清影（Ying）是智譜AI於2024年7月26日正式發布的視頻生成工具，支持文本生成視頻和圖像生成視頻功能。該工具基於自研的CogVideoX模型構建，採用DiT架構並參考Sora算法設計，推理速度較前代提升6倍。用戶可通過PC端、手機App及小程式免費不限次使用，生成1440×960清晰度的視頻，平均生成耗時30秒。清影提供卡通3D、電影感等多種風格選擇，支持音樂搭配和老照片動態化處理，其API服務同步面向企業和開發者開放。研發團隊來自清華大學計算機系知識工程實驗室，算力依託北京亦莊人工智慧公共平台。
基本介紹
- 發布時間：2024年7月26日
- 生成時長：30秒生成6秒視頻
- 支持平台：PC端/App/小程式
- 模型架構：DiT架構
- 開發公司：智譜AI
- API狀態：已上線
功能特點,技術架構,套用場景,未來發展,
功能特點
2024年7月上線的清影支持以下核心功能：
- 文生視頻：用戶輸入文字指令可生成6秒視頻，可選卡通3D、油畫等十餘種藝術風格
- 圖生視頻：上傳靜態圖片生成動態視頻，含「老照片動起來」專項功能
- 音樂融合：生成視頻自帶AI匹配背景音樂，增強表現力
- 畫面調度：實現鏡頭流暢跟隨畫面主體移動，例如動態追蹤三隻寵物狗
技術架構
清影的底座模型CogVideoX融合文本、時間、空間三個維度，摒棄傳統交叉注意力模組，採用與Sora相同的DiT架構。該架構最佳化視頻信息壓縮和內容融合，使其具備：
- 複雜指令理解：準確解析包含多動作、多對象的描述
- 連貫性最佳化：確保視頻幀間過渡流暢自然
- 高效推理：相比前代CogVideo模型提速6倍
套用場景
截至2024年7月，清影主要套用於：
- 創意產業：協助用戶快速製作廣告視頻及劇情短片
- 影視製作：與bilibili、華策影視共建模型，提升後期處理效率
- 產業集群：通過北京亦莊人工智慧公共算力平台，賦能高端裝備製造等實體經濟
未來發展
智譜AI CEO張鵬在2024年7月發布會表示：
- 解析度提升：計畫推出更高清晰度的視頻生成功能
- 時長擴展：將推出更高解析度、更長時長的視頻生成功能
- 場景深化：套用於北京亦莊的高精尖產業集群，推動大模型賦能實體經濟
