快科技2月20日消息，2月16日，OpenAI發(fā)布其首款文生視頻大模型Sora。

Sora可根據(jù)文字提示生成60秒視頻，輸出視頻堪比影視CG，一經(jīng)發(fā)布火爆出圈。

據(jù)國家知識產(chǎn)權局網(wǎng)站顯示，2月2日，清華大學申請的“一種定制化多主體文生視頻方法、裝置、設備及介質”專利公布。

專利摘要顯示，該申請?zhí)峁┮环N定制化多主體文生視頻方法、裝置、設備及介質，涉及神經(jīng)網(wǎng)絡技術領域。

申請包括：獲取多個主體分別對應的主體文本表述以及主體圖像；基于多個主體分別對應的主體文本表述以及主體圖像，獲取混合文本以及組合圖像。

將混合文本以及組合圖像輸入文生視頻模型，生成第二噪聲預測值，并基于第二噪聲預測值與組合圖像，獲取第二損失和第三損失；基于第一損失、第二損失與第三損失，對文生視頻模型進行優(yōu)化，得到優(yōu)化的文生視頻模型。

該申請通過多種損失對文生視頻模型的參數(shù)進行優(yōu)化，使優(yōu)化的模型基于文本描述生成視頻中的圖像時，文本描述與定制化主體保持一致，且在每個主體在生成過程中的特征不會發(fā)生混淆的同時消除合成痕跡。