C114通信网  |  通信人家园

人工智能
2024/12/17 13:08

图森未来发布图生视频开源大模型“Ruyi”:RTX 4090就能运行,可生成5秒内容

IT之家  汪淼

图森未来今日发布“Ruyi”图生视频大模型,并将 Ruyi-Mini-7B 版本开源,用户可以从 huggingface 上下载使用。

据介绍,Ruyi 是一个基于 DiT 架构的图生视频模型,它由两部分构成:

一个 Casual VAE 模块负责视频数据的压缩和解压

一个 Diffusion Transformer 负责压缩后的视频生成

模型的总参数量约为 7.1B,使用了约 200M 个视频片段进行训练。“Ruyi”专为在消费级显卡(例如 RTX 4090)上运行而设计,并提供部署说明和 ComfyUI 工作流,以便用户能够快速上手。

多分辨率、多时长生成:Ruyi 支持最小 384*384,最大 1024*1024 分辨率,任意长宽比,最长 120 帧 / 5 秒的视频生成。

首帧、首尾帧控制生成:Ruyi 可以支持最多 5 个起始帧、最多 5 个结束帧基础上的视频生成,通过循环叠加可以生成任意长度的视频。

运动幅度控制:Ruyi 提供了 4 档运动幅度控制,方便用户对整体画面的变化程度进行控制。

镜头控制:Ruyi 提供了上、下、左、右、静止共 5 种镜头控制。

Ruyi 是图森未来正式发布的第一款“图生视频”模型。Ruyi 目前仍然存在手部畸形、多人时面部细节崩坏、不可控转场等问题,图森未来称正在改进这些缺点,在日后的更新中对它们进行修复。

图森未来表示,公司致力于利用大模型降低动漫和游戏内容的开发周期和开发成本。本次发布的 Ruyi 大模型,已经可以实现输入关键帧后,生成之后 5 秒的内容,或输入两个关键帧,由模型生成中间的过渡内容,降低开发周期。在下一次的发布中,图森未来将同时发布两个版本,为不同需求的创作者提供更加灵活的选

附 Ruyi-Mini-7B 开源链接如下:

https://huggingface.co/IamCreateAI/Ruyi-Mini-7B

给作者点赞
0 VS 0
写得不太好

免责声明:本文仅代表作者个人观点,与C114通信网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。

热门文章
    最新视频
    为您推荐

      C114简介 | 联系我们 | 网站地图 | 手机版

      Copyright©1999-2025 c114 All Rights Reserved | 沪ICP备12002291号

      C114 通信网 版权所有 举报电话:021-54451141