Emu Video，Meta 公司開發的文本到視頻生成模型，一種基于擴散模型的簡單文本到視頻生成方法，Emu Video使用擴散模型根據文本提示創建視頻，首先生成圖像，然后根據文本和生成的圖像創建視頻。

Emu Video將生成過程分解為兩個步驟：首先根據文本提示生成圖像，然后根據提示和生成的圖像生成視頻。分解生成方式能夠高效訓練高質量的視頻生成模型。相比以往的方法，Emu Video 的核心優勢在于其高效性和生成內容的高分辨率。它能夠生成分辨率為512x512、時長4秒、每秒16幀的視頻片段。

Emu Video主要特征：

視頻生成的統一架構：Emu Video 采用統一架構，支持各種視頻生成任務，包括從純文本提示、純圖像輸入以及組合文本和圖像輸入生成視頻。

兩步分解方法：Emu Video 中的視頻生成過程分為兩個不同的步驟。首先，它根據文本提示生成圖像。然后，它根據文本和生成的圖像生成視頻。

高分辨率輸出：Emu Video 可以生成 512x512 像素的高分辨率視頻，持續時間為 4 秒，幀速率為每秒 16 幀。

高效的訓練過程：Emu Video 的訓練過程被簡化為兩個階段。首先，模型在較低分辨率 (256 像素) 和較短持續時間 (1 秒) 的視頻上以每秒 8 幀的速度進行訓練。接著它會以每秒 4 幀的速度轉換為更高分辨率 (512px) 和更長持續時間（2 秒）的視頻。

最先進的性能：與 Make-a-Video、Imagen-Video 等其他最先進的視頻生成模型相比，Emu Video 在人類評估中表現出了卓越的性能。 96% 的受訪者更喜歡它的質量，85% 的受訪者更喜歡它忠實于文本提示。

用戶提供的圖像的動畫：Emu Video可以根據文本提示對用戶提供的圖像進行動畫處理，為希望將靜態圖像變為現實的用戶添加另一層創造力和自定義功能。

Emu Video 應用：

• 內容創建：從簡單的文本描述生成引人入勝的視頻內容。

• 營銷和廣告：根據營銷文案快速制作宣傳視頻。

• 教育和培訓：根據教育材料制作教學視頻。

• 娛樂：根據腳本或故事板制作動畫故事或視覺內容。

Emu Video作為Meta開發的尖端文本轉視頻生成平臺。使用分解方法來生成視頻，能過文本提示創建圖像，然后根據文本和圖像生成視頻。具有智能編輯功能，支持純文本、純圖像和組合輸入，以及以每秒 16 幀的速度生成高質量 512×512 視頻的能力。