I2VGen-XL：阿里推出的圖像到視頻生成模型

I2VGen-XL是什麼

I2VGen-XL 是阿里巴巴達摩院推出的一款開源的圖像到視頻的生成模型，通過創新的級聯擴散方法，將文本視頻數據與視頻結構解耦，同時利用靜態圖像作爲關鍵指導形式，確保了輸入數據的對齊性，將靜態圖像合成爲高質量的動態視頻。這種方法有效解決了AI視頻合成過程中的語義準確性、清晰度和時空連續性的挑戰。

I2VGen-XL的功能特色

• 靜態圖像轉視頻：用戶只需提供靜態圖像和相應的文本描述，模型就能生成與輸入圖像內容和語義高度一致的動態視頻。
• 生成寬屏高清視頻：I2VGen-XL 能夠生成分辨率爲1280*720、16:9寬屏比例的高清視頻，爲用戶提供了高質量的視覺體驗。
• 時序連貫：模型生成的視頻在時間序列上連貫，保證了視頻內容的流暢性和觀看的舒適度。
• 質感好、細節豐富：I2VGen-XL 在視頻合成過程中注重細節的保留和質感的呈現，使得生成的視頻具有較高的真實感和藝術性。

如何使用I2VGen-XL

I2VGen-XL的項目主頁爲：https://i2vgen-xl.github.io/，GitHub代碼庫爲：https://github.com/ali-vilab/i2vgen-xl，研究論文地址爲：https://arxiv.org/abs/2311.04145，普通用戶可以通過Hugging Face或ModelScope魔搭社區的Demo進行在線體驗：

1. 訪問I2VGen-XL的Demo主頁（Hugging Face版：https://huggingface.co/spaces/modelscope/I2VGen-XL；ModelScope版：https://www.modelscope.cn/studios/damo/I2VGen-XL-Demo/summary）
2. 選擇合適的圖片進行上傳（建議圖片比例爲1:1），然後點擊「生成視頻」
3. 待初步生成的視頻完成後，進入下一步添加對視頻內容的英文文本描述
4. 點擊「生成高分辨率視頻」，等待2分鐘左右，視頻便能生成好了