4 सितंबर 2024, बीजिंग के जीन विद्या कृत्रिम बुद्धिमत्ता संस्थान (BAAI) ने विश्व का पहला टेक्स्ट-टू-वीडियो मॉडल मुकाबला मूल्यांकन सेवा—FlagEval बड़े मॉडल का अखाड़ा का उद्घाटन किया। यह सेवा उपयोगकर्ताओं के लिए खुली है, जो लगभग 40 बड़े मॉडल को कवर करती है और भाषा प्रश्न-उत्तर, मल्टीमोडल छवि-टेक्स्ट समझ, टेक्स्ट-टू-छवि, टेक्स्ट-टू-वीडियो जैसे चार प्रमुख कार्यों के लिए अनुकूलित ऑनलाइन या ऑफलाइन मूल्यांकन का समर्थन करती है।

बायदू के संस्थापक ली यानहोंग ने मल्टी-मोडल समागम के महत्व पर जोर दिया। बायदू ने टेक्स्ट-टू-वीडियो जैसे क्षेत्रों में निवेश किया है। बायदू ने एजीआई विकास में निवेश किया। बायदू के वैंशिन बड़े मॉडल की अनुमान लागत 1% तक घट गई है। बायदू ने सैमसंग, ऑनर आदि के साथ सहयोग किया है। ऑनर पहले छोटे मोड़ने योग्य फोन को推出 करेगा। वैंशिन यियान 2024 में десятों बिलियन की वृद्धि आय में योगदान देगा। बायदू ने टेक्स्ट-टू-वीडियो जैसे क्षेत्रों में 5G-A में दुनिया की मोबाइल कम्युनिकेशन कॉन्फ्रेंस में हॉटपॉट में निवेश किया।

Midjourney कंपनी ने घोषणा की है कि वह आगामी महीनों में टेक्स्ट-टू-वीडियो मॉडल लॉन्च करेगी। कंपनी जनवरी में वीडियो मॉडल का प्रशिक्षण शुरू करेगी, CEO ने कहा कि यह प्लेटफॉर्म का स्वाभाविक विकास है, जो प्रतिस्पर्धा की गतिशीलता को पेश करता है। नवीनतम v6 अपडेट तस्वीर की गुणवत्ता और उपयोगकर्ता अनुभव में सुधार पर केंद्रित है, जो AI वीडियो उत्पादन क्षेत्र में तीव्र प्रतिस्पर्धा को दर्शाता है। वीडियो क्षेत्र में प्रवेश प्रतिस्पर्धियों द्वारा संबंधित उत्पादों को जारी करने के बाद हुआ है, जिससे प्रतिस्पर्धा बढ़ गई है। Midjourney गुणवत्ता और उपयोगकर्ता अनुभव पर जोर देने के लिए जाना जाता है, नवीनतम v6 अपडेट प्रतिस्पर्धात्मकता बनाए रखने के लिए है।