标签：文本图像
Sora之后，苹果发布视频生成大模型STIV，87亿参数一统T2V、TI2V任务
苹果公司的研究团队最近发布了一项关于视频生成大模型的新研究，名为STIV（Scalable Text and Image Conditioned Video Generation）。这项研究提出了一个具...
Ilya预言成真，下一个token预测直达AGI！智源首发原生多模态世界模型Emu3，不用扩散
智源研究院最近发布了一款名为Emu3的原生多模态世界模型，该模型通过预测下一个token来理解和生成文本、图像和视频三种模态数据，而无需依赖扩散模型或组合方...
视频生成赛道再添「猛将」，智谱清影正式上线
智谱公司在视频生成领域取得了显著进展，成为国内估值超过200亿的大模型公司中首家发布视频生成成果的团队。该公司推出的AI视频生成功能“清影”（Ying）正式上...
