超越Sora！AI視頻模型StreamingT2V可生成120秒超長視頻

　　近日，UT奧斯丁等機構(gòu)提出的StreamingT2V技術(shù)引發(fā)了廣泛關(guān)注，將AI視頻生成推向了新的高度。這項技術(shù)突破了以往視頻長度的限制，實現(xiàn)了生成高度一致且長度可擴展的視頻。

　　StreamingT2V技術(shù)的核心構(gòu)架包括條件注意力模塊(CAM)和外觀保持模塊(APM)。CAM利用短期記憶單元確保視頻連續(xù)性，而APM作為長期記憶單元保持視頻中對象或場景的一致性。這兩個模塊的結(jié)合，使得生成的視頻不僅動態(tài)連貫，而且視覺效果高質(zhì)量。在測試中，研究人員用Streaming T2V生成1200幀，長達2分鐘的視頻。

　　具體實現(xiàn)方法分為三個階段:初始化、Streaming T2V生成和Streaming Refinement。在初始化階段，利用文本到視頻模型創(chuàng)造視頻的前16幀;接著進入Streaming T2V階段，通過自回歸技術(shù)生成后續(xù)幀，保證視頻內(nèi)容連貫性;最后，在Streaming Refinement階段對生成的視頻進行優(yōu)化，提高畫質(zhì)和動態(tài)效果。

　　特色亮點包括：

　　從文本描述生成2分鐘的視頻

　　創(chuàng)建具有復雜動態(tài)運動的視頻

　　確保長視頻中的時間一致性

　　該技術(shù)的出現(xiàn)標志著AI視頻生成的新突破，不僅可以生成1200幀甚至無限長的視頻，而且內(nèi)容過渡自然平滑，豐富多樣。與此同時，StreamingT2V技術(shù)的不斷完善和提升也將進一步推動AI視頻生成領(lǐng)域的發(fā)展，為視頻內(nèi)容創(chuàng)作提供更多可能性。