周一，以电子游戏帝国和聊天应用微信闻名的中国互联网巨头腾讯在GitHub上发布了其开源视频生成模型DynamiCrafter的新版本。这提醒人们，一些中国最大的科技公司一直在悄悄加大投入，试图在文本到视频和图片到视频的领域取得突破。
与市场上其他生成式视频工具一样，DynamiCrafter使用扩散方法将文字描述和静态图片转化为数秒长的视频。受物理学中扩散自然现象的启发，机器学习中的扩散模型能够将简单数据转化为更复杂、更逼真的数据，类似于粒子从高浓度区域向低浓度区域移动的过程。
DynamiCrafter的第二代产品生成的视频像素分辨率为640 x 1024，相比今年10月首次发布的320 x 512分辨率有所提升。DynamiCrafter团队发表的一篇论文指出，其技术与竞争对手的不同之处在于，它将图像动画技术的适用范围扩大到了“更通用的视觉内容”。
“核心理念是利用文生视频扩散模型的运动先验，通过将图像融入生成过程作为引导。”论文指出，“相比之下，传统技术主要关注使用随机动力学（如云和流体）或特定领域的运动（如人类头发或身体动作）来动画化自然场景。”
在一个比较DynamiCrafter、11月推出的Stable Video Diffusion以及近期备受追捧的Pika Labs的演示（见下文）中，腾讯模型的结果看起来比其他模型更具动感。当然，所选样本会对DynamiCrafter有利，而且在我初步尝试后，这些模型都没有给人留下AI很快就能制作出完整电影的印象。
尽管如此，继生成式文本和图像的爆发之后，生成式视频被视为AI竞赛的下一个焦点，备受期待。因此，初创公司和科技巨头纷纷投入资源进入这一领域。中国也不例外。除了腾讯之外，TikTok的母公司字节跳动、百度和阿里巴巴也各自发布了他们的视频扩散模型。
字节跳动的MagicVideo和百度的UniVG都在GitHub上发布了演示，尽管它们目前似乎尚未对公众开放。与腾讯类似，阿里巴巴也将其视频生成模型VGen开源，这种策略在中国希望触达全球开发者社区的科技公司中越来越流行。
DynamiCrafter
Animating Open-domain Images with Video Diffusion Priors