19 फरवरी, बीजिंग झीपु ह्वाज़ांग टेक्नोलॉजी लिमिटेड ने घोषणा की कि उसके बहु-मोडल निर्माण प्लेटफॉर्म “清影” और AI角色创作平台“捏Ta” ने रणनीतिक सहयोग पर हस्ताक्षर किए हैं, जो AI角色设计 से लेकर एनिमेशन निर्माण तक की संपूर्ण पथ का पता लगाने के लिए काम करेंगे और IP की एकरूपता की तकनीकी लागू करने के लिए प्रयास करेंगे। यह सहयोग द्वितीयक आयाम उपयोगकर्ताओं की आवश्यकताओं और AI अनुप्रयोग परिदृश्यों की गहराई से खोज करने के उद्देश्य से है, ताकि उपयोगकर्ताओं को उच्च गुणवत्ता वाली जनरेटिंग प्रभाव और तेज़ निष्पादन गति प्रदान की जा सके।

हाल ही में, नानजिंग विश्वविद्यालय की शोध टीम ने बाइटजंप और दक्षिण-पश्चिम विश्वविद्यालय के साथ मिलकर एक अभिनव तकनीक - STAR (Spatial-Temporal Augmentation with Text-to-Video Models) लॉन्च की है, जिसका उद्देश्य पाठ से वीडियो मॉडल का उपयोग करके वास्तविक दुनिया के वीडियो की 超分辨率 प्रक्रिया को लागू करना है। यह तकनीक समय-स्थान वृद्धि विधियों को जोड़ती है, जो निम्न रिज़ॉल्यूशन वाले वीडियो की गुणवत्ता को प्रभावी ढंग से बढ़ा सकती है, विशेष रूप से उन वीडियो के लिए जो वीडियो साझा करने वाले प्लेटफार्मों से डाउनलोड की गई निम्न स्पष्टता वाले वीडियो हैं।

आज,智谱 तकनीकी टीम ने अपना नवीनतम वीडियो जनरेशन मॉडल CogVideoX v1.5 जारी किया और इसे ओपन-सोर्स किया। यह संस्करण अगस्त के बाद से,智谱 तकनीकी टीम द्वारा प्रस्तुत CogVideoX श्रृंखला में एक और महत्वपूर्ण प्रगति है। ज्ञात हुआ है कि इस अपडेट ने वीडियो जनरेशन की क्षमता में बड़े पैमाने पर सुधार किया है, जिसमें 5 सेकंड और 10 सेकंड की वीडियो लंबाई, 768P रिज़ॉल्यूशन और 16 फ्रेम की जनरेशन क्षमता शामिल है। साथ ही, I2V (इमेज से वीडियो) मॉडल किसी भी आयाम अनुपात का समर्थन करता है, जो जटिल अर्थों की समझ को और बढ़ाता है।

बीजिंग ज़ीपी टेक्नोलॉजी कंपनी ने घोषणा की है कि उसके अंतर्गत आने वाले CogVideoX श्रृंखला मॉडल का नवीनतम संस्करण - CogVideoX v1.5 पेश किया गया है, जो अब ओपन-सोर्स है। अगस्त की शुरुआत से लॉन्च होने के बाद, यह श्रृंखला मॉडल उद्योग में अग्रणी तकनीक और डेवलपर्स द्वारा पसंद किए जाने वाले लक्षणों के साथ, वीडियो जनरेशन क्षेत्र में उत्कृष्ट बन गया है। नए संस्करण CogVideoX v1.5 में मौलिक आधार पर महत्वपूर्ण उन्नयन किया गया है, जिसमें वीडियो जनरेशन की क्षमता को बढ़ाया गया है, और अब यह 5/10 सेकंड, 768P, 16 फ्रेम的视频 जनरेशन का समर्थन करता है।

बीजिंग智谱华章 प्रौद्योगिकी कंपनी ने 29 अगस्त 2024 को कई महत्वपूर्ण तकनीकी अपडेट की घोषणा की, जिसमें नए पीढ़ी के आधार मॉडल का विमोचन और नई आवेदन सेवाएँ शामिल हैं। KDD2024 सम्मेलन में,智谱 ने भाषा मॉडल GLM-4-Plus, चित्र-से-टेक्स्ट मॉडल CogView-3-Plus, छवि/वीडियो समझ मॉडल GLM-4V-Plus और वीडियो जनरेशन मॉडल CogVideoX सहित नए पीढ़ी के आधार मॉडल का विमोचन किया। ये मॉडल अपनी-अपनी क्षेत्रों में अंतरराष्ट्रीय स्तर पर अग्रणी स्थिति पर पहुंच गए हैं।

ज़िहु एआई कंपनी ने वीडियो निर्माण मॉडल CogVideoX-5B को ओपन-सोर्स किया है, जो वीडियो निर्माण की गुणवत्ता, दृश्य प्रभाव और अनुमानों की प्रदर्शन में महत्वपूर्ण सुधार करता है। नया मॉडल निम्न-विशिष्टता वाले GPU जैसे पुराने GTX1080Ti और डेस्कटॉप RTX3060 के साथ संगत है। यह बड़े पैमाने पर DiT मॉडल पर आधारित टूल, 3D कारणात्मक परिवर्तनशील स्व-कोडर और विशेषज्ञ परिवर्तनकर्ता तकनीकों का उपयोग करते हुए, 3D-RoPE स्थिति कोडिंग और 3D पूर्ण ध्यान तंत्र के माध्यम से कुशलतापूर्वक टेक्स्ट से वीडियो बनाने में सक्षम है। विस्तृत जानकारी और कोड के लिए निर्दिष्ट लिंक पर जाएं।

देशी ओपन-सोर्स वीडियो जनरेशन मॉडल CogVideoX-5B आधिकारिक रूप से MoDou ModelScope समुदाय में ओपन-सोर्स किया गया है, जिसने वीडियो जनरेशन की गुणवत्ता और दृश्य प्रभाव को महत्वपूर्ण रूप से बढ़ा दिया है। बड़े पैमाने पर DiT मॉडल पर आधारित, यह मॉडल 3D कारणात्मक वैरिएशनल ऑटोएन्कोडर, एक्सपर्ट ट्रांसफार्मर तकनीक का उपयोग करता है, और 3D-RoPE स्थान कोडिंग और 3D पूर्ण ध्यान तंत्र के माध्यम से समय-स्थान संयुक्त मॉडलिंग को लागू करता है। प्रगतिशील प्रशिक्षण तकनीक का उपयोग करते हुए, मॉडल को स्पष्ट गति विशेषताओं, लगातार और उच्च गुणवत्ता वाले लंबे समय तक वीडियो उत्पन्न करने में सक्षम बनाता है।

झीपु एआई ने नई पीढ़ी के वीडियो जनरेशन मॉडल CogVideoX की घोषणा की है, जो 3D VAE संरचना और 3D RoPE मॉड्यूल के माध्यम से समय आयाम फ्रेम के बीच संबंधों को पकड़ने में सुधार करता है, मॉडल की पाठ की समझ और निर्देशों का पालन करने की क्षमताओं को बढ़ाता है। यह पाठ, समय और स्थान के तीन आयामों के सम्मिलन के लिए एक ट्रांसफार्मर संरचना का उपयोग करता है, जिससे उपयोगकर्ता की आवश्यकताओं के अनुसार वीडियो तेजी से उत्पन्न होता है। यह मॉडल झीपु क्लीयर वॉयस प्लेटफ़ॉर्म पर उपलब्ध है, जो पाठ और चित्रों से वीडियो सेवा का मुफ्त अनुभव देने का समर्थन करता है। इसकी विशेषताएँ हैं: तेज़ जनरेशन, प्रभावी निर्देश पालन, सामग्री की निरंतरता और दृश्य अनुक्रम की लचीलापन।