النص إلى فيديو
تحويل جملة إلى مقطع فيديو
يُعرض النص الكامل باللغة الإنجليزية؛ وقد تمت ترجمة العنوان والملخص.
ما الذي تعنيه هذه القدرة
Takes a text description and outputs a video with a time dimension, where frames must stay coherent with one another. It adds a hard constraint over text-to-image: temporal consistency, so objects cannot deform or teleport between neighbouring frames. Unlike image-to-video there is no starting frame; everything is determined by the prompt.
كيف تُنفَّذ تقنيًا
The mainstream extends diffusion from two dimensions to three: a diffusion Transformer models space–time patches jointly so attention across frames constrains motion; another line uses a latent video autoencoder with spatio-temporal attention. Variable length and resolution are managed by generating and stitching in chunks. Synchronising audio and controlling camera language are recent extensions.
منتجات تمثيلية
8Sora
2024يولّد فيديو متماسكًا يصل إلى نحو دقيقة من وصف نصي
Veo
2024يولّد مقاطع فيديو بدقة 1080p بمشاهد متماسكة
Gen-3 Alpha
2024نموذج نص إلى فيديو عالي التحكم لأغراض السينما والإعلان
Kling
2024نموذج فيديو قصير يدعم النص إلى فيديو والصورة إلى فيديو
Hailuo
2024نموذج فيديو قصير يركّز على اتباع التعليمات ولغة الكاميرا
Seedance
2024نموذج توليد فيديو موجّه لسرد متعدد المشاهد
Dream Machine
2024يولّد فيديوهات قصيرة بحركة من نص أو صورة
Synthesia
2019اكتب نصًا فتحصل على فيديو بشخصية رقمية تتحدث
المؤسسات ذات الصلة
الاستخدامات الشائعة
- Fast spots for ads and short films
- Storyboards and animated pre-visualisation
- Short-form social media assets
- Shot drafts for games and virtual production
كيف يُقاس مدى جودتها
- FVD
- Distance between generated and real video distributions; lower is better
- Motion consistency
- Whether position and shape stay continuous across frames
- Human preference
- Pairwise comparison of visual quality and prompt adherence
الحدود والصعوبات
- Over long windows physics and causality break: objects vanish, merge or change identity
- Complex interactions and hand motion distort most, especially where several objects touch
- Clip length and resolution are compute-bound; beyond tens of seconds stitching shows seams
المفاهيم الكامنة وراءها
نماذج الانتشار
تعلّم ألف خطوة صغيرة لإزالة الضوضاء، فتستطيع بناء صورة من ضوضاء صافية
التوليد متعدد الوسائط
نموذج واحد يتعلّم الكلام والرسم والحركة، بل ونمذجة العالم ثلاثي الأبعاد
الانتشار في الفضاء الكامن والتحكم الشرطي
أجرِ الانتشار لا على البكسلات بل داخل فضاء دلالي مضغوط