由中國科技公司CA開發的Keying AI視頻生成工具展示了卓越的能力,在某些方面超越了目前最先進的模型,如Stable Diffusion。

其中一個關鍵特徵是3D時空注意力機制,它使模型能夠更好地捕捉複雜的時空運動,並生成符合物理定律的大幅運動視頻。這在展示一個人在戈壁沙漠騎馬和宇航員在月球表面奔跑的例子中很明顯。

另一個令人印象深刻的方面是模型能夠生成高質量、連貫的長達2分鐘、每秒30幀的視頻。這展示了該系統對場景上下文和時間連貫性的強大理解,這通常是AI視頻生成的一大挑戰。

物理世界特性的模擬也非常出色,正如在小心倒牛奶入杯的片段中所示。牛奶流動平穩,逐漸填滿杯子,顯示了模型對流體動力學的掌握。

最引人注目的例子之一是一個中國人用筷子吃麵條的片段。細微的細節,如嘴唇周圍的醬汁,都被捕捉到了一個難以與真實畫面區分的現實程度。

該模型還展現了強大的概念組合能力,生成了現實世界數據中不存在的新穎場景,如一隻白貓在繁忙的城市中開車,或一個樂高人物參觀藝術畫廊。

最後,該系統生成高質量、電影級畫面的能力是一個重大進步,解決了視頻AI系統的常見局限性。展示煙囪在日落下的例子展現了模型所達到的令人印象深刻的視覺保真度。

總的來說,由中國公司CA開發的Keying AI視頻生成工具在某些方面超越了目前最先進的模型,展現了卓越的能力。這一發展突出了AI視頻生成領域的快速進步,以及中國在這一領域崛起為強勁競爭者的潛力。