效果超越Gen-2！字节最新视频生成模型，一句话让绿巨人戴上VR眼镜

测评效果超过Gen-2、Pika以及现有AI视频生成工具。

结果上线不到24小时就引发众人围观，比如一条推文就有近20万浏览量。

不少网友惊讶其效果，甚至直言：比runway和pika还要好。

“比runway和pika还要好”

研究人员也的确进行了实际的效果比较。选手分别为：MagicVideo-V2、StabilityAI的SVD-XT，新潜力玩家Pika1.0，以及Runway的Gen-2。

研究人员还将MagicVideo-V2与当下最先方法进行一对一的人类评估。

结果显示，相较于其他方法，人们认为MagicVideo-V2的效果更好。

（绿色、灰色和粉色条分别代表 MagicVideo-V2 被评价为更好、相当或较差的试验效果。）

如何实现？

简单来说，MagicVideo-V2是一条视频生成流水线，集成了文本到图像模型、视频运动生成器、参考图像嵌入模块、插值模块。

首先是有T2I模块首先根据文字生成1024×1024图像，随后I2V模块对该静态图像进行动画处理，生成600×600×32的帧序列，然后再用V2V模块增强，并完善视频内容，最后再用插值模块将序列扩展到94个帧。

这样一来，既保证了高保真，时间上也有连续性。

不过早在2022年11月字节曾推出了MagicVideo V1版。

不过，当时更强调的是高效性，它能在单个GPU卡上生成256x256分辨率的视频。

参考链接：

ByteDance presents MagicVideo-V2

Outperforms SotA video models such as Pika 1.0, SVD-XT according to human evaluation

abs: https://t.co/nZOlH58Ev5
proj: https://t.co/4MUrSbkE1r pic.twitter.com/6rrvYJ4pDL

— Aran Komatsuzaki (@arankomatsuzaki) January 10, 2024

项目链接：
https://magicvideov2.github.io/
论文链接：
https://arxiv.org/abs/2401.04468
https://arxiv.org/abs/2211.11018