最近，短视频网站上的AI瞬息全宇宙的特效正在爆火，创意者们使用GEN-1视频到视频工具将自己的原始视频添加各种艺术特效，让围观网友们高呼：这波是我不懂艺术、我也能瞬息全宇宙……
看过我前几期教程的都知道，这个gen-1视频到视频的工具是由runway推出，目前他们还有一个升级版的gen-2文本到视频工具正在研究，即将推出测试！相信很多内容创作者都在盼望着它的到来。
那么，我告诉大家一个好消息，可以提前体验文本到视频的渠道来了！
这个工具是由阿里达摩院推出，在国内的模型社区网站上也已经有了很多生成的视频展示。
模型介绍
该文本到视频生成扩散模型由文本特征提取、文本特征到图像特征生成扩散模型、图像特征到视频像素生成模型、视频插帧扩散模型、视频超分扩散模型这5个子网络组成，整体模型参数约60亿。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、插帧或超分的功能。其结构如下图所示。
模型使用方式以及适用范围
本模型适用范围较广，能基于任意英文文本描述进行推理，生成视频。
如何使用
目前此模型可以到hugging face上去体验。不过由于还在测试阶段，目前只提供一次2秒的输出，输出一次视频大概需要两分钟。当然你也可以复制模型购买更好地算力，以达到更快的速度。如果你的电脑够好，你也可以将它部署到自己电脑上。
