近日，麻省理工學院計算機科學人工智能實驗室（CSAIL）與 Adobe Research 聯合研發的創新性 AI 模型 CausVid 引起了廣泛關注。這一混合模型可以在幾秒鐘內生成高質量視頻，標誌着視頻創作領域的一次重大技術突破。

QQ_1746596970615.png

 創新的技術架構

CausVid 的設計理念顛覆了傳統的視頻生成方式。許多現有的 AI 視頻生成模型通常採用逐幀生成的方式，效率較低，且質量容易下降。而 CausVid 則通過結合全序列擴散模型和自迴歸模型，實現了同時處理整個視頻序列的能力。這種創新的混合技術使得視頻生成不僅迅速，而且畫面質量得到保障。

具體而言，CausVid 的 “教師模型” 使用經過訓練的擴散模型，爲更爲簡單的自迴歸系統提供指導。自迴歸系統藉助 “教師” 的知識，能夠準確預測下一幀畫面，從而有效避免了常見的 “錯誤累積” 問題，確保生成的視頻畫面流暢且一致。

多樣化的創作功能

CausVid 的功能強大且靈活，用戶可以通過簡單的文本提示來生成視頻。例如，用戶只需輸入 “生成一個人在過馬路”，就能看到一個生動的場景。而在生成過程中，用戶還可以隨時添加新元素，比如 “他到對面人行道時開始寫筆記”，使得視頻創作更加互動和個性化。

不僅如此，CausVid 還具備將靜態圖片轉化爲動態場景的能力，用戶可以看到靜態的風景照在模型的幫助下，變得栩栩如生。此外，CausVid 還可以用於多種視頻編輯任務，例如爲外語直播生成同步的翻譯視頻，或者在視頻遊戲中快速創建新場景，這使得其應用前景十分廣闊。

 優越的性能表現

在多項性能測試中，CausVid 展現了其卓越的能力。研究人員發現，CausVid 能夠生成長達10秒的高清視頻，且其生成速度是其他基準模型如 OpenSORA 和 MovieGen 的100倍，同時在畫質和穩定性方面也取得了顯著優勢。甚至在生成30秒的視頻時，CausVid 依然能夠在質量和一致性上超越同類產品，這意味着它有潛力生成更長時間的視頻，甚至數小時的內容。

儘管 CausVid 已經表現出色，研究團隊表示，未來還有提升的空間。他們希望通過在特定領域數據集上的訓練，使得 CausVid 能夠在更短的時間內生成更高質量的視頻。這一突破不僅會提高視頻生成的效率，還可能帶來更好的用戶體驗。

CausVid 的研發得到了亞馬遜科學中心、光州科技學院、Adobe、谷歌及美國空軍研究實驗室的支持。該模型將於六月在計算機視覺與模式識別會議上進行展示，期待它爲視頻生成技術帶來更多可能性。

項目：https://github.com/tianweiy/CausVid

劃重點:  

🌟 CausVid 是一個新開發的混合 AI 模型，能夠在幾秒鐘內生成高質量視頻。  

⚡ 它結合了全序列擴散模型和自迴歸模型的優勢，實現快速而一致的視頻輸出。  

🚀 CausVid 在生成視頻的速度和質量上均超過了其他現有模型，未來有望實現即時生成。