炸裂的文字生成视频sora 背后的技术逻辑
原文中文，约3300字，阅读约需8分钟。发表于：。新年还没过完，AI届又发生了轰轰烈烈的事情，由openai实现的文生视频火遍了全网，那你知道它背后都是什么样的技术逻辑吗？实现原理具体来说，在可变持续时间、分辨率和宽高比的视频和图像上联合训练文本条件扩散模型。他们利用transformer架构，在视频和图像潜在代码的时空补丁上运行。最大的模型Sora能够生成一分钟的高保真视频。其结果表明，缩放视频生成模型是构建物理世界通用模拟器的一条有希望的道路...
OpenAI的文生视频利用transformer架构生成高保真视频，具有控制视频大小和执行图像和视频编辑任务的能力。模型展现了模拟物理世界的能力。虽然目前仅对个别人开放，但未来全民开放只是时间问题。
