扩散Transformer

颠覆视频创作!阿里巴巴 VACE 模型统一处理文本、图像和视频输入

颠覆视频创作!阿里巴巴 VACE 模型统一处理文本、图像和视频输入

阿里巴巴集团的科学家们推出了 VACE，这是一种旨在统一处理广泛视频生成和编辑任务的通用人工智能模型。 VACE 的核心是增强的扩散 Transformer 架构，其创新之处在于“视频条件单元”（VCU）这一新型输入格式。 VCU 将文本提示、参考图像或视频序列以及空间蒙版等多种模态输入提炼为统一的表示，并通过专门的机制协调不同输入，避免冲突。

4/23/2025 11:00:57 AM

AI在线

1

资讯热榜

苹果发布全新Xcode 26开发者工具：内置ChatGPT先进AI功能微软发布 700 个真实 AI 案例，探索智能化工作新模式 Microsoft Releases 700 Real AI Cases to Explore New Intelligent Work Models 豆包App“一句话P图”功能全新升级基于SeedEdit 3.0实现全面优化 Li Hang, head of ByteDance AI Lab, resigns; Seed team enters adjustment period DeepSeek前高管秘密创业，新AI Agent项目已获顶级VC押注苹果向开发者开放本地AI能力，推出全新Foundation Models框架支持MCP！开源智能体开发框架 Rowboat：打造你的智能助手只需几分钟

标签云

人工智能 AI OpenAI AIGC 模型 ChatGPT DeepSeek AI绘画谷歌数据机器人大模型 Midjourney 用户智能开源微软 GPT Meta 学习图像技术 AI创作 Gemini 论文马斯克 Stable Diffusion 算法英伟达代码 Anthropic 芯片开发者生成式蛋白质腾讯神经网络训练 3D 研究生成智能体苹果计算机器学习 Sora Claude AI设计 AI for Science GPU AI视频人形机器人搜索华为百度场景大语言模型 xAI 预测伟达深度学习 LLM 字节跳动 Transformer Agent 模态具身智能神器推荐工具文本视觉 LLaMA 算力 Copilot 驾驶大型语言模型 API RAG 应用架构