騰訊近日在AI技術(shù)領(lǐng)域邁出了重要一步，其混元大模型宣布正式上線了一項創(chuàng)新功能——文生視頻。這一功能允許用戶僅憑一句話的描述，就能自動生成相應(yīng)的視頻內(nèi)容。
據(jù)悉，騰訊此次開源的視頻生成大模型擁有驚人的130億參數(shù)量，是目前市場上最大的視頻開源模型。這一技術(shù)的推出，無疑為視頻創(chuàng)作領(lǐng)域帶來了全新的變革。
用戶在使用該功能時，只需輸入一段簡短的描述文字，系統(tǒng)即可根據(jù)輸入內(nèi)容生成視頻。更令人驚喜的是，該功能支持中英文雙語輸入，且提供了多種視頻尺寸和清晰度選項，滿足用戶的不同需求。
目前，騰訊已將這一創(chuàng)新功能集成到了其元寶APP中。用戶只需通過AI應(yīng)用中的“AI視頻”板塊，即可申請試用該功能。同時，企業(yè)客戶也可以通過騰訊云提供的服務(wù)接入該功能，目前API內(nèi)測申請也已同步開放。
在實際應(yīng)用中，騰訊混元視頻生成模型展現(xiàn)出了卓越的性能。在與國內(nèi)外多個頂尖模型的評測對比中，該模型在文本視頻一致性、運動質(zhì)量和畫面質(zhì)量等多個維度上均取得了領(lǐng)先地位。特別是在人物、人造場所等復(fù)雜場景下，其表現(xiàn)尤為出色。
該模型生成的視頻不僅畫質(zhì)超寫實，而且能夠高度符合用戶的提示詞。畫面流暢自然，不易出現(xiàn)變形現(xiàn)象。騰訊混元在處理大幅度運動畫面時，也展現(xiàn)出了卓越的能力。
例如，在沖浪、跳舞等場景中，該模型能夠生成非常流暢且合理的運動鏡頭。物體在畫面中的運動軌跡自然，不易出現(xiàn)變形現(xiàn)象。同時，光影反射效果也基本符合物理規(guī)律，在鏡面或照鏡子等場景中，能夠?qū)崿F(xiàn)鏡面內(nèi)外動作的一致性。
更為先進(jìn)的是，騰訊混元視頻生成模型還具備自動切換鏡頭的能力。在保持畫面主角不變的情況下，該模型能夠自動切換鏡頭，為觀眾帶來更加豐富的視覺體驗。這一功能在業(yè)界中尚屬罕見。
