钛媒体App 3月22日消息，近日，阿里达摩院低调地在魔搭社区（ModelScope）放出了“文本生成视频大模型”。根据官方介绍，目前文本生成视频大模型，由文本特征提取、文本特征到视频隐空间扩散模型、视频隐空间到视频视觉空间这3个子网络组成，整体模型参数约17亿。支持英文输入。扩散模型采用Unet3D结构，通过从纯高斯噪声视频中，迭代去噪的过程，实现视频生成的功能。
本文内容仅供参考，不构成投资建议，请谨慎对待。
账号合并
经检测，你是“钛媒体”和“商业价值”的注册用户。现在，我们对两个产品因进行整合，需要您选择一个账号用来登录。无论您选择哪个账号，两个账号的原有信息都会合并在一起。对于给您造成的不便，我们深感歉意。
