数，高清修复会消耗较多算力建议先出小图。 八、特定风格的生成 国外模型对中式水墨风等特定风格的适配可能存在不足，可通过训练 Lora 模型改善。 九、与思维导图相关的 AI 工具 1. GitMind：免费跨平台，支持多种模式，可自动生成思维导图。 2. ProcessOn：国内思维导图+AIGC 工具，可利用 AI 生成思维导图。 3. AmyMind：轻量级在线，无需注册登录，支持自动生成节点。 4. Xmind Copilot：基于 GPT 的助手，可一键拓展思路，生成文章大纲。 5. TreeMind：输入需求由 AI 自动完成思维导图生成。 6. EdrawMind：提供一系列 AI 工具，包括头脑风暴功能，提升生产力。 十、AI 摆摊项目 1. AI 图像处理：图像生成、照片修复与动起来、动漫化头像、老照片复活、创意壁纸制作等。 2. 文案与内容创作：文案定制、朋友圈文案生成、爆款文案编写、创意故事、情话生成等。 3. 音频与音乐制作：专属歌曲创作、音频处理、声音克隆、AI 唱歌、背景音乐定制等。 4. 视频处理：视频换脸、照片转视频、视频动漫化、视频剪辑、数字人制作等。 5. 智能体与 Coze：搭建智能体、GPTs 创建、coze 工作流、微信机器人等。 6. AI 教育与咨询：AI 应用培训、课程设计、商业化咨询、AI+行业应用咨询等。
2025-01-07
插画生成
以下是关于插画生成的相关内容： Midjourney 商业实战案例 1. 像素风格插画 关键词：3D,16bit pixel art,Super mario,Minecraft,LEGO,pixel style,Blocksplicing,girl with long hair,Alice in Wonderland,garden background,8K–uplight–ar 9:16–v 5 Midjourney 生成的图片：像素女孩插画 2. 手机壁纸插画 关键词：mobile wallpaper illustrations,four seasons,natural landscapes,minimalist illustrations,line illustrations–ar 9:16–niji Midjourney 生成的图片：手机壁纸 3. 新海诚风格插画 关键词：Makoto Shinkai animation style,a girl,4K–ar 9:16–niji Midjourney 生成的图片：新海诚动漫海报 4. 国潮插画 关键词：Make posters of James Jean,white deer,auspicious clouds,birds,distant mountains,Chinese ChinaChic style,colorful,light color,gradient color–ar 9:16 Midjourney 生成的图片：国潮白鹿插画 【SD】简笔水彩风格插画 作者：白马少年 介绍：SD 实践派，出品精细教程 发布时间：20230620 20:04 原文网址：https://mp.weixin.qq.com/s/TPSturdv9fdGRLAxEG2rKg 生成方法：首先使用大模型“Flat2D Animerge”，适合生成一些卡通动漫的图片，官方建议 CFG 值在 5 或 6（使用动态阈值修复的话，可拉到 11）。还有两个 lora，“Chinese painting style”可增加中国画水彩风格的效果，权重设置为 0.4；“Crayon drawing”可给画面添加简单线条和小孩子的笔触，权重设置为 0.8。将图片丢到标签器中反推出关键词，发送到“文生图”。在正向提示词末尾添加这两个 lora，尺寸按参考图设置，重绘幅度开 0.5 让 AI 更自由发挥，想和原图更接近可降低数值。将图放入 controlnet 中，选择 tile 模型，权重为 0.5，控制模式选择“更注重提示词”。 商业教程：统一 2 个角色的插画海报 1. 生成女性 获取男生那张的 seed，加在关键词后面，生成女生。挑选相似的。也可以先 U3 后继续通过变化的变化 2 个按钮挑选合适的。 2. 局部重绘 局部重绘不满意的表情，如希望女生开心点，添加 happy。 3. ps 处理 把需要的角色扣在一起。ps 把颜色调整一致（如果有 ps ai 版可以修修手） 4. 小素材生成 其他过程稿
2025-01-06
AI生成视频
以下是关于 AI 生成视频的相关内容： Adobe 网站的生成视频相关操作： 在 Advanced 部分，您可以使用 Seed 选项添加种子编号，以帮助启动流程并控制 AI 创建的内容的随机性。如果使用相同的种子、提示和控制设置，则可以重新生成类似的视频剪辑。选择 Generate 进行生成。 将小说制作成视频的流程： 1. 小说内容分析：使用 AI 工具（如 ChatGPT）分析小说内容，提取关键场景、角色和情节。 2. 生成角色与场景描述：根据小说内容，使用工具（如 Stable Diffusion 或 Midjourney）生成角色和场景的视觉描述。 3. 图像生成：使用 AI 图像生成工具根据描述创建角色和场景的图像。 4. 视频脚本制作：将提取的关键点和生成的图像组合成视频脚本。 5. 音频制作：利用 AI 配音工具（如 Adobe Firefly）将小说文本转换为语音，添加背景音乐和音效。 6. 视频编辑与合成：使用视频编辑软件（如 Clipfly 或 VEED.IO）将图像、音频和文字合成为视频。 7. 后期处理：对生成的视频进行剪辑、添加特效和转场，以提高视频质量。 8. 审阅与调整：观看生成的视频，根据需要进行调整，比如重新编辑某些场景或调整音频。 9. 输出与分享：完成所有编辑后，输出最终视频，并在所需平台上分享。 请注意，具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外，AI 工具的可用性和功能也可能会随时间而变化，建议直接访问上述提供的工具网址获取最新信息和使用指南。 AI 视频生成的技术发展概况和应用场景思考： 长期以来，人们对 AI 视频技术应用的认知停留在各种“换脸”和视频特效上。随着 AI 图像领域的技术发展，AI 视频技术也逐渐取得了突破。从交互方式来看，当前 AI 视频生成主要可分为文本生成视频、图片生成视频、视频生成视频三种形式。一些视频生成方法是先生成静态关键帧图像，然后构建为视频序列。也存在直接端到端生成视频的技术，无需进行多阶段处理即可生成视频，如基于 GAN、VAE、Transformer 的方法。微软 NUWAXL 是通过逐步生成视频关键帧，形成视频的“粗略”故事情节，然后通过局部扩散模型（Local Diffusion）递归地填充附近帧之间的内容。
2025-01-06
国内有什么生成视频的AI应用么
以下是国内一些生成视频的 AI 应用： 1. 可灵：在 AI 视频生成领域表现出色，具有卓越的视频生成质量，生成的视频在画面清晰度、连贯性和内容丰富性上可与国际顶级模型媲美。生成速度快，处理效率高，且对国内用户的可访问性强，提供了便捷、稳定的使用体验。 2. Pika：非常出色的文本生成视频 AI 工具，擅长动画制作，并支持视频编辑。 3. Hidreamai：有免费额度，支持文生视频、图生视频，提示词使用中文、英文都可以，文生视频支持多种控制，可生成不同时长和尺寸的视频。 4. ETNA：由七火山科技开发的文生视频 AI 模型，能根据简短文本描述生成相应视频内容，视频长度 8 15 秒，画质可达 4K，支持中文，时空理解。 更多的文生视频网站可以查看： 需注意，内容由 AI 大模型生成，请仔细甄别。
2025-01-06