阿里达摩院上线“文本生成视频大模型”

据《都市快报》消息，阿里达摩院昨日在魔搭社区（ModelScope）放出了“文本生成视频大模型”。根据官方介绍，目前这个模型，由文本特征提取、文本特征到视频隐空间扩散模型、视频隐空间到视频视觉空间这 3 个子网络组成，整体模型参数约 17 亿。支持英文输入。扩散模型采用 Unet3D 结构，通过从纯高斯噪声视频中，迭代去噪的过程，实现视频生成的功能。

此前 2 月消息，阿里版聊天机器人 ChatGPT 正在研发中，目前处于内测阶段。