推出 Pyramid Flow：全新高品質 AI 影片生成器，現已全面開源！

本週，AI視頻生成領域隨著Pyramid Flow的推出而持續擴展。這款開源模型能以令人驚艷的速度生成高達10秒的高品質視頻片段。Pyramid Flow由北京大學、北京郵電大學，以及以著名的Kling AI視頻生成器聞名的快手科技的合作團隊開發，採用了創新的多階段生成方法，主要以低解析度生成視頻，並在最終輸出時保留全解析度版本。

Pyramid Flow能以僅56秒的時間創建一個5秒384p的視頻，其性能可媲美領先模型。然而，Runway的Gen-3 Alpha Turbo仍然保持速度之冠，經常在不足一分鐘內生成視頻，某些測試時間僅介於10到20秒之間。雖然我們尚未獨立測試Pyramid Flow，但創建者分享的示範視頻顯示出極為逼真的視覺效果，解析度可與專有系統相媲美，您可以在其GitHub專案頁面上觀看示例。

Pyramid Flow設計直觀，便於下載與使用，包括商業應用，成為Runway的Gen-3 Alpha、Luma的Dream Machine、Kling和Haulio等收費競爭對手的實力替代選擇，後者可能需支付可觀的年度訂閱費用。在競爭激烈的AI視頻服務市場中，Pyramid Flow承諾為開發者、藝術家和內容創作者提供高效靈活的先進視頻生成解決方案。

新技術：金字塔流匹配

AI視頻生成需要大量計算資源，通常需要多個模型處理不同階段，這會使訓練變得複雜。Pyramid Flow引入了金字塔流匹配技術，顯著減少計算負擔，同時保持視覺質量。該方法通過系統性的“金字塔”階段完成視頻生成，僅在最後一步使用全解析度。

這一方法的詳細內容發表於一篇題為《金字塔流匹配：高效視頻生成建模》的預審論文，於2024年10月8日提交給開放獲取期刊arXiv。研究團隊包括來自北京大學及快手科技的楊進、孫志誠、李寧源、許昆及其他成員。

該論文闡述了如何在不同階段優化視頻生成，促進更快的訓練收斂，使Pyramid Flow能以更少的處理產生更多樣本。具體來說，與傳統擴散模型相比，該模型的token數量減少了四倍，從而提升了訓練效率。

Pyramid Flow可以生成5至10秒的768p解析度視頻，幀率為24fps，訓練所用的開源數據集包括LAION-5B、CC-12M、SA-1B、WebVid-10M和OpenVid-1M，總計約1000萬段單次視頻。然而，對於這些數據集的來源仍然存在疑慮，其中一些，如LAION-5B，被指控未經許可含有受版權保護的材料。Runway也面臨法律問題，因類似的版權侵權行為被藝術家起訴。

開源與商業使用

Pyramid Flow在MIT授權下發佈，允許廣泛使用，包括商業項目、修改和再分發，前提是保留版權聲明。這使得它對希望整合AI視頻功能而不產生專有模型所帶來的高昂成本的開發者和公司來說，成為具有吸引力的選擇。

然而，儘管Pyramid Flow是一個前景可觀的工具，但目前尚不具備一些專有模型中的先進功能。例如，Runway的Gen-3 Alpha提供對攝影角度和人類手勢等元素的詳細控制，而Pyramid Flow尚未複製這些功能。此外，因其相對較新的推出，生態系統尚未像某些競爭對手那樣成熟。

AI視頻生成的未來

隨著AI視頻生成市場的演變，Pyramid Flow的出現標誌著向更可訪問的開源替代方案的轉變，這些方案能夠與現有的專有解決方案競爭。Pyramid Flow以卓越的視頻質量打破了傳統模型的束縛，預計將成為創作者和開發者首選的工具。

展望未來，行業相關人士將密切關注Pyramid Flow的發展軌跡和潛在增強，因為所有參與者都在這個動態領域中競爭技術優勢及用戶獲取。同時，OpenAI的Sora在2024年初的展示中，仍主要限於一小部分初期用戶的測試。