中国自研“智象视觉大模型” 将生命力注入你的故事
我要评论
“在AIGC的中国自研智象路上，我们可以说是视觉生命一路狂奔。”近日，大模智象未来（HiDream.ai）的力注创始人梅涛（CEO）表示，作为国内一家专注于构建视觉多模态基础模型及应用的故事生成式人工智能初创公司，其自主研发的中国自研智象“智象视觉大模型”是目前全球同时支持图像和视频生成的最大模型。模型参数已超过130 亿，视觉生命可实现文本、大模图片、力注视频等多模态内容的故事生成。
2024年第一季度，中国自研智象智象未来计划推出重大迭代的视觉生命图像基础模型。这一技术也将持续赋能视频生成领域，大模原有视频基础模型预计在3月底实现大幅升级。力注新一版模型将在文本与视频的故事一致性、生成时长和视频连贯性等方面有显著进步，用户可享受到更加丝滑、顺畅的视频生成体验。
深耕于视频生成领域，智象未来将聚焦四大关键要素——视觉故事性、内容确定性、超高清画质（4K/8K）以及全局和局部可控性，并已在实际产品中实现4K高清画面、全局和局部的可控、剧本多镜头视频生成等功能。
其中，Pixeling 千象是智象未来打造的自主可控生成式AIGC创作平台和社区，其小程序“千象万相”集图片生成、视频生成、图片编辑（智能重绘、智能拓图、图片增强）等功能于一体。即使是零基础的用户，也能运用AIGC一站式满足需求，让天马行空的想象触手可及，让创作更加高效而强大。
E象则是专为电商卖家打造的AI制图工具。无需策划方案、道具采购、美工置景、布景拍摄、后期加工等流程及费用，商家只需上传一张商品图或真人试穿图，即可一键生成大量真实场景商品图，还原服饰的真实上身效果，助力卖家降本增效，打造爆款。
此外，智象未来团队在文生视频领域独辟蹊径，开辟更精细、稳定、品质卓越的创新之路——不直接从文本向视频转换，而是从文本先向图片转换，生成关键帧，再拓展为多镜头的完整视频。
“逐帧生成的方法不仅能够提高视频生成的稳定性、细节处理和美感，还为视频生成的时长拓展提供了可能性。”梅涛介绍。
收到一条文本或指令后，大语言模型会基于对文本的理解，自动生成分镜头脚本，再通过“文生图”功能，创造性地生成分镜头脚本所描绘的画面，从细腻纹理到光影流转，每一幅画面都精雕细琢。然后，将多个画面逐帧拼接，转换为多段单一镜头的视频。最终，将这些视频剪辑形成15秒甚至更长时间的多镜头视频。
目前，智象未来已经完成图像Diffusion Transformer 架构 130 亿参数规模的训练，拥有如此大规模的训练数据集，使模型具备强大的语言理解和视觉推理能力。
相关文章
飞盘何以在年轻人中火“出圈” 编辑：汤晓雪 来源：中国青年报2024-05-21
斯科普里消息：歐盟委員會主席馮德萊恩26日在訪問北馬其頓時表示，歐盟將提供5億歐元撥款，以改善西巴爾幹地區的能源設施。歐盟委員會主席馮德萊恩。新華社） 馮德萊恩當天在與北馬其頓總理科瓦切夫斯基舉行的2024-05-21
近日，在荥经县荥河镇紫炉村的中药材基地，村民彭芝银忙个不停。“这几年来，我带领乡亲们种植中药材，看到他们脸上的笑容越来越灿烂，我也觉得越来越幸福。”初夏的阳光洒在满脸自信的彭芝银身上，他一边指着一片中2024-05-21- 2024年即将迎来金庸先生的百年诞辰你最喜欢的金庸作品是什么？嘉兴市文史研究馆馆员嘉兴五四文化博物馆馆长查玉强先生这样说↓↓↓我叫查玉强，住在嘉兴，退休后目前在办一个民用的博物馆，祖籍海宁袁花。金庸是2024-05-21
连日来，在芦山县太平镇的偏僻村落，一名西装革履、温文尔雅的中年男子奔忙着。大雨中，他裤子卷过膝盖，每进一户人家，与主人拉起家常，目的是了解家庭经济状况，屋里屋外查看，目的是了解房屋受损情况。他是威海川2024-05-21
本报讯为了进一步弘扬党性，激发党员干部的责任感、荣誉感，扎实开展党史学习教育，近日，天全县人社局组织党员干部职工观看爱国影片《烈火英雄》。电影《烈火英雄》以“大连‘7·16’大火”真实事件为原型，讲述2024-05-21
最新评论