4 月 20 日消息，英偉達和康奈爾大學的研究團隊合作，近日推出了名為 VideoLDM 模型，可以根據(jù)文本描述，自動生成最高分辨率 2048*1280、24 幀、最長 4.7 秒的視頻。

英偉達表示該模型配有 41 億個參數(shù)，其中 27 億個經(jīng)過視頻訓練，這符合現(xiàn)代生成式 AI 的標準。從博文中獲悉，英偉達表示通過高效的潛在擴散模型（LDM），能夠創(chuàng)建多樣化、高質(zhì)量、高清晰度的視頻。

該模型還能創(chuàng)建駕駛場景的視頻，視頻分辨率為 1024 × 512 像素，最長 5 分鐘。英偉達表示目前該項目處于研究階段，暫時不會向公眾開放。

詳細報告可以訪問：https://research.nvidia.com/labs/toronto-ai/VideoLDM/

總結

以上是生活随笔為你收集整理的英伟达推出 VideoLDM，根据文本可生成 4.7 秒视频的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。