可生成1024×576高清分辨率视频的大模型，开源了！
无论是在海草间游动的小鱼：
还是精细到眼珠子的神秘克苏鲁图像：
全部以前所未有的清晰感呈现出来，让网友直呼“san值狂掉”。
这个视频生成模型开源即爆火，不仅在推特和Reddit上收获一众热度，就连前特斯拉AI总监Andrej Karpathy也来围观了一波：
现在，Hugging Face工程师已经搞出了试玩demo，不少网友直接线上开炫，例如生成《星球大战》达斯·维德在水上冲浪的珍贵影像：
效果看起来也不错，所以它究竟是怎么训练的？
基于17亿参数大模型改造
Zeroscope的“原型”，是达摩院ModelScope（魔搭）社区开源的17亿参数文生视频大模型。
这一版大模型由文本特征提取、文本特征到视频隐空间扩散模型、视频隐空间到视频视觉空间3个子网络组成。
其中，扩散模型采用Unet3D结构，通过从纯高斯噪声视频中迭代去噪过程，最终实现视频生成。
不过在ModelScope社区中开源的这版大模型，生成视频的效果还不能说是高清：
