
2024-12-04 07:03 点击次数:196
剪辑部 发自 凹非寺加拿大pc28结果走势数据
量子位 | 公众号 QbitAI
奥特曼说,Sora代表了视频生成大模子的GPT-1时刻。
中午11点47分,在一片雷鸣掌声中,袁亚非董事长亲自揭开了地铁8号口雕塑龙头上的红绸,并轻触弧形屏幕上的龙首,顺利完成“点睛仪式”。随着屏幕里彩龙翩翩舞动,广场上500只白鸽腾空而起,位于新街口商圈中心地标的南京新百,将在“龙凤呈祥”的美好期望中,为商圈带来更多绚丽夺目的多元互动场景,注入更加丰富多彩的夜间经济活力,进一步彰显南京城市的独特魅力。
从开年到当今,国表里、初创独角兽到互联网大厂,齐纷纷干涉视频生陋习模,带来一个个极新模子的同期,视频、影视行业也随之发生剧变。
不可否定,当下的视频生成模子还际遇诸多问题,比如对空间、对物理礼貌的麇集,咱们齐期待着视频生成的GPT-3.5/4时刻到来。
在国内,有这么一家从加快磨真金不怕火启航的初创公司,正在为此致力于。
它便是潞晨科技,首创东谈主尤洋博士毕业于UC伯克利,后赴新加坡国立大学担任校长后生莳植。
本年潞晨科技在加快缠绵规模以外,成立视频生成模子VideoOcean,为行业带来更具性价比的给与。
在MEET 2025现场,尤洋博士也向咱们共享这一年关于视频生陋习模的麇集与领略。
MEET 2025智能改日大会是由量子位把持的行业峰会,20余位产业代表与会连络。线下参会不雅众1000+,线上直播不雅众320万+,获取了主流媒体的粗俗暖和与报谈。
中枢不雅点梳理视频生成模子应该齐备雅致化文本戒指、苟且机位/苟且角度、变装一致性、作风定制化3年后简略就能迎来视频生成的GPT-3.5/GPT-4时刻视频生成大模子的一个平直期骗价值便是打破本质的完了,极大裁减简直场景复现难度。(为更好呈现尤洋的不雅点,量子位在不转变容许的基础上作念了如下梳理)
3年后或是视频大模子的GPT-3.5时刻今天相称欢乐来到量子位大会,相称欢乐和全球疏导,今天讲一下咱们在视频大模子规模作念的一些责任。
最初是我和我的创业公司潞晨科技的先容。我从UC伯克利毕业到新加坡国立大学任教,很运气创办了潞晨科技。
咱们之前是作念算力优化的。2018年谷歌打造了寰宇上第一个千卡集群TPU Pod,那时寰宇上最大的模子也曾BERT。咱们匡助谷歌,将(那时)寰宇上最大模子的磨真金不怕火时刻从3天压缩到76分钟。
也很运气,旧年华为盘古大模子的一个责任亦然咱们全部来作念的,并获取了ACL最好论文。咱们的时代匡助华为盘古大模子在磨真金不怕火中更高效。微软、英伟达等公司团队也使用了咱们的时代作念一些折柳式磨真金不怕火,咱们但愿让大模子磨真金不怕火更快、资本更低。
步入今天的话题,来重心先容一下视频生成大模子。
咱们打造了一个居品叫Video Ocean,当今正处在测试阶段。先来先容一下居品,背面再磋议我以为视频大模子将会如何发展。
最初,我以为视频大模子第一个蹙迫的方面是,它应该能够齐备雅致化的文本戒指。
其实咱们今天齐在用AI去生成大模子了,咱们确定但愿它能够精确响应出思要的东西。但很缺憾,比如当今用文生图APP去生成图移时,也曾会发现好多图片本色无法作念到精确戒指,是以我认为这方面还有很大的发展空间。
在Video Ocean模子磨真金不怕火经由中,咱们作念了一些初步探索。一个相比好的例子,咱们能够精确地提供一些描摹,戴着墨镜,长的胡茬的欧洲男东谈主。了然于目这个视频内部如实是咱们思要的阿谁嗅觉,蓝天、海岸、沙滩、背光、单手执相机、玄色T恤,也有对着镜头话语。
我认为AI视频大模子改日3年可能最蹙迫的也曾齐备视频大模子的Scaling Law。
这个经由不需要相称炫酷的居品才智,最蹙迫的是把它的模子与本质寰宇的麇集才智作念到极致。我以为最终形态便是东谈主们说一段话、给一段描摹,它能精确地把描摹以视频的方式展示出来。
是以我以为改日3年,AI视频大模子就像山姆·奥特曼说的那样,今天是Video的GPT-1时刻,可能3年后到视频大模子的GPT-3.5、GPT-4时刻。
这里展示一下Video Ocean的Demo,现时咱们作念到了这么的水平。
潞晨科技
,赞687
第二点是改日视频大模子如何能够齐备苟且机位、苟且角度。
当今拍电影、拍记录片可以拿入部属手机、录像机不停地晃,思如何晃就如何晃,这么是对镜头有简直戒指的。改日AI视频大模子,最初应该作念到这少量,相通的描摹,换一下角度、换一个镜头,它的形象是不应该转变的,它便是相通一个物体。
更进一步讲,改日AI视频大模子还能颠覆好多行业。比如当今看足球、看篮球赛,咱们看到的镜头是现场编导给咱们看的镜头。他给咱们看前程、近景。
改日能不可依靠AI视频大模子,东谈主来戒指镜头,决定思要看哪,异常于在表露场里可以转眼移动,移动到教师席、临了一溜、第一溜。苟且机位、苟且角度的戒指。我以为改日AI视频大模子在这方面也瑕瑜常环节的,天然天然Video Ocean当今作念了一些尝试,初步后果也曾可以的。
我以为第三点蹙迫的是变装一致性。
因为作念出AI视频大模子,最终确定是需要产生营收、齐备变现的。谁会雅瞻念为这个付费,比如告白责任室、告白商、电商博主、影视行业。要是深刻这些行业的话,一个环节点是变装一致性。
比如一个居品的告白,确定重新到尾这个视频中的一稔、鞋、车,状貌不可有太大变化,物体变装保执一致性。
拍一部电影,从源头到完了,主演的状貌、环节副角的状貌确定也不可变化,在这方面Video Ocean也作念一些很好的探索。
再一个是作风的定制化。咱们知谈当今演员东谈主工资本瑕瑜常贵的,谈具资本也很高。
改日3年之内,要是AI视频大模子平时发展,我嗅觉会有一种需求,比如一个导演可以让一个演员在游池塘里拍一段戏,然后拿到素材通过AI将它转成泰坦尼克场景下的游水,转成阿凡达场景下的游水,这种才智反而是AI最擅长的。赋予电影感、艺术感的画面。
总之大模子一个平直的期骗价值便是打破本质的完了,能够极大裁减简直场景复现的难度。
可能之前全球听过一个段子,好莱坞导演思制造一个爆炸镜头,他算了一下预算,第一种决策是盖一个城堡把它炸掉,第二个决策是用缠绵机模拟这个画面。资本算下来之后,发现这两种决策的资本齐很高,那时用缠绵机模拟的资本更高,当今AI便是要大幅裁减大模子关于生成电影的资本。
要是这少量齐备后,咱们可以不受口头、天气等外部身分的完了,并减少对简直演员的依赖。这倒不是抢演员的饭碗,因为一些环节镜头瑕瑜常危急的,比如演员跳飞机、跳楼,演员去解救行将引爆的炸弹之类,这种镜头改日只需要演员的身份和肖像权,AI可以把这么的镜头作念好,是以对电影行业能够极大作念到降本增效。
正如昆仑万维方汉诚挚刚才说的,天然咱们的缠绵资源有限,可是咱们发现通过更好的算法优化如实能够训出更好的后果,比如Meta使用6000多个GPU磨真金不怕火30B的模子,最近咱们会在一个月内发一个10B版的模子,咱们仅用了256卡。
Video Ocean前身是咱们团队先打造了一个Open-Sora的开源居品,这个开源居品是弥散免费的,在Github上,后果相称可以,比如好意思国独角兽Lambda labs作念了一个火爆的期骗数字乐高,其实这个数字乐高便是基于Open-Sora作念的。
本年年头Sora出来之后,多样短视频巨头齐对视频大模子这一块相比爱好,比如中国的快手、抖音,好意思国便是Instagram、TikTok、SnapChat,这可以看到SnapChat的视频模子也在早些时候发布了,叫Snap Video,这是它的官方论文,他们就援用了咱们磨真金不怕火视频大模子的时代,是以说这些时代也匡助一些巨头简直把视频大模子训得更快,精度更高,智能进程更高。
谢谢全球!
点击https://video.luchentech.com可体验Video Ocean更多详备才智
— 完 —
量子位 QbitAI · 头条号签约
暖和咱们加拿大pc28结果走势数据,第一时刻获知前沿科技动态