バイトダンス傘下のDoubaoパソコン版の動画生成機能がクローズドβテストを開始し、一部ユーザーが体験資格を獲得しました。ユーザーは内測申請後、doubao.comにアクセスし、「動画生成」機能を選択、画像をアップロードしてプロンプトを入力し、さらにカメラワークやコマ割り情報を追加することで、動画コンテンツを生成できます。テスト期間中は、ユーザーは毎日10本の動画を無料で生成できます。
以前、バイトダンスの動画生成モデルPixelDanceが9月末にリリースされ、即夢AIと火山引擎プラットフォーム上でクリエイターや企業顧客を対象に小規模な招待テストが行われました。
Doubaoパソコン版は現在、PixelDanceモデルに基づいた動画生成機能を段階的に開放しています。Doubaoの関係者は、今後この機能を継続的に開放および最適化し、より多くの一般ユーザーがより簡単に創作と表現を行うことができるようにすることを目指すと述べています。
バイトダンス傘下の豆包大規模言語モデルチームは先日、混合専門家モデル（MoE）アーキテクチャにおける主要なボトルネックを克服し、COMETという名称の重要な最適化技術をオープンソース化したと発表しました。この技術は、大規模言語モデルのトレーニング効率を大幅に向上させ、最大1.7倍の効率向上を実現し、トレーニングコストを40％削減することに成功しました。画像注記：画像はAIによって生成され、画像ライセンス提供サービスMidjourneyを使用しています。COMET技術は、バイトダンスの万規模GPUクラスタトレーニングで実際に適用されており、数百万GPU時間の節約に貢献しています。
先日、魔楽コミュニティ（Modelers）で、階躍星辰が開発したオープンソースのマルチモーダル大規模モデルであるStep-VideoとStep-Audioが正式に公開されました。これらのモデルは、それぞれ動画生成と音声対話に使用され、開発者と企業ユーザーにより強力なAIツールを提供することを目指しています。Step-Videoモデルの正式名称はStep-Video-T2Vで、300億パラメーターという世界最大のオープンソース動画生成モデルです。このモデルは、20秒の動画を直接生成できます。
2025年3月9日、カリフォルニア州——オープンソースモデルによって、テキストから動画を生成する技術がますます魅力的になっています。AI開発者Ostris（@ostrisai）は最近、Xプラットフォームで、自身の20枚ほどの画像を用いてトレーニングしたWan 2.1 LoRAモデルの成果を共有しました。家庭用のRTX4090グラフィックカードを使用するだけで、驚くほど高品質な動画生成を実現しています。この成果はオープンソース技術の可能性を示すだけでなく、Xコミュニティで動画LoRAトレーニングに関する議論を活発化させています。
