在线免费看片a欧美,午夜AV不卡网站在线播放,久久综合尹人77777,96国产在线分享

原文標題：《段視頻火爆外，谷歌把 AI 視頻造假搞得太真太簡單了家人們，AI 做視頻這事今又被推向了輿的風口浪尖。因是有人在網(wǎng)發(fā)布了這么一小企鵝的視頻而這個近 50 秒視頻的誕生，靠的僅僅是 6 句話！陸陸續(xù)續(xù)的，網(wǎng)友還在發(fā)布著這 AI 的其它杰作：這次給投喂的提示詞是極短，僅 4 行：如此“所寫即所得”、滑連貫的視頻成方式，也是不少網(wǎng)友發(fā)出慨：未來已至甚至還有人開“拉仇恨”， AI 正在用各種方式摧毀業(yè)……然后就很多人發(fā)問了“這又是哪家搞的 AI 哇？”不過眼尖網(wǎng)友發(fā)現(xiàn)它其是一位“老朋”了 ——谷歌去年 10 月份便發(fā)布的一文本轉(zhuǎn)視頻（Text-to-Video）模型：Phenaki。只需一段提示詞，分分可以生成長達分鐘的視頻。相比 Phenaki 剛發(fā)布的時候，谷歌來了一波上新作。那么我們在就來一同看這些新視頻吧~打字就能生成視頻與以往 AI 生成的視頻不同，Phenaki 最大的特點便是有故、有長度。例，我們再給這一段場景描述在一座未來感足的城市里，通紛繁復雜，時，一艘外星船抵達了城市隨著鏡頭的拉，畫面進入到飛船內(nèi)部；而鏡頭沿著船內(nèi)廊繼續(xù)向前推，直到看到一宇航員在藍色房間里敲鍵盤字。鏡頭逐漸向宇航員的左，身后出現(xiàn)藍海洋，魚兒們水里徜徉；畫快速放大聚焦一條魚的身上隨后鏡頭快速海里浮出，直看到摩天大樓聳林立的未來市；鏡頭再快拉近到一撞大的辦公室。這，一只獅子突跳到辦公桌上開始奔跑；鏡先聚焦到獅子臉上，等再次遠時，這只獅已經(jīng)幻化成西革履的“獸人。最后，鏡頭辦公室拉出，日余暉下鳥瞰座城市。想必少友友們在讀段文字過程中腦中已經(jīng)浮現(xiàn)應的畫面了。下來，我們一看看 Phenaki 生成的效果如何：是是和你腦補出的畫面一致呢總體來說，這 AI 即便面對這種腦洞大的場景提示詞也是做到了無銜接的轉(zhuǎn)場。難怪網(wǎng)友們看這段視頻后驚“（科技）發(fā)得真快啊”。對于篇幅稍短提示詞，Phenaki 就更不在話下了。如，給 Phenaki 投喂這樣一段文字一只逼真的泰熊正在潛水；后它慢慢浮出面；走上沙灘這時鏡頭拉遠泰迪熊行走在灘邊篝火旁。看夠？那再來段，這次換個角：在火星上宇航員走過一水坑，水里倒著他的側(cè)影；在水旁起舞；后宇航員開始狗；最后他和狗一起看火星看煙花。而在歌更早發(fā)布 Phenaki 之際，還展示向 Phenaki 輸入一個初始幀以及一提示詞，便可生成一段視頻能力。例如給這樣一張靜態(tài)：然后再給它 Phenaki 簡單“投喂”一句：白貓用爪觸摸攝像機效果就出來了還是基于這張，把提示詞改“一只白貓打欠”，效果就這樣了：當然任意切換視頻體風格也是可 hold 得住的：網(wǎng)友：頻行業(yè)要被 AI 沖擊了嗎？但除了 Phenaki 之外，谷歌當時還道發(fā)布過 Imagen Video，能夠生成 1280*768 分辨率、每秒 24 幀的高清視頻段。它基于圖生成 SOTA 模型 Imagen，展示出了三種特別的力：能理解并成不同藝術風的作品，水彩像素甚至梵高格能理解物體 3D 結(jié)構(gòu)繼承了 Imagen 準確描繪文字的能力更的，Meta 也發(fā)布了 Make-A-Video，不僅能夠通過文字轉(zhuǎn)視頻，還能根圖像生成視頻比如：將靜態(tài)像轉(zhuǎn)成視頻插：根據(jù)前后兩圖片生成一段頻根據(jù)原視頻成新視頻……于這如“雨后筍”突然冒出生成視頻模型不免會讓有些擔心：當然也人認為現(xiàn)在時還未到：0-1 總會很快，1-100 還是會很漫長。不已經(jīng)有網(wǎng)友在待靠 AI 拿奧斯卡獎了：AI 要多久才能成為新的視頻輯器，或者拿奧斯卡？原理紹再說回 Phenaki，有不少網(wǎng)友都比好奇它是如何過文字生成這絲滑的視頻的簡單來說，Phenaki 相較于以往的生視頻模型，它注重時間長度意性和連貫性Phenaki 之所以能夠生成任意時間長的視頻，很大度上要歸功于的編碼器-解碼器架構(gòu)：C-ViViT。它是 ViViT 的一個因果變，能夠?qū)⒁曨l縮為離散嵌入要知道，以往取視頻壓縮，么就是編碼器能及時壓縮視，導致最終生的視頻過短，如 VQ-GAN，要么就是編碼器只支持固視頻長度，最生成視頻的長不能任意調(diào)節(jié)例如 VideoVQVAE。但 C-ViViT 就不一樣了，它可謂是顧了上面兩種構(gòu)的優(yōu)點，能在時間和空間度上壓縮視頻并且在時間上持自回歸的同，還可以自回生成任意長度視頻。C-ViViT 可以使模型生成任意度的視頻，那終視頻的邏輯又是怎么保證呢？這就得靠 Phenaki 另外一個比較重要的部分：向 Transformer。在這其中，為省時間，采樣驟是固定的，且在處理文本示的過程中，同時預測不同視頻 token。這樣一來，結(jié)合前面提到，C-ViViT 能夠在時間和空間維度上縮視頻，壓縮來的 token 是具有時間邏輯性的。也是說，在這些 token 上經(jīng)過掩碼訓練 Transformer 也具備時間邏輯，最終生成的頻在連貫性自也就有了保證如果還想了解多關于 Phenaki 的東西，可以戳這查看。Phenaki：https://phenaki.github.io參考鏈接：[1]?https://phenaki.video/[2]?https://phenaki.research.google/[3]?https://twitter.com/AiBreakfast/status/1614647018554822658[4]?https://twitter.com/EvanKirstel/status/1614676882758275072本文來自微信公眾號：子位 （ID：QbitAI），作者：金磊 Pine