投稿获客
  1. 创想鸟首页
  2. 科技

视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术

程序猿 • • 科技 • 阅读 0

蒙娜丽莎打哈欠，小鸡学会举铁……谷歌videopoet大模型表现很亮眼。

2023 年底，科技公司都在冲击生成式 AI 的最后一个关卡 —— 视频生成。
本周二，谷歌提出的视频生成大模型上线，立刻获得了人们的关注。这款名为 VideoPoet 的大语言模型，被人们认为是革命性的 zero-shot 视频生成工具。
VideoPoet 既可以文生视频、图像生视频，又能风格迁移，视频转语音。从效果上看，它可以构建多样化且流畅的运动。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术

消息一出，有很多人表示欢迎：看看目前的几个成品效果不错，大模型技术发展的速度也太快了。

视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术

有人对于这个大模型生成视频的长度表示惊讶：

视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术

视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术

来源：https://twitter.com/cybersphere_ai/status/1737257729167966353
还有人表示这是一个革命性的大语言模型。

视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术

也有人呼吁，谷歌需要赶紧把 VideoPoet 开源了，大趋势不等人。
随着生成式 AI 的发展，最近出现了一波新的视频生成模型，这些模型展示了令人惊叹的画面质量。当前视频生成的瓶颈之一是产生连贯的大动作。但在许多情况下，即使是领先的模型也只能产生较小的运动，或者当产生较大的运动时，会表现出明显的伪影。
为了探索语言模型在视频生成中的应用，来自谷歌的研究者引入了一种大语言模型（LLM）VideoPoet，能够执行各种视频生成任务，包括文本到视频、图像到视频、视频风格化、 视频修复和扩展，以及视频转音频。
VideoPoet 效果展示
文本生成视频
提示：一只狗戴着耳机听音乐，细节丰富，8k。

视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术

提示（从左到右）：一条从嘴里射出激光束的鲨鱼；泰迪熊手牵着手走在雨天的第五大道上；举铁的小鸡。

视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术

提示（从左到右）：黄色蒲公英花瓣制成的狮子在咆哮；地球表面发生大规模爆炸；一匹马在梵高的星夜中驰骋；穿着盔甲的松鼠骑着鹅；熊猫在自拍。

视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术

图像生成视频
对于图像到视频，VideoPoet 可以获取输入图像并通过提示将其动画化。
蒙娜丽莎开始打哈欠，只要输入一张图片，外加一句提示：一个女人打哈欠。就会得到下面的效果。

视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术

提示（从左到右）：一艘船在波涛汹涌的大海上航行，有雷暴和闪电，油画风格；飞过有许多闪烁星星的星云；大风天，一个拄着拐杖站在悬崖上的流浪者，俯视着下面浮动的云海。

视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术

将视频风格化
VideoPoet 还能够根据文本提示对输入视频进行风格化。
提示（从左到右）：泰迪熊在干净的冰湖上滑冰；一只金属色的狮子在熔炉的光芒下咆哮。

视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术

Fireflies.ai Fireflies.ai

自动化会议记录和笔记工具，可以帮助你的团队记录、转录、搜索和分析语音对话。

Fireflies.ai 145 查看详情 Fireflies.ai

生成音频
VideoPoet 还能够生成音频。首先让模型生成 2 秒的剪辑，然后尝试在没有任何文本指导的情况下预测画面的音频。这样一来，VideoPoet 能够从单个模型生成视频和音频。视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术
长视频
VideoPoet 还能生成长视频，默认是 2 秒。通过调节视频的最后 1 秒并预测接下来的 1 秒，这个过程可以无限地重复，以生成任意时长的视频。下面是 VideoPoet 从文本输入生成长视频的示例展示。提示：FPV 镜头展示了丛林中一座非常锋利的精灵石城，有明亮的蓝色河流、瀑布和大而陡峭的垂直悬崖面。

视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术

扩展视频
用户可以改变提示，从而扩展视频。原始视频是两只浣熊骑着摩托车在松树环绕的山路上行驶，8k。扩展后的视频是两只浣熊骑着摩托车，浣熊身后落下流星，流星撞击地球并爆炸。

视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术

交互式视频编辑
对于提供的输入视频（最左边），用户可以改变物体的运动来执行不同的动作。如下所示，中间三个没有文本提示，最后一个文本提示为：烟雾背景下启动。

视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术

视频修复
VideoPoet 可以在视频被遮住的部分添加细节，也可以选择通过文本引导进行修复。

视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术

视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术

为了展示 VideoPoet 的功能，谷歌还制作了一部由 VideoPoet 生成的多个短片组成的小短片。剧本是 Bard 编写的，是关于一只旅行浣熊的短篇故事，并附有逐个场景的分解和附带的提示列表。然后，谷歌为每个提示生成视频剪辑，并将所有生成的剪辑拼接在一起以生成下面的最终视频。视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术
方法简介
如下图所示，VideoPoet 可以将输入图像动画化以生成一段视频，并且可以编辑视频或扩展视频。

视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术

在风格化方面，该模型接收表征深度和光流的视频，以文本指导的风格绘制内容。
视频生成器
使用 LLM 进行训练的一个关键优势是，可以重复使用现有 LLM 训练基础设施中引入的许多可扩展的效率改进。然而，LLM 是在离散 token 上运行的，这使得视频生成具有挑战性。而视频和音频 tokenizer 可以用来将视频和音频剪辑编码为离散 token 序列，并且也可以转换回原始表征形式。
通过使用多个 tokenizer（用于视频和图像的 MAGVIT V2 和用于音频的 SoundStream），VideoPoet 训练自回归语言模型来学习跨视频、图像、音频和文本的多个模态。一旦模型生成以某些上下文为条件的 token，就可以使用 tokenizer 解码器将它们转换回可视化的表征形式。

视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术

评估结果
研究团队使用各种基准来评估 VideoPoet 在文本到视频生成方面的表现，以将结果与其他方法进行比较。为了确保中立的评估，该研究在各种不同的 prompt 下运行了所有模型，没有挑选示例，并要求人类评估者进行偏好评分。

视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术

视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术

平均而言，在遵循 prompt 方面，人们认为 VideoPoet 中 24-35% 的示例比竞争模型更好，而竞争模型的这一比例为 8-11%。评分者还更喜欢 VideoPoet 中 41-54% 的示例，因为生成视频的动作更有趣，而其他模型的这一比例为 11-21%。
参考链接：
https://blog.research.google/2023/12/videopoet-large-language-model-for-zero.html
https://sites.research.google/videopoet/stylization/

以上就是视频生成可以无限长？谷歌VideoPoet大模型上线，网友：革命性技术的详细内容，更多请关注创想鸟其它相关文章！

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1004406.html

赞 (0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
0 0

关于作者

程序猿的头像

程序猿签约作者

266.4K 文章
0 评论
1 粉丝
这个人很懒，什么都没有留下～
上一篇 2025年12月1日 23:42:46
下一篇 2025年12月1日 23:43:28

相关推荐

  • mac怎么解决“您的磁盘几乎已满”_Mac磁盘几乎已满解决方法

    首先清理系统缓存和临时文件，接着卸载不常用应用程序，然后管理媒体与下载文件，最后启用优化存储功能以释放磁盘空间。 如果您在使用Mac时收到“您的磁盘几乎已满”的提示，这通常意味着启动磁盘的可用存储空间不足，可能导致系统运行缓慢或无法保存新文件。以下是解决此问题的操作步骤。 本文运行环境：MacBoo…

    程序猿的头像 程序猿
    2025年12月6日 • 系统教程
    000

  • 智象未来亮相 WAIC：多模态智能体 重塑创作的未来版图

    2025 世界人工智能大会（waic）期间，智象未来（hidream.ai）联合创始人兼首席技术官姚霆发表主题演讲，系统阐释了多模态智能体在内容创作领域的技术突破与商业化实践。作为聚焦多模态生成的 ai 创新企业，智象未来期待通过探索多模态大模型的有效落地形式， “让创作回归灵感，让时间忠于故事” …

    程序猿的头像 程序猿
    2025年12月5日 • 行业动态
    000

  • winmm.dll丢失怎么解决 下载修复方法分享

    电脑提示：“无法启动程序，因为计算机中丢失winmm.dll。尝试重新安装该程序以解决此问题。”遇到这种情况，很多人会感到困惑。实际上，winmm.dll文件丢失是较为普遍的问题，通常由系统文件损坏、误删或病毒攻击引起。本文将提供几种实用的下载与修复方案，助你迅速恢复系统正常运行。 一、winmm.…

    程序猿的头像 程序猿
    2025年12月5日 • 电脑教程
    000

  • js如何实现图片镜像翻转 4种镜像处理方式玩转图像变换

    在js中实现图片镜像翻转主要通过canvas和css两种方式，具体步骤如下：1. 使用canvas时，水平翻转需调用ctx.scale(-1, 1)并平移原点至右侧；2. 垂直翻转使用ctx.scale(1, -1)并平移原点至下方；3. 同时水平与垂直翻转则设置ctx.scale(-1, -1)并…

    程序猿的头像 程序猿
    2025年12月5日 • web前端
    100

  • AI动画制作工具排行榜 能免费使用的10款AI动画制作工具推荐

    以下是10款免费的AI动画制作工具：1.智影：腾讯推出的在线视频制作平台，提供日漫风格，限时免费。2.Artflow：AI动画创建工具，Story Studio具有视频漫画生成功能，支持12种画面视觉风格。3.Flow Studio：通过文字生成视频片段，支持多种画面风格，新用户有200积分免费生成…

    程序猿的头像 程序猿
    2025年12月4日 • 科技
    000

  • 电脑主机内存条插槽位置及正确安装步骤，保证系统稳定运行无故障

    内存条插槽通常位于主板cpu插槽附近，是带有卡扣的细长接口。识别不同类型内存插槽主要看防呆缺口位置，如ddr4缺口偏右、ddr3偏左。安装时常见错误包括未完全插紧、静电损伤、方向错误强行插入及混用不兼容内存。验证方法包括开机进入bios查看识别容量、操作系统内检查内存信息、运行windows内存诊断…

    程序猿的头像 程序猿
    2025年12月4日 • 游戏教程
    000
  • Linux实现自动挂载autofs的方法详解 科技

    Linux实现自动挂载autofs的方法详解

    ☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜ 目录 实现自动挂载-autofs autofs工具简单使用 autofs配置详细说明 自动挂载资源有两种格式 优化Linux系统性能 安装Tuned 选择调整配置文件 检查系统推荐的调整配置文件…

    程序猿的头像 程序猿
    2025年12月4日
    000

  • BlenderMCP— 基于 MCP 集成的 3D 建模工具

    ☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜ MCP Market MCP Servers集合平台，帮你找到最好的MCP服务器 67 查看详情 BlenderMCP是什么 blendermcp是一种将blender与claude ai通过模…

    程序猿的头像 程序猿
    2025年12月4日 • 科技
    000
  • VSCode怎么出现波浪线_VSCode错误提示和语法检查功能说明教程 开发工具

    VSCode怎么出现波浪线_VSCode错误提示和语法检查功能说明教程

    VSCode中的波浪线是语言服务、Linter和编译器协同提供的实时反馈，红色表示错误（如语法错误），黄色表示警告（如未使用变量），绿色或下划线表示建议（如代码优化），通过悬停查看提示、检查配置文件（如tsconfig.json、.eslintrc）、使用“问题”面板（Ctrl+Shift+M）定位…

    程序猿的头像 程序猿
    2025年12月4日
    100
  • 水冷散热器性能对比：EK-QuantumMagnitudeS360vs酷冷至尊冰神E360 硬件教程

    水冷散热器性能对比：EK-QuantumMagnitudeS360vs酷冷至尊冰神E360

    ek-quantummagnitudes360在散热性能和静音效果上优于酷冷至尊冰神e360，而酷冷至尊冰神e360在性价比和rgb灯效上更具优势。ek-quantummagnitudes360适合追求高性能和静音的用户，酷冷至尊冰神e360则适合预算有限且注重rgb灯效的用户。 水冷散热器性能对比…

    程序猿的头像 程序猿
    2025年12月3日
    000
  • QLCSSD寿命测试：三星870QVO8TB写入量实测 硬件教程

    QLCSSD寿命测试：三星870QVO8TB写入量实测

    三星870qvo 8tb的写入耐久性在测试中表现出色，实际写入量超过了标称的tbw。1）写入量远超预期，展示了qlc技术的进步；2）采用先进的固件优化，延长了ssd的寿命；3）在接近tbw值时，性能依然稳定，证明了其寿命管理策略的有效性。 QLCSSD寿命测试：三星870QVO8TB写入量实测 在进…

    程序猿的头像 程序猿
    2025年12月3日
    000

  • 鼠标突然失灵 10种常见故障修复指南

    在日常工作或娱乐过程中，鼠标是我们与电脑互动最频繁的外设之一。一旦出现故障，将极大影响操作效率。那么鼠标坏了该如何应对？今天驱动哥为大家整理了10种常见的鼠标问题及其解决方法，简单易懂，新手也能轻松上手。 鼠标右键无响应 可能原因：右键物理损坏、系统设置错误或驱动程序冲突。 应对措施： 将鼠标插到另…

    程序猿的头像 程序猿
    2025年12月3日 • 电脑教程
    000
  • 英特尔ArcA750vs英伟达GTX1660Super：性价比逆袭测试 硬件教程

    英特尔ArcA750vs英伟达GTX1660Super：性价比逆袭测试

    英特尔arc a750在性价比上成功逆袭了英伟达gtx 1660 super。1）在最新游戏中，a750表现出色，如《赛博朋克2077》帧率和视觉效果更好；2）a750定价低，提供更好的1080p高帧率游戏体验；3）在创意应用中，a750硬件加速功能出色，缩短处理时间；4）未来，a750性能有望通过…

    程序猿的头像 程序猿
    2025年12月3日
    000

  • EV剪辑视频如何换封面?EV剪辑视频换封面教程

    ev剪辑是一款功能全面的%ign%ignore_a_1%re_a_1%工具，具备剪辑、特效滤镜、转场动画等多种实用功能。其中，视频换封面功能可以帮助用户通过个性化封面突出视频主题，吸引观众注意，从而提升点击率。那么，如何在ev剪辑中更换视频封面呢？以下是详细操作教程： EV剪辑视频怎么换封面？详细图…

    程序猿的头像 程序猿
    2025年12月3日 • 软件教程
    000

  • 会声会影x9怎么录音？会声会影x9录音的操作步骤

    会声会影x9是一款功能强大的视频剪辑工具，软件将录音功能与视频编辑功能紧密结合，支持用户直接通过麦克风录制音频，并将其应用到当前的视频项目中。此外，该软件还具备在录音过程中自动调节音量的功能，有效防止音量过大或过小的问题。接下来将详细介绍如何使用会声会影x9进行录音操作，有需要的朋友不妨参考一下。 …

    程序猿的头像 程序猿
    2025年12月3日 • 软件教程
    000

  • 会声会影x9怎么剪辑视频？会声会影x9剪辑视频的方法

    会声会影x9是一款功能全面、操作便捷的视频剪辑工具。它的界面设计清晰明了，通过简单的拖放操作即可完成视频编辑任务，即便是初学者也能迅速掌握使用方法。会声会影x9支持多轨道编辑，用户能够同时处理多个视频与音频素材，从而轻松制作出复杂的剪辑效果。 会声会影x9如何剪辑视频？以下是具体的操作流程： 1、启…

    程序猿的头像 程序猿
    2025年12月3日 • 软件教程
    000

  • EV剪辑怎么覆盖视频?EV剪辑覆盖视频的操作方法

    EV剪辑是一款功能强大的视频编辑神器，提供了多种丰富的功能，如剪辑工具，包括剪切、拼接、覆盖、调色、字幕添加等。EV剪辑操作界面简洁直观，易于上手，为了对视频进行精细化处理，往往需要覆盖视频，把多余的内容删除替换掉，从而提升视频质量。那么如何将新的视频片段覆盖到原有视频的特定位置，从而实现对视频内容…

    程序猿的头像 程序猿
    2025年12月3日 • 软件教程
    000

  • 会声会影x9怎么导出视频？会声会影x9导出视频的操作步骤

    %ignore_a_1%是一款功能强大的视频编辑工具，具备多样化的操作特性，支持多种视频输出格式，如mp4、avi、wmv等，能够适配各类播放设备和平台的使用需求。无论是日常的视频分享还是专业级别的高清制作，该软件都能高效完成，充分满足不同用户的导出需求。 那么，如何在会声会影X9中导出视频呢？以下…

    程序猿的头像 程序猿
    2025年12月3日 • 软件教程
    000

  • 电脑cpu是什么意思 cpu性能介绍

    提到电脑，我们常常会听到“cpu”这个词，那么它究竟代表什么呢？cpu，即中央处理器，是计算机的核心部件，负责执行程序指令、处理各类数据运算任务。它不仅直接影响电脑的整体性能，也在很大程度上决定了设备的价格水平。接下来，让我们深入了解一下cpu性能的相关知识吧~ 一、CPU性能的关键指标 判断CPU…

    程序猿的头像 程序猿
    2025年12月3日 • 电脑教程
    000

  • 游戏加加如何结束录像?游戏加加结束录像的方法

    游戏加加是一款专为游戏玩家打造的辅助%ign%ignore_a_1%re_a_1%，其结束录像功能支持多种视频格式与分辨率设置，用户可根据实际需求灵活选择输出格式。一旦结束录像，软件将自动停止录制并生成完整的视频文件，无需手动干预，确保画面连贯、内容完整。 使用游戏加加结束录像的具体步骤如下： 1、…

    程序猿的头像 程序猿
    2025年12月2日 • 软件教程
    000

发表回复

登录后才能评论
关注微信