16秒720p高清視頻,現(xiàn)在人人可免費一鍵生成!
無論是精致的人物肖像:
還是炫酷的科幻大片:
亦或是生動有趣的動畫:
流暢的變焦效果:
以上生成效果,全部來自免費開源的潞晨Open-Sora。
從3月發(fā)布以來,潞晨Open-Sora一直熱度不減,GitHub上攬星已經(jīng)17.5K。
(GitHub:https://github.com/hpcaitech/Open-Sora)
英偉達入股的AI公司Lambda Labs,也基于潞晨Open-Sora模型權(quán)重打造了數(shù)字樂高宇宙。
而在公布模型權(quán)重和訓練細節(jié)后,潞晨Open-Sora還在持續(xù)開源中。
最近,其幕后團隊在GitHub上曬出了技術路線,進一步披露了最新版本模型的訓練核心內(nèi)容報告地址:https://github.com/hpcaitech/Open-Sora/blob/main/docs/report_03.md。
具體細節(jié),一起來看。
訓練成本再降低
最新版本的潞晨Open-Sora在此前基礎上引入了視頻壓縮網(wǎng)絡(Video Compression Network)、更優(yōu)擴散模型算法、更多的可控性,并利用更多數(shù)據(jù)訓練出了1.1B擴散生成模型。
能在保障模型輸出質(zhì)量的同時,降低計算資源的消耗。
其中,引入視頻壓縮網(wǎng)絡是OpenAI的Sora同款方法。它能在時間維度上進行4倍壓縮,無需抽幀,可以使用原始FPS生成視頻。
考慮到訓練一個3D VAE的成本太高,團隊嘗試讓模型重新利用在2D VAE中學習到的知識。在2D VAE壓縮后,時間維度上的相鄰特征仍然高度相關。
因此團隊提出了一個簡單的視頻壓縮網(wǎng)絡(即VAE),它能首先在空間維度上實現(xiàn)8x8倍的壓縮,再從時間維度上壓縮4倍。
該網(wǎng)絡框架如下:
具體訓練過程分為三步:
1、前380K步,在8個GPU上訓練,凍結(jié)2D VAE的權(quán)重,只訓練3D VAE部分,即對時間維度的壓縮重建。訓練目標為對2D VAE encoder輸出的特征進行時間維度的壓縮重建,并添加一個identity loss使得新訓練的3D VAE輸出的特征盡可能和原始2D VAE的特征相似。團隊發(fā)現(xiàn)加上這種identity loss可以很快讓整個VAE達到良好的壓縮重建性能,并在下一階段收斂速度快很多。
2、接下來的260K步,移除掉identity loss,繼續(xù)單獨訓練3D VAE部分。
3、最后540K步,由于發(fā)現(xiàn)只重建2D VAE特征并不能進一步提升性能,所以解凍了2D VAE權(quán)重,開始訓練整個VAE模型來重建原始視頻。該階段在24個GPU上完成。
其中前兩個階段的訓練數(shù)據(jù)使用20%圖像和80%視頻,視頻用17幀進行訓練;最后一個階段用34幀的隨機幀數(shù)視頻進行訓練,使VAE模型可以壓縮任意長度的視頻。訓練和推理的代碼已開源。
Rectified flow和模型適配
另外,基于最新Stable Diffusion3的開源成果,提供了一套完整的訓練解決方案。
Stable Diffusion3通過采用了rectified flow技術替代 DDPM,顯著提升了圖片和視頻生成的質(zhì)量。
潞晨Open-Sora團隊帶來的技術包括:
簡單易用的整流(rectified flow)訓練
用于訓練加速的 Logit-norm 時間步長采樣
基于分辨率和視頻長度的時間步長采樣
通過這些技術的整合,不僅能夠加快模型的訓練速度,還能顯著減少推理階段的等待時間,確保用戶體驗的流暢性。
此外,這套訓練方案還支持在推理過程中輸出多種視頻寬高比,滿足了多樣化場景下的視頻素材需求,為視頻內(nèi)容創(chuàng)作者提供了更加豐富的創(chuàng)作工具.
此外,技術報告中還透露了更多模型訓練的核心細節(jié),包括數(shù)據(jù)清洗和調(diào)優(yōu)的使用技巧。同時團隊構(gòu)建了更完善的模型評估體系,保障模型的穩(wěn)健性和泛化能力。
通過提供可自行一鍵部署的Gradio應用,并支持調(diào)節(jié)輸出的運動分數(shù)、美學分數(shù)和鏡頭移動方式等參數(shù),還能一鍵通過GPT-4o 自動修改指令并支持中文輸入。
傳送門
文生視頻爆火后,潞晨Open-Sora持續(xù)開源為該領域發(fā)展做出了貢獻。
潞晨Open-Sora可零門檻免費獲得模型權(quán)重、全套訓練代碼,沉浸式游戲、創(chuàng)意廣告、制作影視大片……都能來試試~
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹慎對待。投資者據(jù)此操作,風險自擔。
2024年的Adobe MAX 2024發(fā)布會上,Adobe推出了最新版本的Adobe Creative Cloud。
奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。
“以前都要去窗口辦,一套流程下來都要半個月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關材料,僅幾秒鐘,重慶市民曾某的賬戶就打進了21600元。
華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實質(zhì)性的幫助,雙十一期間低至2799元,性價比很高,簡直是創(chuàng)作者們的首選。
9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會——工業(yè)互聯(lián)網(wǎng)標識解析專題論壇在沈陽成功舉辦。