英伟达推出VideoLDM 根据文本可生成4.7秒视频

英伟达和康奈尔大学的研究团队合作，近日推出了名为VideoLDM模型，可以根据文本描述，自动生成最高分辨率2048*1280、24帧、最长4.7秒的视频。英伟达表示该模型配有41亿个参数，其中27亿个经过视频训练，这符合现代生成式AI的标准。英伟达表示通过高效的潜在扩散模型（LDM），能够创建多样化、高质量、高清晰度的视频。

该模型还能创建驾驶场景的视频，视频分辨率为1024×512像素，最长5分钟。英伟达表示目前该项目处于研究阶段，暂时不会向公众开放。