酒色网小说 Sora又被超过！Meta AI视频模子深宵炸场，自带惊艳BGM，让视频编订比P图还浮浅

扎克伯格最近忙着在全全国「抢风头」酒色网小说。

前不久，开启「二次创业」的他刚向咱们展示了十年磨一剑的最强 AR 眼镜 Meta Orion，尽管这仅仅一款押注以前的原型机器，却抢光了苹果 Vision Pro 的风头。

而在昨晚，Meta 在视频生成模子赛说念再次大出锋头。

Meta 暗示，全新发布的 Meta Movie Gen 是迄今为止首先进的「媒体基础模子（Media Foundation Models）」。

不外，先打个看管针，Meta 官方现在尚未给出明确的怒放时辰表。

官方声称正在积极地与文娱行业的专科东说念主士和创作家进行疏通和合营，瞻望将在来岁某个时候将其整合到 Meta 我方的家具和奇迹中。

浮浅回顾一下 Meta Movie Gen 的特色：

领有个性化视频生成、精准视频编订和音频生成等功能。

辅助生成 1080P、16 秒、每秒 16 帧的高清长视频

能够生成最长 45 秒的高质地和高保真音频

输入浮浅文本，即可完结复杂的精准视频编订功能

演示恶果优秀，但该家具瞻望来岁才会崇拜向公众怒放

告别「哑剧」，功能主打大而全

细分来说，Movie Gen 具有视频生成、个性化视频生成、精准视频编订和音频生成四大功能。

文生视频功能早已成为视频生成模子的标配，仅仅，Meta Movie Gen 能够证明用户的需求生成不同长宽比的高清视频，这在业内尚属首创。

Text input summary: A sloth with pink sunglasses lays on a donut float in a pool. The sloth is holding a tropical drink. The world is tropical. The sunlight casts a shadow.

Text input summary: The camera is behind a man. The man is shirtless， wearing a green cloth around his waist. He is barefoot. With a fiery object in each hand， he creates wide circular motions. A calm sea is in the background. The atmosphere is mesmerizing， with the fire dance.

此外，Meta Movie Gen 提供了高等的视频编订功能，用户只需通过浮浅的文本输入即可完结复杂的视频编订任务。

从视频的视觉作风，到视频片断之间的过渡恶果，再到更精细的编订操作，这少量，该模子也给足了目田。

在个性化视频生成方面酒色网小说， Meta Movie Gen 也前迈进了一大步。

用户不错通过上传我方的图片，愚弄 Meta Movie Gen 生成既个性化但又保合手东说念主物特征和手脚的视频。

Text input summary: A cowgirl wearing denim pants is on a white horse in an old western town. A leather belt cinches at her waist. The horse is majestic， with its coat gleaming in the sunlight. The Rocky Mountains are in the background.

从孔明灯到透明彩色泡泡，一句话纵脱替换视频并吞物体。

Text input: Transform the lantern into a bubble that soars into the air.

尽管本年连接已有不少视频模子接踵亮相，但大多只可生成「哑剧」，食之无味弃之可惜，Meta Movie Gen 也莫得「陈词谰言」。

Text input: A beautiful orchestral piece that evokes a sense of wonder.

用户不错通过提供视频文献或文本履行，让 Meta Movie Gen 证明这些输入生成相对应的音频。（PS：在意滑板落地的配音）

而况，它不仅不错创建单个的声息恶果，还不错创建配景音乐，致使为统共视频制作圆善的配乐，从而极地面进步视频的举座质地和不雅众的不雅看体验。

看完演示 demo 的 Lex Fridman 刀刀见血地抒发了奖饰。

很多网友再次「拉踩」OpenAI 的期货 Sora，但更多 拭目以待的网友也曾伊始期待测试体验经历的怒放了。

Meta AI 首席科学家 Yann LeCun 也在线为 Meta Movie Gen 站台宣传。

Meta 画的大饼，值得期待

在推出 Meta Movie Gen 之时，Meta AI 盘问团队也同时公开了一份长达 92 页的技能论文。

据先容，Meta 的 AI 盘问团队主要使用两个基础模子来完结这些无为的功能——Movie Gen Video 以及 Movie Gen Audio 模子。

其中，Movie Gen Video 是一个 30B 参数的基础模子，用于文本到视频的生成，能够生成高质地的高清视频，最长可达 16 秒。

模子预谨慎阶段使用了大齐的图像和视频数据，能够领路视觉全国的多样见解，包括物体通达、交互、几何、相机通达和物理国法。

为了提高视频生成的质地，模子还进行了监督微调（SFT），使用了一小部分用心挑选的高质地视频和文本标题。

发扬夸耀，后谨慎（Post-training）历程则是 Movie Gen Video 模子谨慎的进军阶段，能够进一步提高视频生成的质地，尤其是针对图像和视频的个性化和编订功能。

值得一提的是，盘问团队也将 Movie Gen Video 模子与主流视频生成模子进行了对比。

由于 Sora 现在尚未怒放，盘问东说念主员只可使用其公竖立布的视频和领导来进行相比。关于其他模子，如 Runway Gen3、LumaLabs 和 可灵 1.5，盘问东说念主员遴选通过 API 接口来自行生成视频。

且由于 Sora 发布的视频有不同的远隔率和时长，盘问东说念主员对 Movie Gen Video 的视频进行了编订，以确保相比时视频具有相似的远隔率和时长。

收尾夸耀， Movie Gen Video 举座评估恶果上显赫优于 Runway Gen3 和 LumaLabs，对 OpenAI Sora 有幽微的上风，与可灵 1.5 至极。

以前，Meta 还策画公竖立布多个基准测试，包括 Movie Gen Video Bench、Movie Gen Edit Bench和Movie Gen Audio Bench，以加快视频生成模子的盘问。

而 Movie Gen Audio 模子则是一个 13B 参数的模子，用于视频和文本到音频的生成，能够生成长达 45 秒的高质地和高保的确音频，包括声息恶果和音乐，并与视频同步。

该模子接受了基于 Flow Matching 的生成模子和扩散变换器（DiT）模子架构，并添加了迥殊的条目模块来提供限度。

致使，Meta 的盘问团队还引入了一种音频扩张技能，允许模子生成超出伊始 45 秒摈弃的连贯音频，也即是说，不管视频多长，模子齐能够生成匹配的音频。

更多具体信息接待稽查技能论文 👇

https://ai.meta.com/static-resource/movie-gen-research-paper

昨天，OpenAI Sora 负责东说念主 Tim Brooks 官宣下野，加盟 Google DeepMind，给出路不解的 Sora 神情再次蒙上了一层阴雨。

而据彭博社报说念，Meta 副总裁 Connor Hayes 暗示，现在 Meta Movie Gen 也莫得具体的家具策画。Hayes 泄漏了蔓延推出的进军原因。

杨超越 ai换脸

Meta Movie Gen 现时使用文本领导词生成一个视频时常需要恭候数十分钟，极大影响了用户的体验。

Meta 但愿进一步提高视频生成的效劳，以及完结尽快在挪动端上推出该视频奇迹，以便能更好地满足消耗者的需求。

其实要是从家具形态上看， MetaMovie Gen 的功能想象主打一个大而全，并莫得像其他视频模子那样的「瘸一条腿」。

最杰出的谬误，酌定即是沾染了与 Sora 一样的「期货」气味。

理念念很丰润，现实很骨感。

唐突你会说，一如当下的 Sora 被国产大模子赶超，比及 Meta Movie Gen 推出之时，视频生成限制的竞争形态唐突又会变换一番光景。

但至少现在来看酒色网小说，Meta 画的大饼足以让东说念主下咽。

GenMeta模子视频Sora发布于：广东省声明：该文不雅点仅代表作家本东说念主，搜狐号系信息发布平台，搜狐仅提供信息存储空间奇迹。