文生视频是什么？
如果文生图是「一句话画一张画」，那文生视频就是「一句话拍一段片」。你写「一只柴犬在雪地里奔跑，阳光透过树枝洒下来」，模型就能生成一段几秒钟、符合描述的动态视频。它比文生图难在哪？
多了一个「时间」维度图片只要一帧是对的；视频要求每一帧都连贯——动作要自然、光影要稳定、镜头不能穿帮。
物理规律要讲得通
水怎么流、人怎么走、头发怎么飘，得符合现实，否则一眼假。
算力成本高得多
生成几十帧连贯画面，比生成一张图贵上一个数量级。
它是怎么做到的？
主流方法依然基于扩散模型：先理解文字，再从噪声里逐步生成连续帧，并让前后帧保持一致。有些模型还引入了「世界模型」的思路，让 AI 对物理规律有一点常识，画面才更真实。它正在改变什么？
广告短片、影视概念片、教学动画、社交媒体的创意视频——过去需要团队和预算，现在一个人、一句话就能起步。文生视频正在把「做视频」的门槛，拉到和「发一条朋友圈」差不多。一句话记住：文生视频就是给文生图加上了「时间」，让静态的画面动起来、连贯起来。
评论