图森未来发布图生视频开源大模型“Ruyi”:RTX 4090 就能运行,可生成 5 秒内容

2024-12-17 11:56IT之家 - 汪淼

IT之家 12 月 17 日消息,图森未来今日发布“Ruyi”图生视频大模型,并将 Ruyi-Mini-7B 版本开源,用户可以从 huggingface 上下载使用。

据介绍,Ruyi 是一个基于 DiT 架构的图生视频模型,它由两部分构成:

  • 一个 Casual VAE 模块负责视频数据的压缩和解压

  • 一个 Diffusion Transformer 负责压缩后的视频生成

模型的总参数量约为 7.1B,使用了约 200M 个视频片段进行训练。“Ruyi”专为在消费级显卡(例如 RTX 4090)上运行而设计,并提供部署说明和 ComfyUI 工作流,以便用户能够快速上手。

  • 多分辨率、多时长生成:Ruyi 支持最小 384*384,最大 1024*1024 分辨率,任意长宽比,最长 120 帧 / 5 秒的视频生成。

  • 首帧、首尾帧控制生成:Ruyi 可以支持最多 5 个起始帧、最多 5 个结束帧基础上的视频生成,通过循环叠加可以生成任意长度的视频。

  • 运动幅度控制:Ruyi 提供了 4 档运动幅度控制,方便用户对整体画面的变化程度进行控制。

  • 镜头控制:Ruyi 提供了上、下、左、右、静止共 5 种镜头控制。

Ruyi 是图森未来正式发布的第一款“图生视频”模型。Ruyi 目前仍然存在手部畸形、多人时面部细节崩坏、不可控转场等问题,图森未来称正在改进这些缺点,在日后的更新中对它们进行修复。

图森未来表示,公司致力于利用大模型降低动漫和游戏内容的开发周期和开发成本。本次发布的 Ruyi 大模型,已经可以实现输入关键帧后,生成之后 5 秒的内容,或输入两个关键帧,由模型生成中间的过渡内容,降低开发周期。在下一次的发布中,图森未来将同时发布两个版本,为不同需求的创作者提供更加灵活的选

IT之家附 Ruyi-Mini-7B 开源链接如下:

https://huggingface.co/IamCreateAI/Ruyi-Mini-7B

广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考,IT之家所有文章均包含本声明。

文章价值:
人打分
有价值还可以无价值
置顶评论
    热门评论
      文章发布时间太久,仅显示热门评论
      全部评论
      请登录后查看评论
        取消发送
        软媒旗下人气应用

        如点击保存海报无效,请长按图片进行保存分享