投稿获客
广告
广告 广告 广告
广告 广告 广告 广告
广告 █ 推荐【菠萝云】香港16G内存99元 【CDNCloud】极速、安全可靠的加速体验 广告位联系QQ：253000106 【UStat】免费网站统计平台 SSL证书低至2折 单域名36元起 免费测试！海总一手APK免杀处理 广告位联系QQ：253000106 CDN 服务器 反炸 劫持 域名屏蔽 【UStat】专业网站统计平台 域名注册：海量域名快速注册 安卓免杀 谷歌报毒 封装 苹果签名 广告位联系QQ：253000106 【域名被劫持污染如何处理】 安卓免杀★超级签★封装★谷歌屏蔽 广告位联系QQ：253000106

*本站广告为第三方投放，如发生纠纷，请向本站索取第三方联系方式沟通

  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

414.1K 文章
0 评论
2 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

  • 如何用HTML插入标签云组件_HTML CSS3变换与随机颜色生成算法 好文分享

    如何用HTML插入标签云组件_HTML CSS3变换与随机颜色生成算法

    使用HTML构建标签结构，CSS3添加旋转与过渡效果，JavaScript生成随机HSL颜色并设置字体大小，实现动态交互的标签云组件。 要在网页中实现一个动态的标签云组件，结合 HTML、CSS3 变换和随机颜色生成算法，可以按照以下步骤操作。这个组件不仅能提升页面视觉效果，还能通过色彩和旋转增加交…

    程序猿的头像 程序猿
    2025年12月23日
    000
  • 如何在Go Gin应用中集成前端JavaScript模块（如Sentry） 好文分享

    如何在Go Gin应用中集成前端JavaScript模块（如Sentry）

    本文探讨了在Go Gin框架下，通过HTML模板服务前端页面时，如何有效集成JavaScript模块（如Sentry）。针对浏览器不直接支持Node.js模块导入语法的问题，文章详细阐述了利用CDN引入Sentry SDK的解决方案，并提供了具体的代码示例，帮助开发者实现前端错误监控功能，避免了复杂…

    程序猿的头像 程序猿
    2025年12月23日
    000
  • html官网浏览入口_html网站设计免费平台 好文分享

    html官网浏览入口_html网站设计免费平台

    html官网浏览入口在https://www.codepen.io，该平台支持实时预览代码、创建Pen项目、Fork开源示例，可添加外部资源，具备点赞评论收藏等社区互动功能，设有挑战活动与作品集分类，开放API接口，界面简洁适合初学者，在线编写无需配置环境，支持多种预处理器和响应式测试。 html官…

    程序猿的头像 程序猿
    2025年12月23日
    000
  • html5使用video与canvas实现视频截图 html5使用多媒体融合的技巧 好文分享

    html5使用video与canvas实现视频截图 html5使用多媒体融合的技巧

    首先通过结合HTML5的video与canvas元素实现视频截图，具体步骤包括嵌入视频和canvas标签，利用JavaScript将当前视频帧绘制到canvas并导出图像数据；接着通过预加载元数据、调整输出质量、使用离屏canvas及支持摄像头流等优化技巧提升性能；该技术广泛应用于视频会议拍照、在线…

    程序猿的头像 程序猿
    2025年12月23日
    000

  • track标签的作用？视频字幕怎么添加？

    track标签用于为html5的和元素添加文本轨道，最常见的应用是视频字幕，通过结合webvtt格式的字幕文件实现；2. 使用时需在标签内嵌套标签，设置kind（如subtitles、captions等）、src（指向.vtt文件）、srclang（字幕语言）、label（用户可见名称）和defau…

    程序猿的头像 程序猿
    2025年12月22日 • 好文分享
    100
  • HTML5视频怎么添加？video标签支持哪些格式？ 好文分享

    HTML5视频怎么添加？video标签支持哪些格式？

    html5视频在某些浏览器无法播放的主要原因是视频格式和编码不兼容。1. 首先需提供多种格式，如mp4（h.264编码）、webm（vp8/vp9编码）和ogg（theora编码），以覆盖不同浏览器的支持范围；2. 确保视频文件内部编码正确，即使文件后缀为.mp4，也必须使用h.264视频和aac音…

    程序猿的头像 程序猿
    2025年12月22日
    000

  • html文件怎么转换成mp4

    将 HTML 文件转换为 MP4：使用屏幕录像软件录制 HTML 页面。导出视频为 MP4 格式。转换音频为 MP3（可选）。使用视频编辑软件编辑视频（可选）。最终导出为 MP4 格式。 如何将 HTML 文件转换为 MP4 步骤 1：使用屏幕录像软件 使用屏幕录像软件（如 OBS Studio 或…

    程序猿的头像 程序猿
    好文分享 2025年12月22日
    000
  • html如何修改日期样式 好文分享

    html如何修改日期样式

    在html中，可以使用“::-webkit-datetime-edit”伪元素选择器来修改日期格式，只需要用该选择器选中元素，在设置具体样式即可，具体语法为“::-webkit-datetime-edit{属性:属性值}”。 本教程操作环境：windows7系统、CSS3&&HTML…

    程序猿的头像 程序猿
    2025年12月21日
    100
  • 单选框的type属性值为什么 好文分享

    单选框的type属性值为什么

    单选框的type属性值为“radio”。html type属性可以规定要显示的输入框“”元素的类型；值为“radio”时显示为单选框、“checkbox”时显示为复选框、“select”时显示为下拉式选框等等。 本教程操作环境：windows7系统、HTML5版、Dell G3电脑。 在HTML中，…

    程序猿的头像 程序猿
    2025年12月21日
    000
  • HTML中type是什么意思 好文分享

    HTML中type是什么意思

    在HTML中，type是类型的意思，是一个标签属性，主要用于定义标签元素的类型或文档（脚本）的MIME类型；例在input标签中type属性可以规定input元素的类型，在script标签中type属性可以规定脚本的MIME类型。 本教程操作环境：windows7系统、html5版、Dell G3电…

    程序猿的头像 程序猿
    2025年12月21日
    000

  • HTML中ul标签如何去掉点？HTML无序列表的样式实例解析

    本篇文章主要讲述的是关于html中的ul标签的默认小点给取消掉，还有关于html的无序列表ul标签的样式解释，给出了ul标签中的type属性三种值的介绍。现在就让我们一起来看本篇文章吧 首先这篇文章一开始我们就开始介绍在html中是怎么把ul标签的点给去掉的： 大家应该都使用过ul无序列表标签，ul…

    程序猿的头像 程序猿
    2025年12月21日 • 好文分享
    000

  • html中的ol标签如何去掉标号呢？标签的使用方法总结

    本篇文章介绍了html的ol标签是怎么去掉序号标号的，这里还有代码的详细解释，还有介绍了关于html ol有序列表标签如何更改序号，下文介绍了三种序号，大家也可以自己去想填写怎样的序号。现在来看这篇文章吧 一、我们先看看html中的ol标签是如何去掉标号的呢： 我们都知道html的ol标签是个有序列…

    程序猿的头像 程序猿
    2025年12月21日 • 好文分享
    000
  • HTML ul标签的什么意思？HTML ul标签的作用详解 好文分享

    HTML ul标签的什么意思？HTML ul标签的作用详解

    本篇文章主要的为大家讲解了关于html ul标签的三种重要的用法，还有关于html ul标签的解释，包含li标签的还有type属性对ul标签的使用情况，好了，下面大家一起来看文章吧 首先让我们先来解释一下HTML ul标签的意思： ul标签定义的是表格当中无序列表，表格当中的无序列表都是在 标签之中…

    程序猿的头像 程序猿
    2025年12月21日
    000
  • WebAssembly与JavaScript_javascript性能提升 好文分享

    WebAssembly与JavaScript_javascript性能提升

    WebAssembly通过二进制格式和接近原生的执行速度提升JavaScript性能。1. 代码体积小、解析快，适合高负载场景；2. 支持C/C++、Rust等语言编译，增强计算能力；3. 与JavaScript互操作，关键路径用Wasm，其余用JS处理。适用于图像视频编辑、游戏引擎、数据处理等场景…

    程序猿的头像 程序猿
    2025年12月21日
    000
  • javascript框架和库是什么_如何选择React、Vue或Angular？ 好文分享

    javascript框架和库是什么_如何选择React、Vue或Angular？

    JavaScript框架与库分别提供按需调用的功能集合和约束性开发结构；React是UI组件库，生态灵活但需自行整合工具；Vue渐进式易上手，兼顾原型与工程化；Angular是全功能TypeScript框架，适合强规范企业级项目。 JavaScript框架和库是封装好的代码集合，用来简化前端开发——…

    程序猿的头像 程序猿
    2025年12月21日
    000
  • React应用生产环境环境变量配置深度指南 好文分享

    React应用生产环境环境变量配置深度指南

    本文针对react应用在生产环境中无法读取`.env`文件配置的环境变量问题，深入剖析其工作原理、常见原因及排查方法。通过详细的步骤和示例代码，指导开发者正确配置和使用环境变量，解决api调用层面的`null`响应问题，确保应用在生产环境下的稳定运行。 在React应用开发中，环境变量（如API密钥…

    程序猿的头像 程序猿
    2025年12月21日
    000
  • JavaScript中的WebAssembly简介与使用_javascript WebAssembly 好文分享

    JavaScript中的WebAssembly简介与使用_javascript WebAssembly

    WebAssembly是一种可在现代浏览器中运行的低级字节码，设计用于高性能应用，作为JavaScript的补充而非替代。它是一种二进制指令格式，具有紧凑体积和高效执行能力，支持C/C++、Rust等语言编译为.wasm文件，在接近原生速度下运行。主流浏览器均已支持，通过JavaScript加载和实…

    程序猿的头像 程序猿
    2025年12月21日
    000
  • JS注解怎么实现文档化_ JS注解生成开发文档的流程与工具 好文分享

    JS注解怎么实现文档化_ JS注解生成开发文档的流程与工具

    JSDoc是一种JavaScript结构化注释规范，通过@param、@returns等标签描述代码元素，并借助工具生成HTML文档，结合IDE支持和CI/CD可提升团队协作效率。 JavaScript本身不支持原生注解（Annotation）像Java那样的语法，但通过约定的注释格式和配套工具，可…

    程序猿的头像 程序猿
    2025年12月21日
    000
  • JS注解怎么标注联合类型_ JS联合类型的注解书写与使用技巧 好文分享

    JS注解怎么标注联合类型_ JS联合类型的注解书写与使用技巧

    在JavaScript中可通过JSDoc使用联合类型注解，如string|number表示多类型支持，结合@param、@typedef等标签提升代码可读性与编辑器提示，适用于函数参数、返回值等场景。 在JavaScript中，虽然原生不支持类型注解，但在使用JSDoc配合现代编辑器（如VS Cod…

    程序猿的头像 程序猿
    2025年12月21日
    000
  • VS Code主题开发：告别JSON，拥抱脚本化生成 好文分享

    VS Code主题开发：告别JSON，拥抱脚本化生成

    vs code主题扩展最终需json格式定义，但开发者可通过javascript或typescript等脚本语言生成此json文件。这种方法有效解决了大型json文件难以维护、不支持注释等问题，并能实现颜色动态计算，显著提升主题开发的灵活性与效率。 为什么选择脚本化生成VS Code主题？ 在开发V…

    程序猿的头像 程序猿
    2025年12月20日
    000

发表回复

登录后才能评论
关注微信