智谱推出AI视频大模型“清影” 30秒将任意文字生成视频

智谱AI今天宣布正式推出了其新一代视频生成大模型“清影”与模型底座CogVideoX，该应用已在智谱清言PC端、移动应用端及小程序端多个平台全面上线，此次升级通过全新AI视频生成技术为广大用户带来了前所未有的创作便利。

据悉，CogVideoX不仅丰富了智谱清言的AI视频生成功能「清影」的能力，更在内容连贯性、可控性等方面实现了显著提升。该模型的核心技术亮点在于其高效的三维变分自编码器结构，这一创新设计有效降低了视频数据的存储与处理成本，同时增强了模型在时间维度上对帧间关系的捕捉能力，确保了视频内容的连贯与自然。

在可控性方面，CogVideoX采用了一款先进的端到端视频理解模型，能够深度解析用户输入的文本指令，并据此生成精准匹配的视频内容。这一功能尤其适用于处理复杂且冗长的prompt指令，显著提升了用户创作的自由度与满意度。

值得注意的是，CogVideoX还引入了全新的三维融合transformer架构，该架构通过摒弃传统的cross attention模块，转而采用Expert Block与Full Attention机制，实现了文本、时间与空间三者的无缝融合，进一步优化了模态间的交互效果，使得生成的视频更加生动、逼真。

「清影」作为CogVideoX在智谱清言平台上的直接应用，其快速生成能力尤为引人注目。用户仅需等待30秒，即可获得一段6秒长的视频作品。此外，「清影」还展现出了卓越的指令遵循能力和内容连贯性，能够准确捕捉并还原物理世界中的复杂运动过程。同时，其灵活的画面调度功能也为用户提供了更多创意表达的空间。