中國(guó)電信發(fā)布全自研視頻生成大模型等

科技日?qǐng)?bào)記者 羅云鵬

12月3日，中國(guó)電信人工智能研究院（TeleAI）在中國(guó)電信“2024數(shù)字科技生態(tài)大會(huì)”期間發(fā)布視頻生成大模型、視覺(jué)大模型產(chǎn)用一體化平臺(tái)、具身智能、智傳網(wǎng)等一系列創(chuàng)新技術(shù)、產(chǎn)品及科研成果，并發(fā)布開發(fā)者產(chǎn)業(yè)聯(lián)盟計(jì)劃。

本次發(fā)布的視頻生成大模型打造了“VAST（Video As Storyboard from Text）二階段視頻生成技術(shù)”，通過(guò)文本描述可精準(zhǔn)勾勒出包含視頻構(gòu)圖、主體目標(biāo)位置及人物姿態(tài)等關(guān)鍵信息的“故事板”（Storyboard），進(jìn)而生成對(duì)應(yīng)的視頻內(nèi)容。

得益于VAST的創(chuàng)新能力，視頻生成大模型可以保證單個(gè)或多個(gè)主體人物在各視頻片段中的外觀一致性，實(shí)現(xiàn)對(duì)復(fù)雜動(dòng)作和交互式動(dòng)作的精確控制，并讓角色和目標(biāo)物體的運(yùn)動(dòng)符合物理規(guī)律。

基于此，通過(guò)語(yǔ)義、語(yǔ)音、文生圖、文生視頻等全棧大模型能力打通短劇及影視制作各個(gè)環(huán)節(jié)，覆蓋文字腳本撰寫、分鏡腳本繪制、視頻拍攝及剪輯、配音及音效合成等全流程。

大會(huì)期間，中國(guó)電信人工智能研究院還與華為、中興、亞信科技等在內(nèi)的19家合作伙伴發(fā)布中國(guó)電信人工智能開發(fā)者產(chǎn)業(yè)聯(lián)盟計(jì)劃，旨在聚合各方力量，加快推動(dòng)人工智能產(chǎn)業(yè)發(fā)展，提升技術(shù)能力與應(yīng)用水平，并為全球開發(fā)者賦能。