文章预览
毫无预兆地，Meta版Sora——Movie Gen，就在刚刚抢先上线了！ Meta将其称为「迄今最先进的媒体基础模型」。 全新上线的大杀器Movie Gen Video，是一个30B参数的Transformer模型，可以从单个文本提示，生成高质量的高清图像和视频，视频为1080P、16秒、每秒16帧。 一同推出的还有Movie Gen Audio。这是一个13B参数的Transformer模型。通过视频输入和文本提示，它就可以可控性生成和视频同步的高保真音频，时长最长45秒。 最惊人的是，这次Meta一并连论文都发布了。 论文中，详细介绍了Movie Gen的架构、训练方法和实验结果。 论文地址：https://ai.meta.com/static-resource/movie-gen-research-paper/?utm_source=twitter _medium=organic_social _content=thread _campaign=moviegen 从论文可以看出，Movie Gen Video沿用了Transformer的设计，尤其借鉴了Llama 3。而研究人员引入的「流匹配」（Flow Matching），让视频在
………………………………
