I2VGen-XL在魔搭社区开放体验
和业界爆火的AI绘画创作大模型不同，视频生成大模型的视频生成视频技术门槛更高，其需要克服文本和视频内容匹配度、大模视频画面质量、型分效果画面连续性等诸多技术挑战。钟生
在此之前，成高阿里云和微软等科技公司相继推出一系列可控视频生成研究成果，例如用户可通过定义空间布局、运动模式等条件来生成视频，但其画面清晰度难以满足真实场景应用的需求。
针对该问题，阿里云进一步提出创新思路，I2VGen-XL模型设计了两个阶段，首先在低分辨率条件下保证生成结果和给定图像语义的匹配度，随后通过视频扩散模型(VLDM)来提高视频分辨率，并同时提升时间和空间上的一致性，保证最终视频内容的清晰度和连贯性，最终实现1280*720高分辨率的突破，并且在画面细节的展现上大幅领先现有模型。
据介绍，该模型的训练还使用了多种风格的视频数据，因此可生成科技感、电影色、卡通风格和素描等类型丰富的视频。
I2VGen-XL流程图
目前，I2VGen-XL的模型和代码均已开源，国内外社交媒体显示，该模型已吸引国内外用户和开发者的广泛体验和二次开发，涌现了大量创意AI视频生成内容，例如在城堡上展翅的恐龙、宇航员在飞船中行走的科幻电影画面等等……
知名AI社交媒体分析师Ahsen Khaliq在推特发布多条由该模型生成的视频效果，并表示模型在清晰度、纹理、语义和时间连续性方面有优势。
国内外网友和开发者广泛关注和体验
在视觉生成领域，阿里云此前已推出AI绘画创作大模型通义万相（基座模型Composer）和可控视频生成模型VideoComposer，团队在该领域发表60多篇CCF-A类论文，并在国际顶级视觉竞赛中获得10余项冠军。
(责任编辑：综合)