腾讯开源SEED-Story，使用大模型轻松生成长故事连环画

文章预览

“ SEED-Story: Multimodal Long Story Generation with Large Language Model ” 港科大联合腾讯推出了一个多模态长故事生成模型SEED-Story。SEED-Story可以基于图片和文本，生成丰富、连贯叙事及风格一致的图片长故事。源码已开源！ 论文地址 ：https://arxiv.org/pdf/2407.08683 Github地址 ：https://github.com/TencentARC/SEED-Story 摘要 图像生成和文本生成的显著进展推动了交织图像文本内容的创作，多模态故事生成成为一个引人注目的领域。SEED-Story是一种新方法，利用多模态大语言模型生成扩展的多模态故事。模型预测文本和视觉标记，并通过视觉去标记器生成一致的图像。本文提出多模态注意力机制，实现高效生成长序列故事。发布了模型、代码和StoryStream数据集。 简介 SEEDStory是一种新方法，利用Multimodal Large Language Models（MLLMs）的理解能力，生成连续的图像和文本。该方法采用预 ………………………………