近日，图森未来在人工智能领域取得重大突破，正式发布了其全新图生视频大模型——“如意 (Ruyi)”。更值得关注的是，他们开源了Ruyi-Mini-7B版本，用户可在Hugging Face平台免费下载并使用。
Ruyi采用独特的DiT架构，由Casual VAE模块（负责视频数据的压缩与解压）和Diffusion Transformer模块（负责生成压缩后的视频内容）两大核心模块构成。该模型拥有约71亿参数，训练数据包含约2亿个视频片段，力求为用户提供高效便捷的视频生成体验。 其设计理念注重模型效率，尤其优化了在消费级显卡（例如RTX 4090）上的运行性能，降低了使用门槛。
Ruyi功能强大，支持多种分辨率（384*384至1024*1024）和时长（最长120帧或5秒）的视频生成，并可任意设置长宽比。用户可以通过控制首帧和尾帧（最多5个起始帧和5个结束帧）来定制视频内容，并利用循环叠加功能创建任意长度的视频。此外，Ruyi还提供4档运动幅度控制和5种镜头控制选项（上、下、左、右移动和静止），赋予用户更精细的画面控制能力。
尽管Ruyi功能强大，但目前仍存在一些不足，例如手部动作不够自然、多人场景中面部细节可能失真以及转场效果的不可预测性。图森未来团队已承认这些问题，并表示将在后续版本中逐步改进。
图森未来表示，Ruyi的发布旨在利用AI技术提升动漫和游戏内容的生产效率，降低制作成本。目前Ruyi已具备根据用户输入的关键帧自动生成后续5秒内容，或根据两个关键帧生成过渡画面的能力。未来，图森未来计划推出更多版本的Ruyi，以满足不同用户的需求。 Ruyi的开源，无疑将加速AI视频生成技术的发展，并为更多开发者提供探索和创新的机会。
对于希望尝试Ruyi-Mini-7B版本的开发者，请访问以下开源链接： [此处应添加开源链接]
