#VideoPoet

7:17画像・動画生成拡散指数 38

Google、LLM基盤の動画生成モデル「VideoPoet」発表　拡散モデルを使わず10秒の一貫した大動作を生成

Googleは、主流の拡散モデルではなく大規模言語モデル（LLM）アーキテクチャを採用したマルチモーダル動画生成モデル「VideoPoet」を発表した。テキストや画像からの動画生成、スタイル変換、音声生成を単一モデルに統合し、アーティファクトを抑えた10秒の一貫した大動作動画を生成できる。