Make-A-Video主要有三个优点：

1. 它加快了T2V（文本到视频）模型的训练，不需要从头开始学习视觉和多模式表示。

2. 它不需要成对文本的视频数据。

3. 生成的视频继承了当今图像生成模型的广泛性、审美多样性、幻想性描绘等。

Make-A-Video相较于以前的作品有一个显著的优势，其架构打破了T2V生成对文本视频的依赖，而以前的AI图文转视频技术必须限制在狭窄的领域或需要大规模成对文本视频数据。

该程序还通过将先前训练的的T2I网络中的知识瞬间转移到新的T2V网络中，大大加快了T2V培训过程。

同时为了提高视觉质量，训练了空间超分辨率模型以及帧插值模型；这将提高生成视频的分辨率，并启用更高更可控的帧速率。

而为了负责任地推进人工智能，减少有害的、有偏见或误导性的内容，确保这种最先进的视频技术的安全使用，开发人员采取了一些有效措施。

在源数据方面，由于这项技术通过分析数以万计的数据来了解世界，为了降低有害内容产生的风险，对过滤器进行了检查、应用并迭代过滤器，以减少有害内容在视频中出现的可能性。

在内容方面，由于Make-A-Video可以创建看起来逼真的内容，因此开发人员在生成的所有视频中添加了水印；这有助于确保观众能知道视频是用人工智能生成的，而不是捕获的视频。

而同时开发人员也正在致力于将这项技术提供给公众，目前正对Make-A-Video继续分析、测试和试用，以确保发布的每一步都是安全的。

向我们周围的世界学习是人类智力的最大优势之一，能够通过观察快速学习和认识他人、地点、事物和行为；AI如果能够模仿人类的学习方式，生成系统将更具创造性和实用性。

而未来的工作，开发人员还将致力于解决技术限制，如今的方法还无法学习文本和只能在视频之中推断出的现象之间的关联。

如何整合这些内容，以及生成更长的包含多个场景和事件的视频，描述更详细的故事，让我们期待其未来的发展吧。

作者：谭颖 排版：孔瀚越

图片源于Q仔互联网冲浪所得，若有侵权，后台联系，Q仔滑跪删除~