Z Research｜视频生成大爆发：技术路线收敛，中国团队后发而先至，快手可灵和Minimax赶超Sora

文章预览

Z Highlights 2023年是AI视频生成的爆发之年，各种技术路线不断涌现，推动视频生成从实验阶段迈向实用化。2024年， OpenAI推出的Sora模型以其创新的DiT（Diffusion Transformer）架构引领行业发展，推动技术逐步走向成熟。 随后，快手的Kling AI展示了生成两分钟长视频的能力，Minimax的海螺则实现了高清视频生成，进一步提升了行业标准。这些突破不仅加速了视频生成技术的进步，也为其商业化落地奠定了坚实的基础。 OpenAI Sora由一个仅15人的核心团队打造，核心负责人Bill Peebles在伯克利获得博士学位，师从计算机视觉专家Alyosha Efros。 博士期间，他在Meta实习半年，与谢赛宁合作发表了结合Transformer与扩散模型的DiT架构论文。 Transformer的优势在于其可扩展性，不仅继承了在语言领域的扩展规律，也让Sora从大量数据中学习复杂视频关系，建立视觉领域的扩展体系 ………………………………