💡
原文中文，约3000字，阅读约需7分钟。
📝
内容提要
上海人工智能实验室推出新一代视频生成大模型“书生・筑梦 2.0”，支持5至20秒视频生成，分辨率高达720x480。该模型集成视频增强算法VEnhancer，显著提升视频质量和稳定性，并采用扩散式Transformer架构，优化训练框架，提升显存使用效率，适用于分钟级视频生成。
🎯
关键要点
- 上海人工智能实验室推出新一代视频生成大模型“书生・筑梦 2.0”，支持5至20秒视频生成，分辨率高达720x480。
- 书生・筑梦 2.0 集成了视频增强算法VEnhancer，显著提升视频质量和稳定性，解决了视频抖动等问题。
- 该模型采用扩散式Transformer架构，优化训练框架，提升显存使用效率，适用于分钟级视频生成。
- 书生・筑梦 2.0 支持多种视频格式，包括横屏、竖屏等，扩展了应用场景。
- 新一代视频增强算法VEnhancer可在2K分辨率、24fps下生成更清晰、流畅的视频。
- 书生・筑梦 2.0 在开源2B模型中表现卓越，性能可媲美开源最优的5B模型。
- 模型架构采用扩散式Transformer网络，通过自注意力、交叉注意力和时间注意力处理视频信息。
- 训练框架LiteGen通过Activation Offload与Sequence Parallel技术优化显存使用，支持更大序列长度的训练。
❓
延伸问答
书生·筑梦 2.0支持生成多长的视频？
书生·筑梦 2.0支持生成5至20秒的视频。
书生·筑梦 2.0的分辨率是多少？
书生·筑梦 2.0的生成视频分辨率高达720x480。
VEnhancer算法有什么优势？
VEnhancer算法显著提升视频质量和稳定性，解决了视频抖动等问题，并可在2K分辨率下生成更清晰、流畅的视频。
书生·筑梦 2.0采用了什么样的模型架构？
书生·筑梦 2.0采用了扩散式Transformer网络模型。
LiteGen训练框架的优化措施有哪些？
LiteGen框架通过Activation Offload与Sequence Parallel技术优化显存使用，支持更大序列长度的训练。
书生·筑梦 2.0适用于哪些视频格式？
书生·筑梦 2.0支持多种视频格式，包括横屏、竖屏、4:3、9:16和16:9等比例。
➡️
