如何調用 Minimax 的 API
谷歌推出的Imagen Video是一種基于級聯視頻擴散模型的系統，能夠從文本提示生成高清視頻。它的系統架構由frozen T5文本編碼器和基礎視頻生成模型組成。
Phenaki則關注于長視頻的生成，特別是從復雜的文本提示轉化為連貫的視頻序列。Phenaki通過其獨特的架構實現了對長prompt的出色解析能力。
谷歌通過推出這兩款工具，分別在視頻品質和長度方面展開競爭，意圖在這兩方面同時取得優勢。
Imagen Video利用級聯視頻擴散模型，通過逐步提高視頻的時空分辨率，實現了從文本到高清視頻的轉換。這種方法借鑒了圖像生成領域的成功經驗。
Imagen Video的架構由多個子模型組成，包括空間超分辨率和時間超分辨率模型，這些模型通過級聯操作共同生成高清晰度的視頻。
在實驗中，Imagen Video展示了其生成高清視頻的能力，能夠生成具有藝術風格和3D對象理解的視頻。
在視頻生成中，生成長視頻的挑戰在于數據的稀缺性和計算的復雜性。Phenaki通過引入故事驅動的生成方式，克服了這些障礙。
Phenaki通過一系列文本prompt生成視頻，能夠根據時間點的變化調整視頻幀。這使得生成的視頻更加連貫和有意義。
這種基于故事的生成方法為藝術和設計領域的創作提供了無限可能，開啟了新的創意應用之路。
C-ViViT是一種新型的編碼器-解碼器架構，專為視頻生成設計。它在時間和空間維度上壓縮視頻，優化了視頻的重構質量。
C-ViViT通過利用視頻中的時間冗余，壓縮了視頻token的數量，提高了生成效率。這一改進使得長視頻生成成為可能。
得益于其因果結構，C-ViViT能夠處理可變長度的視頻生成，這在現有的編碼器中是難以實現的。
Phenaki采用了文本轉視頻和文本轉圖像數據的聯合訓練方法，這使得其在多樣化視頻生成上具備了獨特的能力。即使訓練視頻很短，它也能生成長達幾分鐘的視頻。
Phenaki能夠根據一系列文本prompt生成完整的視頻故事，展示了其在連貫性和多樣性上的出色表現。
在實驗中，Phenaki展示了其生成長視頻的能力，即便在有限的數據集上進行了訓練。
Phenaki的出現為創意產業帶來了新的契機，特別是在藝術和設計領域，它提供了一種新的內容生成方式。
隨著技術的進步，Phenaki有望在視頻生成的多個領域發揮更大的作用，尤其是在需要高質量長視頻的場合。
Phenaki的創新性為谷歌在視頻生成市場中占據一席之地提供了支持，未來或將引領這一領域的技術潮流。
