什么是 Phenaki？
Phenaki 是由 Google Research 团队开发的一种基于 Transformer 的 AI 模型，能够根据任意长度的文本提示（prompt）生成时间上连贯、语义一致的视频内容。 它突破了传统视频生成模型在时长和复杂度上的限制，支持跨场景、多对象、长时间序列的视频合成。
核心技术亮点
- 可变长度视频生成：支持从几秒到数分钟的视频输出。
- 跨模态对齐：精准对齐文本描述与视觉内容。
- 高效压缩表示：使用 CAV（Causal Video VAE）将视频压缩为紧凑的 token 序列。
- 自回归建模：通过类似语言模型的方式逐帧预测未来画面。
应用场景
Phenaki 在多个领域展现出巨大潜力：
- 创意内容生成（短视频、广告、动画）
- 教育与模拟训练（历史重现、科学可视化）
- 辅助影视制作（概念预演、分镜生成）
- 个性化娱乐（根据用户故事生成专属视频）
示例演示
以下是由 Phenaki 根据文本提示生成的视频示例（模拟展示）：
提示示例："一只宇航员狗在火星上打网球，夕阳西下。"
了解更多
Phenaki 是 AI 视频生成领域的重要里程碑。如需深入了解技术细节，请阅读78TP论文： Phenaki: Variable Length Video Generation From Open Domain Textual Descriptions。
项目由 Google Research 发布，遵循开源精神，推动 AI 创新边界。