智慧小艺正在训练开发支持视频生成的多模态模型，主要包括三大应用场景：文生视频（根据个性化且不复杂的文字指令生成一段视频）、图文生视频（根据已有的单帧图像和个性化的文字描述生成一段视频）、视频续播（根据一段视频，经过逐帧下采样与特殊编码，AI 分析后或引入用户的个性化文本，生成更长的视频片段，即加入了 AI “猜想”的视频后续内容）。
训练阶段的动力学模型尽量准确地反应各种物体单元在真实世界运动的物理特性，局部图像分类与图像分割可以将的物体单元进行特征化区分，并引入符合人类认知规律、自然规律的运动特性。 http://t.cn/AigyypKr