基本介紹
- 發布時間：2024年3月5日
- 解析度：4K（3840×2160）
- 幀率：60幀/秒
- 生成時長：8-15秒
- 技術架構：Diffusion+Transformer
- 戰略合作：小米、快手、易點天下
技術特點,發布與演示,套用場景,技術架構,合作與商業化,行業對比,
技術特點
Etna模型採用時空卷積網路結合注意力層的混合架構，通過語言模型解析文本語義後，在潛空間執行多步去噪處理生成視頻序列。其核心技術突破包括：
- 支持輸入自然語言描述生成3840×2160像素的4K視頻，單視頻最長可達15秒
- 基於20億參數訓練數據集實現每秒60幀的流暢播放效果，顯著優於同期30幀模型
- 集成CLIP系統與大語言模型，可精準解析"帝王威嚴鳥類動態"等複雜文本指令
發布與演示
2024年3月5日，七火山科技在"所想即所見"AI戰略分享會上首次公開演示Etna模型，生成案例覆蓋水下生物遊動、運動場景捕捉及維多利亞冠鴿羽毛動態等場景。同年3月5日的超訊通信聯合大會上，模型展示了4K視頻生成過程中對光線折射、動物毛髮等細節的精細還原能力。
套用場景
- 數字行銷: 與易點天下合作開發自動化視頻生成系統，結合買量數據追蹤最佳化廣告投放效果
- 短劇出海: 通過Lava平台實現角色換臉、多語言字幕翻譯功能，2024年在印尼市場達到月活用戶4000萬
- 教育培訓: 生成教學示範視頻，支持解剖演示等動態可視化內容製作
- 媒體創作: 提供分鏡腳本自動轉化服務，降低視頻製作時間成本
技術架構
模型採用三階段訓練策略：
- 預訓練階段: 使用超過100萬小時的LDS數據集進行基礎參數學習
- 最佳化階段: 運用HPO超參數最佳化算法提升時空連貫性
- 微調階段: 通過DPO策略調整模型對特定場景的適應能力
時空壓縮器模組在此過程中負責將視頻數據映射至潛空間，降低處理複雜度約40%。
合作與商業化
2024年，七火山科技構建完整產品矩陣：
- Lava平台: 實現短劇內容譯製與本地化，合作方包括位元組跳動及小米國際版
- Bromo工具: 提供視頻超解析度增強功能，可將720p素材提升至4K
- miniTV平台: 集成Etna模型的視頻分發系統，日均處理量達500萬條
行業對比
在全球主流文生視頻模型中，Etna模型以60幀/秒的流暢度與15秒生成時長位列第一梯隊。對比同期產品：
- 生成時長超過Runway Gen-2的18秒上限
- 解析度達到Sora模型的4K標準，但生成時間僅為後者的1/4
- 在印尼市場的商業化進度領先生數科技Vidu模型三個月
