Phenaki

Phenaki是一个前沿的模型，专注于将文本转化为视频，能够处理动态提示并生成多分钟的高质量视频。该模型通过创新的因果模型和双向掩蔽变换器，克服了视频生成中的多个挑战，包括计算成本和数据稀缺性。Phenaki在生成视频时，能够根据一系列文本提示灵活调整，展现出极高的时空质量。通过联合训练图像-文本对，Phenaki不仅提升了生成效率，还在开放领域中实现了广泛的应用，成为视频合成领域的重要突破。