圖森未來正式發(fā)布圖生視頻大模型Ruyi。12月17日，圖森未來發(fā)布了其圖像生成大模型“Ruyi”，引起業(yè)界廣泛關(guān)注。該模型專為消費(fèi)級(jí)顯卡優(yōu)化，用戶可以通過huggingface平臺(tái)下載開源版本Ruyi-Mini-7B。這一發(fā)布標(biāo)志著圖像生成技術(shù)的重大進(jìn)步，為AI創(chuàng)作者提供了便捷和高質(zhì)量的工具，推動(dòng)了智能設(shè)備領(lǐng)域的創(chuàng)新發(fā)展。

Ruyi支持從384x384到1024x1024的分辨率，用戶可根據(jù)需要調(diào)整視頻長(zhǎng)寬比，最長(zhǎng)可生成120幀/5秒的視頻。此外，Ruyi允許用戶設(shè)置最多5個(gè)起始幀和5個(gè)結(jié)束幀，通過循環(huán)疊加實(shí)現(xiàn)無限長(zhǎng)度的視頻生成。模型還提供四檔運(yùn)動(dòng)幅度控制，用戶能精確把控畫面變化程度。在鏡頭控制方面，Ruyi能滿足多種需求，包括上、下、左、右及靜止的鏡頭角度，極大豐富了創(chuàng)作空間。

該技術(shù)基于DiT架構(gòu)，包含CasualVAE模塊和DiffusionTransformer模塊。CasualVAE模塊負(fù)責(zé)視頻數(shù)據(jù)的高效壓縮與解壓縮，而DiffusionTransformer則在壓縮后生成高質(zhì)量視頻。Ruyi模型總參數(shù)量達(dá)7.1億，使用了約200M視頻片段進(jìn)行訓(xùn)練，顯示出其在視頻生成領(lǐng)域的強(qiáng)大能力和潛力。這項(xiàng)技術(shù)將使影視制作人、內(nèi)容創(chuàng)作者和設(shè)計(jì)師享受到更高效便捷的體驗(yàn)。

在實(shí)際應(yīng)用中，Ruyi為游戲、視頻制作、日常社交平臺(tái)等領(lǐng)域提供了新的可能性。通過靈活的參數(shù)設(shè)置和高效的處理能力，創(chuàng)作者可以快速生成內(nèi)容，提升生產(chǎn)效率，甚至實(shí)現(xiàn)高質(zhì)量的實(shí)時(shí)渲染。這對(duì)需要大量視頻素材的行業(yè)尤其有吸引力。在競(jìng)爭(zhēng)激烈的智能設(shè)備市場(chǎng)上，Ruyi的發(fā)布吸引了眾多創(chuàng)作者的關(guān)注，成為AI圖像生成領(lǐng)域的重要選擇。

盡管功能強(qiáng)大，Ruyi目前仍存在一些不足之處，如手部畸形、多人物時(shí)面部細(xì)節(jié)崩壞及不可控的轉(zhuǎn)場(chǎng)效果等。這表明未來還需進(jìn)一步改進(jìn)模型，增強(qiáng)其實(shí)用性和兼容性。隨著不斷更新和完善，Ruyi將越來越符合市場(chǎng)需求，并提升用戶體驗(yàn)。

Ruyi的推出使其在視頻生成技術(shù)的競(jìng)爭(zhēng)中占得先機(jī)，與Adobe、NVIDIA等行業(yè)巨頭形成有效競(jìng)爭(zhēng)。技術(shù)的開源模式讓更多的開發(fā)者和愛好者參與迭代，推動(dòng)AI創(chuàng)作的普及。越來越多的創(chuàng)作者開始利用這一先進(jìn)技術(shù)進(jìn)行個(gè)性化創(chuàng)作，對(duì)內(nèi)容生產(chǎn)的形態(tài)產(chǎn)生深遠(yuǎn)影響。

圖森未來的Ruyi大模型為視頻內(nèi)容創(chuàng)作開啟了新的大門，其技術(shù)進(jìn)步和市場(chǎng)反響顯著。未來，行業(yè)將更加關(guān)注這類技術(shù)的發(fā)展及其應(yīng)用，特別是在創(chuàng)作效率和質(zhì)量上，Ruyi有潛力引領(lǐng)行業(yè)變革。對(duì)于有意嘗試這一創(chuàng)新工具的創(chuàng)作者來說，Ruyi的開源特性為他們提供了一個(gè)良好的起點(diǎn)，鼓勵(lì)更多創(chuàng)意思維的誕生。