2025-03-07 10:47:01

据一财，大模型开源潮从文本模型蔓延到了视频生成领域。2月25日，阿里巴巴开源了万相2.1视频生成模型，3月6日，腾讯开源图生视频模型，阶跃星辰也计划在本月开源图生视频模型。据腾讯介绍，新开源的图生视频模型总参数量130亿，适用于写实视频制作、动漫角色制作生成等，开源内容包含权重、推理代码和LoRA训练代码。用户上传一张图片，并简短描述希望画面如何运动、镜头如何调度，就能生成5秒短视频。用户也可以输入文字或音频，让图片中的人物对口型说话或唱歌。腾讯展示的视频生成案例包括爱因斯坦吃苹果、梵高喝红酒、机械马走动、虚拟人物念绕口令等。从演示视频看，视频中的主体运动较为流畅，对口型也比较真实。此外，也有业内人士告诉记者，视频生成模型的技术路径未完全清晰，行业还在摸索。在技术打磨阶段，开源也能推动行业进步。图像生成模型作为图生视频模型的基础，记者还从香港大学经管学院获悉，该学院今日发布了《人工智能模型图像生成能力综合评测报告》。在新图像生成内容质量（包括图文一致性、美感等维度）方面，字节即梦AI位列第一，在该榜单前20名内，包括DALL-E3、Hunyuan-DiT在内的多个模型是开源模型。