就在剛剛,潞晨Open-Sora團(tuán)隊(duì)在720p高清文生視頻質(zhì)量和生成時(shí)長上實(shí)現(xiàn)了突破性進(jìn)展!
如今,全新升級的Open-Sora不僅支持無縫產(chǎn)出任意風(fēng)格的高質(zhì)量短片,而且更令人驚喜的是,團(tuán)隊(duì)選擇再給開源社區(qū)帶來億點(diǎn)點(diǎn)震撼——繼續(xù)全部開源。 開源地址:https://github.com/hpcaitech/Open-Sora 通過他們的模型權(quán)重,能夠生成各種酷炫的短片,比如海浪和海螺的親密接觸,還有那些深不可測的森林秘境。 人物肖像的渲染也相當(dāng)逼真。不管是中國古典美女,還是歐美風(fēng)的人物,能夠保持一致的風(fēng)格。 還能精準(zhǔn)渲染賽博朋克風(fēng),讓短片瞬間充滿強(qiáng)烈的未來感和科技感。 也能生成有趣生動的動畫鏡頭,帶來極具表現(xiàn)力的視覺體驗(yàn)。 即使是電影級別的鏡頭制作,也能輕松應(yīng)對。 例如,實(shí)現(xiàn)流暢的變焦效果,為影片增添專業(yè)級的視覺效果。 還能幫助電影制作人員創(chuàng)造出逼真的電影鏡頭。 潞晨的Open-Sora模型以其卓越的性能揭示了視頻生成領(lǐng)域的廣闊前景,而他們的模型權(quán)重和訓(xùn)練代碼已經(jīng)全面開源,感興趣的朋友可以訪問他們的GitHub項(xiàng)目。 GitHub地址:https://github.com/hpcaitech/Open-Sora 文生視頻界的開源戰(zhàn)士 LambdaLabs,美國科技界獨(dú)角獸,基于潞晨團(tuán)隊(duì)先前開源的Open-Sora模型權(quán)重打造了一個(gè)數(shù)字樂高宇宙,樂高迷們在這里找到了極致的創(chuàng)意體驗(yàn)。 潞晨團(tuán)隊(duì)深諳開源對于文生視頻技術(shù)突破的加速度,他們不僅持續(xù)開源模型權(quán)重,還在Github上曬出了技術(shù)路線,讓每個(gè)玩家都能成為文生視頻大模型的掌控者,不再是單純的圍觀群眾。 報(bào)告地址:https://github.com/hpcaitech/Open-Sora/blob/main/docs/report_03.md 技術(shù)深度解碼 潞晨Open-Sora團(tuán)隊(duì)的這份技術(shù)報(bào)告,深度剖析了本次模型訓(xùn)練的核心和關(guān)鍵。 在上一個(gè)版本基礎(chǔ)上,引入了視頻壓縮網(wǎng)絡(luò)(Video Compression Network)、更優(yōu)的擴(kuò)散模型算法、更多的可控性,并利用更多的數(shù)據(jù)訓(xùn)練出了1.1B的擴(kuò)散生成模型。 在這個(gè)「算力為王」的時(shí)代,視頻模型訓(xùn)練有兩大痛點(diǎn):計(jì)算資源的巨大消耗與模型輸出質(zhì)量的高標(biāo)準(zhǔn)。潞晨Open-Sora團(tuán)隊(duì)以一種極簡而有效的方案,成功地在成本和質(zhì)量之間找到了平衡點(diǎn)。 Open-Sora團(tuán)隊(duì)提出了一個(gè)創(chuàng)新的視頻壓縮網(wǎng)絡(luò)(VAE),該網(wǎng)絡(luò)在空間和時(shí)間兩個(gè)維度上分別進(jìn)行壓縮。 具體來說,他們首先在空間維度上進(jìn)行了8x8倍的壓縮,接著在時(shí)間維度上進(jìn)一步壓縮了4倍。通過這種創(chuàng)新的壓縮策略,既避免了因抽幀而犧牲視頻流暢度的弊端,又大幅降低了訓(xùn)練成本,實(shí)現(xiàn)了成本與質(zhì)量的雙重優(yōu)化。 視頻壓縮網(wǎng)絡(luò)結(jié)構(gòu) Stable Diffusion 3,最新的擴(kuò)散模型,通過采用了rectified flow技術(shù)替代DDPM,顯著提升了圖片和視頻生成的質(zhì)量。 盡管SD3的rectified flow訓(xùn)練代碼尚未公開,但潞晨Open-Sora團(tuán)隊(duì)已經(jīng)基于SD3的研究成果,提供了一套完整的訓(xùn)練解決方案,包括: 簡單易用的整流(rectified flow)訓(xùn)練 用于訓(xùn)練加速的Logit-norm時(shí)間步長采樣 基于分辨率和視頻長度的時(shí)間步長采樣 通過這些技術(shù)的整合,不僅能夠加快模型的訓(xùn)練速度,還能顯著減少推理階段的等待時(shí)間,確保用戶體驗(yàn)的流暢性。 此外,這套訓(xùn)練方案還支持在推理過程中輸出多種視頻寬高比,滿足了多樣化場景下的視頻素材需求,為視頻內(nèi)容創(chuàng)作者提供了更加豐富的創(chuàng)作工具。 他們在報(bào)告中也透露了更多關(guān)于模型訓(xùn)練的核心細(xì)節(jié),包括數(shù)據(jù)清洗和模型調(diào)優(yōu)的實(shí)用技巧,以及構(gòu)建了更完善的模型評估體系,保障模型的穩(wěn)健性和泛化能力。 他們還提供了可以自行一鍵部署的Gradio應(yīng)用,并支持調(diào)節(jié)輸出的運(yùn)動分?jǐn)?shù)、美學(xué)分?jǐn)?shù)和鏡頭移動方式等參數(shù),甚至可以一鍵通過GPT-4o自動修改指令并支持中文輸入。 打破閉環(huán),開源賦能 自O(shè)penAI Sora發(fā)布以來,業(yè)界對Sora的開放性期待值爆表,但現(xiàn)實(shí)卻是持續(xù)的等待游戲。潞晨Open-Sora的開源,為文生視頻的創(chuàng)新和發(fā)展注入了強(qiáng)勁的活力。 「授人以魚不如授人以漁」,訪問他們的GitHub地址,即可零門檻免費(fèi)獲得模型權(quán)重和全套訓(xùn)練代碼,這使用戶從被動的內(nèi)容消費(fèi)者轉(zhuǎn)變?yōu)榉e極的內(nèi)容創(chuàng)造者。 這一轉(zhuǎn)型為企業(yè)用戶解鎖了自主開發(fā)文生視頻應(yīng)用的新技能,無論是打造沉浸式游戲、創(chuàng)意廣告還是制作影視大片,文生視頻技術(shù)的應(yīng)用場景得到了指數(shù)級擴(kuò)展。 或許可以期待這股星星之火,能夠點(diǎn)燃整個(gè)文生視頻領(lǐng)域的創(chuàng)新激情,實(shí)現(xiàn)從點(diǎn)到面的燎原之勢。 潞晨Open-Sora開源鏈接:https://github.com/hpcaitech/Open-Sora 參考資料: https://wandb.ai/lambdalabs/lego/reports/Text2Bricks-Fine-tuning-Open-Sora-in-1-000-GPU-Hours--Vmlldzo4MDE3MTky https://hpc-ai.com/blog/open-sora-from-hpc-ai-tech-team-continues-open-source-generate-any-16-second-720p-hd-video-with-one-click-model-weights-ready-to-use 本文來源:新智元 |
原創(chuàng)欄目
IT百科
網(wǎng)友評論
聚超值•精選