AI視頻模型StreamingT2V可生成120秒超長視頻

　　近日，UT奧斯丁等機構提出的StreamingT2V技術引發了廣泛關注，將AI視頻生成推向了新的高度。這項技術突破了以往視頻長度的限制，實現了生成高度一致且長度可擴展的視頻。

　　StreamingT2V技術的核心構架包括條件注意力模塊(CAM)和外觀保持模塊(APM)。CAM利用短期記憶單元確保視頻連續性，而APM作為長期記憶單元保持視頻中對象或場景的一致性。這兩個模塊的結合，使得生成的視頻不僅動態連貫，而且視覺效果高質量。在測試中，研究人員用Streaming T2V生成1200幀，長達2分鐘的視頻。

　　具體實現方法分為三個階段:初始化、Streaming T2V生成和Streaming Refinement。在初始化階段，利用文本到視頻模型創造視頻的前16幀;接著進入Streaming T2V階段，通過自回歸技術生成后續幀，保證視頻內容連貫性;最后，在Streaming Refinement階段對生成的視頻進行優化，提高畫質和動態效果。

　　特色亮點包括：

　　從文本描述生成2分鐘的視頻

　　創建具有復雜動態運動的視頻

　　確保長視頻中的時間一致性

　　該技術的出現標志著AI視頻生成的新突破，不僅可以生成1200幀甚至無限長的視頻，而且內容過渡自然平滑，豐富多樣。與此同時，StreamingT2V技術的不斷完善和提升也將進一步推動AI視頻生成領域的發展，為視頻內容創作提供更多可能性。