我们介绍了 Phenaki,这是一种能够在给定一系列文本提示的情况下进行逼真的视频合成的模型。由于计算成本、高质量文本视频数据的数量有限以及视频长度可变,从文本生成视频尤其具有挑战性。为了解决这些问题,我们引入了一种用于学习视频表示的新因果模型,该模型将视频压缩为离散标记的小型表示。这个分词器及时使用因果注意力,这使得它可以处理可变长度的视频。为了从文本生成视频标记,我们使用了一个以预先计算的文本标记为条件的双向屏蔽转换器。生成的视频令牌随后被去令牌化以创建实际视频。为了解决数据问题,我们展示了对大量图像文本对以及较少数量的视频文本示例的联合训练如何产生超出视频数据集中可用内容的泛化。与之前的视频生成方法相比,Phenaki 可以在开放域中以一系列提示(即时间可变文本或故事)为条件生成任意长视频。据我们所知,这是第一次有论文研究从时间变量提示生成视频。此外,所提出的视频编码器-解码器在时空质量和每个视频的令牌数量方面优于文献中当前使用的所有每帧基线。Phenaki 可以根据开放域中的一系列提示(即时间可变文本或故事)生成任意长视频。据我们所知,这是第一次有论文研究从时间变量提示生成视频。此外,所提出的视频编码器-解码器在时空质量和每个视频的令牌数量方面优于文献中当前使用的所有每帧基线。Phenaki 可以根据开放域中的一系列提示(即时间可变文本或故事)生成任意长视频。据我们所知,这是第一次有论文研究从时间变量提示生成视频。此外,所提出的视频编码器-解码器在时空质量和每个视频的令牌数量方面优于文献中当前使用的所有每帧基线。
类似的工具

DomoAI
产生高质量的视觉效果更快,生成一致的风格

Decoherence
创建AI动画并将其与你的音乐...

pollinations
我们结合并微调算法以匹配任...

Quinvio AI
用人工智能建议来涂鸦你的内...

PixelForge
制作一个更短的视频版本

WowTo
创建操作视频,并在几分钟内...
其他人也看的工具

Spline
一个在3D制作中设计和协作的地方。

Facetune
一款在线照片和视频编辑工具,允许用户创建人工智能头像,增强他们的自拍照

ProfilePicture.AI
Postcraft的免费PFP Maker是一个在线工具,允许用户为他们的社交媒体账户创建自定义头像。它允许用户上传照片,然后该工具将自动删除背景,并生成数百张独特的头像照片。

Deep Anime
Deep Anime是一款功能强大的应用程序,允许用户将任何照片转换成令人惊叹的动漫场景。

AI Photos
AI Photos是一款允许用户为自己、伴侣或两者创建独特数字头像的工具。它提供了各种不同的风格和图像,允许用户自定义他们的头像。

Turbo logo
在几分钟内制作令人惊叹的徽标