“O”:视频输出。2023年，我们看到了文字到视频合成的浪潮:WALT（谷歌）、EmuVideo(Meta)、Align Your Latents(英伟达)、Pika等等，数不胜数。然而，大多数生成的片段仍然很短。我将它们视为AI视频的“系统1”——“无意识”的局部像素运动。
这些「慢地震」信号开始让科学家可以重新建立一个地震数据模型。
这一功能的背后是阿里通义实验室自研的视频生成模型Animate Anyone。在Github上，该项目的Star数短短数日就超过1万，被认为是近期大模型领域最受欢迎的大模型算法之一。
该方法的贡献包括:
就像我们做荣耀绿洲护眼屏，当做出突破的时候我们发现，其他厂家都会跟进，但是我觉得这种卷是一个好的现象。