只要一張照片就能生成一段舞蹈視頻，又一個大模型應用出圈!
2024年第一個工作日開始，兵馬俑、馬斯克以及各地網友跳科目三和網紅舞的視頻就陸續(xù)在國內社交媒體和朋友圈刷屏。這些大約10秒左右的視頻都不是真人出鏡，均由大模型生成，這種低門檻的「跳舞」方式引發(fā)了網友的廣泛體驗，掀起了一波斗舞潮。各路網友金句頻出：AI治愈了我的四肢不協(xié)調、科目三的風吹到了考古界、再也不用擔心跳科目三崴腳……
這是阿里云通義千問APP上線的免費功能，在通義千問APP內輸入“通義舞王”、“全民舞王”等口令后，即可進入體驗頁面。用戶按照提示要求上傳照片后，十幾分鐘即可生成神形兼?zhèn)涞奈璧敢曨l，生成的視頻能較好地保留原形象的面部表情、身材比例、服裝以及背景等特征。目前，通義千問首批為用戶提供了科目三、蒙古舞、劃槳步、鬼步舞等12種熱門舞蹈模板。
據悉，該功能背后的算法為阿里通義實驗室自研視頻生成模型Animate Anyone。早在11月底，該研究便在推特、Youtube等海外社交媒體平臺爆火，相關視頻播放量超1億，項目在Github上的Star短短數(shù)日就超過1萬，是近期大模型領域最受歡迎的大模型算法之一，國外開發(fā)者和網友集體稱贊該算法效果，并發(fā)出“開放體驗入口”的呼聲。
除了驚艷的生成效果之外，該算法的技術路線也被廣泛關注。視頻生成是大模型領域最熱門的研究方向之一，谷歌、meta、Runway等國外科技公司都在積極布局，但一直以來，人物形象的視頻生成面臨諸多技術挑戰(zhàn)，例如人物形象一致、動作流暢可控、時序無瑕疵的人物動作視頻。
根據公開論文顯示，Animate Anyone集成了多項創(chuàng)新技術，引入了ReferenceNet，用于捕捉和保留原圖像信息，可高度還原人物、表情及服裝細節(jié);此外，該算法使用了高效的Pose Guider姿態(tài)引導器 ，保證了動作的精準可控;通過時序生成模塊，有效保證視頻幀間的連貫流暢性。在相同數(shù)據集的測試下，Animate Anyone的性能表現(xiàn)顯著優(yōu)于國內外同類模型。
今年9月，通義千問成國內首批通過備案的大模型，通義千問APP上線后功能持續(xù)升級，目前可提供文本對話、語音對話、翻譯、PPT大綱助手、小紅書文案、視頻生成等幾十項功能。
