Open-Sora 1.1發(fā)布 視頻質(zhì)量提升，生成時(shí)長(zhǎng)延長(zhǎng)至21秒

　　Open-Sora1.1發(fā)布，帶來(lái)了顯著的提升，尤其是在視頻生成的質(zhì)量和時(shí)長(zhǎng)方面。新版本模型能夠生成最長(zhǎng)約為21秒的視頻，使用更高質(zhì)量的視覺(jué)數(shù)據(jù)和字幕進(jìn)行訓(xùn)練，從而使其更好地理解世界的運(yùn)作。此外，優(yōu)化后的CausalVideoVAE架構(gòu)提高了性能和推理效率。

　　主要更新和特點(diǎn):

　　視頻生成質(zhì)量和時(shí)長(zhǎng)提升:新版本在視頻生成的質(zhì)量和時(shí)長(zhǎng)方面都有顯著提升，現(xiàn)在能夠生成最長(zhǎng)約為21秒的視頻。

　　高質(zhì)量視覺(jué)數(shù)據(jù)和字幕訓(xùn)練:通過(guò)使用更高質(zhì)量的視覺(jué)數(shù)據(jù)和字幕進(jìn)行訓(xùn)練，模型對(duì)世界運(yùn)作的理解得到了增強(qiáng)。

　　CausalVideoVAE架構(gòu)優(yōu)化:對(duì)CausalVideoVAE架構(gòu)進(jìn)行了優(yōu)化，這不僅提升了視頻生成的性能，還提高了推理效率。

　　與Sora基礎(chǔ)模型性能相似:實(shí)驗(yàn)結(jié)果顯示，v1.1.0版本的性能與Sora基礎(chǔ)模型相似，這證明了版本演化與Sora所展示的縮放定律的一致性。

　　新版本的開(kāi)源釋放對(duì)社區(qū)的視頻生成發(fā)展具有重要意義。開(kāi)源的代碼、數(shù)據(jù)和模型為社區(qū)提供了方便的后續(xù)開(kāi)發(fā)條件。

　　官方項(xiàng)目頁(yè)介紹了對(duì)CausalVideoVAE的一系列改進(jìn)，包括模型結(jié)構(gòu)的優(yōu)化和推理技巧的引入，進(jìn)一步提升了模型的性能和效率。

　　Open-Sora-Plan v1.1.0的這些更新和改進(jìn)，展示了視頻生成技術(shù)在理解力、性能和效率方面的持續(xù)進(jìn)步，同時(shí)也為未來(lái)的研究和開(kāi)發(fā)奠定了基礎(chǔ)。