量子位
·
Sora2还在5秒打转，字节AI生视频已经4分钟“起飞”
💡
原文中文，约2700字，阅读约需7分钟。
📝
内容提要
字节推出Self-Forcing++方法，成功实现最长4分15秒的高质量AI视频生成，解决了传统模型生成短视频的问题。该方法通过优化训练过程，显著提升视频的稳定性和一致性，标志着AI视频生成技术的进步。
🎯
关键要点
- 字节推出Self-Forcing++方法，实现最长4分15秒的高质量AI视频生成。
- 该方法优化训练过程，显著提升视频的稳定性和一致性。
- 传统模型生成视频长度有限，通常只有5到10秒，后期画质容易崩坏。
- Self-Forcing++通过教师知识和自生成视频片段指导自回归生成，解决了长视频生成的问题。
- 优化训练过程包括反向噪声初始化、扩展分布匹配蒸馏和滚动KV缓存训练。
- 引入组相对策略优化（GRPO）改善视频平滑性，减少画面突变异常。
- 使用Gemini-2.5-Pro作为评估工具，提供更精准的视觉稳定性评分。
- 在短时长视频质量上，Self-Forcing++表现优于多种基准模型。
- 在长时长生成中，Self-Forcing++在视觉稳定性和动态程度上均有显著提升。
- 最终实验验证，Self-Forcing++在保真度和一致性上优于基线方法。
➡️
