近日，阿里云推出全新視頻生成大模型 I2VGen-XL，并在魔搭社區開放體驗，用戶上傳一張圖片后 2 分鐘左右即可生成一段 1280*720 的高分辨率視頻。據介紹，該模型的訓練還使用了多種風格的視頻數據，可生成科技感、電影色、卡通風格和素描等類型豐富的視頻。目前，I2VGen-XL 的模型和代碼均已開源。

在此之前，阿里云曾推出 AI 繪畫創作大模型通義萬相（基座模型 Composer）和可控視頻生成模型 VideoComposer，團隊在該領域發表 60 多篇 CCF-A 類論文，并在國際頂級視覺競賽中獲得 10 余項冠軍。

和 AI 繪畫創作大模型相比，視頻生成大模型的技術門檻更高，其需要克服文本和視頻內容匹配度、視頻畫面質量、畫面連續性等諸多技術挑戰。在此之前，阿里云和微軟等科技公司相繼推出一系列可控視頻生成研究成果，例如用戶可通過定義空間布局、運動模式等條件來生成視頻，但其畫面清晰度難以滿足真實場景應用的需求。

針對該問題，阿里云進一步提出創新思路，I2VGen-XL 模型設計了兩個階段：首先在低分辨率條件下保證生成結果和給定圖像語義的匹配度，隨后通過視頻擴散模型 (VLDM) 來提高視頻分辨率，并同時提升時間和空間上的一致性，保證最終視頻內容的清晰度和連貫性，最終實現 1280*720 高分辨率的突破，并且在畫面細節的展現上大幅領先現有模型。

I2VGen-XL 模型研發負責人表示，未來將進一步實現 2K 超清效果，可應用于短視頻內容生產、電影制作等場景。

I2VGen-XL 流程圖

目前，I2VGen-XL 模型已吸引國內外用戶和開發者的廣泛體驗和二次開發，涌現了大量創意 AI 視頻生成內容，例如在城堡上展翅的恐龍、宇航員在飛船中行走的科幻電影畫面等等……知名 AI 社交媒體分析師 Ahsen Khaliq 在推特發布多條由該模型生成的視頻效果，并表示模型在清晰度、紋理、語義和時間連續性方面有優勢。

模型體驗地址：

https://modelscope.cn/studios/damo/I2VGen-XL-Demo/summary