近日，字节跳动发布的全新InfinityStar框架在视频生成领域取得突破性进展。该框架将生成5秒720p视频的时间大幅缩短至仅58秒，同时通过统一架构支持图像生成、文本转视频、视频续写等多种视觉任务，标志着AI生成技术向实用化迈出关键一步。
其创新核心在于对视频数据本质的重新解构。与传统模型将视频视为单一3D数据块不同，InfinityStar采用时空金字塔模型，显式分离空间尺度与时间维度。这一设计使模型能更高效地解耦外观信息与动态运动，显著提升生成质量。例如，在处理人物动作场景时，系统可独立优化服装纹理等静态细节与肢体运动轨迹，避免传统方法中常见的模糊或变形问题。
效率提升的另一关键来自知识继承策略。框架利用预训练的变分自编码器（VAE）作为基础，使新模型能快速学习高质量视频特征，减少训练时间和计算资源消耗。实验显示，该技术在保持视觉质量的同时，将生成速度提升至行业领先水平。开发者表示，这种”站在巨人肩膀上”的设计思路，为后续长视频生成和复杂任务处理奠定了技术基础。
行业分析指出，InfinityStar的推出不仅解决了生成式AI的效率瓶颈，其多任务兼容性更可能重塑内容生产流程。从短视频创作到影视预演，该框架或将成为连接创意构想与视觉呈现的桥梁。
原创文章，作者：泡沫大盗，如若转载，请注明出处：https://www.kejixun.co/article/738397.html
