标签：文本-图像-视频三元数据
跨模态对齐：文本-图像-视频三元数据驱动AI视频生成新突破
字节跳动最新的AI视频论文提出了一种名为Phantom的统一视频生成框架，通过跨模态对齐实现主题一致的视频生成。该框架重新设计了联合文本-图像注入模型，利用...
AI-magic收录了大量国内外AI工具箱，包括AI写作、图像、视频、音频、编程等各类AI工具，以及常用的AI学习、技术、和模型等信息，让你轻松加入人工智能浪潮。