阿里巴巴旗下的人工智能創(chuàng)新企業(yè)通義萬相，近期公布了一項(xiàng)重大技術(shù)進(jìn)展：其自主研發(fā)的視頻生成技術(shù)——“首尾幀生視頻14B模型”已正式向公眾開放，并選擇在多個(gè)開源平臺(tái)上共享其源代碼。
這項(xiàng)技術(shù)的核心亮點(diǎn)在于，它僅需用戶提供的起始與結(jié)束畫面，便能智能合成一段720p高清分辨率的過渡視頻。該模型建立在深度學(xué)習(xí)技術(shù)的堅(jiān)實(shí)基礎(chǔ)上，具備對(duì)輸入畫面內(nèi)容的深刻理解能力，包括畫面風(fēng)格、主題元素等多個(gè)維度。
用戶上傳首尾幀圖像后，模型會(huì)細(xì)致分析畫面中的視覺要素，如物體形態(tài)、色彩搭配以及光影動(dòng)態(tài)等。基于這些詳盡的分析結(jié)果，模型能夠智能推理出最合適的中間過渡幀，從而確保生成的視頻既流暢又富有邏輯。模型在保持物體運(yùn)動(dòng)軌跡自然連貫性的同時(shí)，還能實(shí)現(xiàn)光線和色彩的平滑過渡，避免了視覺上的生硬跳躍，顯著提升了視頻的觀賞體驗(yàn)。
這一技術(shù)的推出，無疑為眾多應(yīng)用場(chǎng)景帶來了革新性的解決方案。例如，在延時(shí)攝影領(lǐng)域，它能夠幫助攝影師自動(dòng)生成缺失的中間幀，極大地簡(jiǎn)化了拍攝流程；在特效制作中，它則能實(shí)現(xiàn)更加自然流暢的變身效果，為影視作品增添更多創(chuàng)意可能。
為了讓更多用戶能夠體驗(yàn)到這項(xiàng)前沿技術(shù)，通義萬相不僅在其官方網(wǎng)站上提供了免費(fèi)試用服務(wù)，還通過GitHub、Hugging Face以及魔搭社區(qū)等多個(gè)開源平臺(tái)，分享了該模型的源代碼。這一舉措不僅滿足了開發(fā)者對(duì)于本地部署和二次開發(fā)的需求，也進(jìn)一步推動(dòng)了人工智能技術(shù)在視頻生成領(lǐng)域的普及與應(yīng)用。
