被誤解的「中文版Sora」背后，字節跳動有哪些技術？

AIGC動態2年前 (2024)發布機器之心

AIGC動態歡迎閱讀

原標題：被誤解的「中文版Sora」背后，字節跳動有哪些技術？
關鍵字：字節跳動,模型,視頻,圖像,研究者
文章來源：機器之心
內容字數：12381字

內容摘要：

機器之心報道
作者：蛋醬2024 開年，OpenAI 就在生成式 AI 領域扔下了重磅：Sora。
這幾年，視頻生成領域的技術迭代持續加速，很多科技公司也公布了相關技術進展和落地成果。在此之前，Pika、Runway 都曾推出過類似產品，但 Sora 放出的 Demo，顯然以一己之力抬高了視頻生成領域的標準。
在今后的這場競爭中，哪家公司將率先打造出超越 Sora 的產品，仍是未知數。
國內這邊，目光聚集于一眾科技大廠。
此前有消息稱，字節跳動在 Sora 發布之前就研發出了一款名為 Boximator 的視頻生成模型。
Boximator 提供了一種能夠精確控制視頻中物體的生成方法。用戶無需編寫復雜的文本提示，可以直接在參考圖像中通過在物體周圍畫方框來選擇目標，然后添加一些方框和線條來定義目標的結束位置或跨幀的整個路徑，如下圖所示：對此，字節跳動保持了低調的態度：相關人士回復媒體，Boximator 是視頻生成領域控制對象的技術方法研究項目。目前還無法作為完善的產品落地，距離國外領先的視頻生成模型在畫面質量、保真率、視頻時長等方面還有很大差距。
在對應的技術論文介紹（ht

原文鏈接：被誤解的「中文版Sora」背后，字節跳動有哪些技術？