Prompt 语宙Prompt 语宙
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
阅读: SEED-Story – 腾讯推出的多模态故事生成模型
Share
通知 阅读更多
Font Resizer字体
Font Resizer字体
Prompt 语宙Prompt 语宙
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
已有帐户? 登陆
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
SEED-Story – 腾讯推出的多模态故事生成模型
Prompt 语宙 > AIGC 资讯 > SEED-Story – 腾讯推出的多模态故事生成模型
AIGC 资讯

SEED-Story – 腾讯推出的多模态故事生成模型

Prompt 语宙研究院
最近更新: 2026年7月19日 下午8:48
AI绘画提示词 HuggingFace 大模型微调 开源大模型
SHARE
⚡ Prompt 语宙 AI 导读 · 30 秒核心看点
  • 基于MLLM与多模态注意力机制,SEED-Story可自回归生成最长25序列的连贯图文故事。
  • 通过视觉de-tokenizer与文本/视觉token预测,模型能输出风格一致、叙事连续的图像内容。
  • 配套StoryStream高分辨率数据集,兼顾训练与评估,适合创作、教育、游戏和影视场景。

SEED-Story是什么

SEED-Story是腾讯联合香港科技大学、香港中文大学推出的多模态故事生成模型。基于多模态大语言模型(MLLM),能预测文本和视觉token,通过视觉de-tokenizer生成风格一致的图像。SEED-Story引入了多模态注意力机制,支持生成长达25个序列的连贯故事。SEED-Story还提供了StoryStream,一个大规模高分辨率数据集,用于模型训练和评估。

阅读目录
  • SEED-Story是什么
  • SEED-Story的主要功能
  • SEED-Story的技术原理
  • SEED-Story的项目地址
  • SEED-Story的应用场景

SEED-Story

SEED-Story的主要功能

  • 多模态故事生成:SEED-Story 能根据给定的起始图像和文本生成包含连贯叙事文本和风格一致的图像的长故事。
  • 多模态注意力汇聚机制:SEED-Story 提出了一种多模态注意力汇聚机制,以高效自回归的方式生成故事,可以生成长达25序列的故事。
  • 大规模数据集 :SEED-Story 发布了一个名为 StoryStream 的大规模、高分辨率数据集,用于训练模型并从不同方面定量评估多模态故事生成任务。
  • 故事指令调整:在故事生成的过程中,SEED-Story 通过指令调整过程,对模型进行微调,可以预测故事的下一个图像和下一句文本。
  • 可视化和交互:SEED-Story 还提供了可视化比较,展示了生成的图像与其他基线模型相比具有更高的质量和更好的一致性。

SEED-Story的技术原理

  • 多模态大语言模型(MLLM):利用大型语言模型来理解、生成和预测文本和视觉标记。这种模型能够处理和生成文本数据,同时理解和生成视觉内容。
  • 文本和视觉标记预测:SEED-Story模型能够预测文本标记(文本中的元素或单词)和视觉标记(图像中的元素)。
  • 视觉de-tokenizer:将语言模型生成的文本和视觉标记转换为图像,通过视觉de-tokenizer生成具有一致性和风格的图像。
  • 多模态注意力机制:引入多模态注意力机制,使模型在生成故事时能够关注文本和图像之间的相互关系。这种机制允许模型更有效地处理长序列的生成任务。
  • 自回归生成:模型采用自回归方式生成故事,即每个新生成的标记依赖于之前生成的所有标记,以保持故事的连贯性。
  • 长序列生成能力:通过多模态注意力机制,SEED-Story能够生成比训练序列更长的故事序列。
  • StoryStream数据集:提供一个大规模的高分辨率数据集,用于训练模型并评估多模态故事生成任务。数据集包含视觉上引人入胜的高分辨率图像和详细的叙述文本。
  • 训练流程:包括预训练去标记器以重建图像,采样交错图像文本序列进行训练,以及使用MLLM的回归图像特征来调整生成的图像。

SEED-Story

SEED-Story的项目地址

  • GitHub仓库:https://github.com/TencentARC/SEED-Story
  • HuggingFace模型库:https://huggingface.co/TencentARC/SEED-Story
  • arXiv技术论文:https://arxiv.org/abs/2407.08683

SEED-Story的应用场景

  • 创意写作辅助:帮助作家和内容创作者生成故事大纲、角色描述和情节发展,激发创意灵感。
  • 教育和学习:作为教学工具,帮助学生理解故事叙述结构,提高写作和创意思维能力。
  • 娱乐和游戏开发:在视频游戏中生成动态故事线和角色背景,提供沉浸式体验。
  • 广告和营销:快速生成吸引人的广告故事或营销材料,提高广告内容的吸引力和个性化。
  • 电影和动画制作:辅助剧本创作,生成角色对话和场景描述,加速制作流程。
🧭 文中关联 AI 工具官网与参数卡(语宙 AI 导航)
HuggingFace ↗
HuggingFace:AI模型开发社区,面向大语言模型场景提供便捷实用的在线功能支持,涵盖大模型等实用方向。
❓ 常见问题解答(FAQ)
SEED-Story是什么模型?

SEED-Story是腾讯联合香港科技大学、香港中文大学推出的多模态故事生成模型。它基于多模态大语言模型,能够同时预测文本和视觉token,并生成风格一致、叙事连贯的图文故事。

SEED-Story最长能生成多长故事?

根据文章介绍,SEED-Story通过多模态注意力机制支持自回归生成,能够生成长达25个序列的连贯故事,适合长篇图文叙事任务。

StoryStream数据集有什么作用?

StoryStream是SEED-Story配套的大规模高分辨率数据集,用于模型训练和多维度评估。它包含视觉上更丰富的图像和详细叙述文本,有助于提升故事生成质量与一致性。

🔬 语宙深潜追问 · 进阶实操拆解
SEED-Story 能直接用于内容生产吗?

更适合做灵感草稿、分镜雏形和互动叙事原型,不宜直接替代成片生产。真正商用时还需要编剧、编辑和美术把控角色一致性、节奏和世界观,否则容易出现“每段都能看,整体不成立”。

长序列故事生成怎么评估质量?

不能只看单段图文匹配,要同时评估角色一致性、事件因果、视觉连续性和结局收束。最好结合自动指标、人工偏好评测和跨轮追问测试,检查模型是否真的记住了前文。

🗳️ 读者观点微投票 · 您的实战立场是?
多模态故事生成,最缺的是创意还是连贯?
🕸️ 语宙向量知识图谱 · 语义强关联深度内链
🐋 所属权威专题:DeepSeek 深度实战与部署 →
  • MM-StoryAgent – 上海交大联合阿里开源的多智能体故事绘本视频生成框架
  • Seedream 2.0 – 字节豆包推出的原生中英双语图像生成模型
  • 字节Seedance 1.5 Pro重磅发布:原生音画同步多模态视频生成模型深度解析
  • WeGen – 中科大联合上海交大等推出的统一多模态生成模型
🏛️ Prompt 语宙研究院 · Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
📄 Markdown 纯净版
💡 这篇内容对您有启发吗?
📡 RSS 订阅✨ 提交 AI 工具 / 合作
🚀 Prompt 语宙 AI 创作者生态:探索 2,800+ 全球实用 AI 工具与高精度生图提示词咒语库
🧭 语宙 AI 导航 (ai.paooo.com)🎨 AI 生图 Prompt 库📚 核心专题导航⚡ AIGC 早报生成器
LTM-2-mini – Magic公司推出的支持1亿token上下文AI模型
Veo 3 – 谷歌推出的新一代视频生成模型
[AI生图咒语] 例398 – 8 套日常穿搭编辑拼贴
SAM2Point – 基于SAM2的零样本3D分割技术,增强3D分割精确度
SwarmFlow – openJiuwen 开源的多智能体工作流编排框架
TAGGED:AI绘画提示词HuggingFace大模型微调开源大模型
分享
Email 复制链接 打印
Share
Prompt 语宙研究院 头像
ByPrompt 语宙研究院
Follow:
Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
上一篇 FlashFace – 阿里联合香港大学推出的高保真AI写真工具 FlashFace – 阿里联合香港大学推出的高保真AI写真工具
下一篇 PhotoMaker V2 – 腾讯推出的AI图像生成框架 PhotoMaker V2 – 腾讯推出的AI图像生成框架
Ad image
Ad image

最近更新

WordPress 7.2版本更新与默认随机重定向、Secrets API撤回及MCP核心能力拆解封面图
官方博客竟把关闭过滤器写错了!WordPress 7.2前瞻全拆解:默认/random/暗藏隐私与SEO风险、Secrets API紧急撤回与3项MCP只读能力落地
AI 工具
Anthropic上市募资与算力长约的隐喻:现金光环上升,数据中心暗链延伸,治理水晶承受张力与阻力冲击。
募资超1070亿美元却背负9000亿算力长约!Anthropic史上最大IPO背后的三大隐忧:1040亿年内亏损、地方抵制潮与PBC治理死结
AIGC 资讯
微软Copilot与Claude/ChatGPT价格战隐喻:发光玻璃表格堡垒守住Excel,数据流高效汇聚,企业AI竞争升级
3000万付费仅吃下4.5亿席位不到7%!微软Ignite正面叫板Claude与ChatGPT:月均30美元VS 205美元价格战与Excel保卫战全拆解
AIGC 资讯
联想AI推理时代的端边云全栈算力插画:玻璃拟态服务器核心发光,光流连接云端与边缘节点,呈现营收与订单增长动能。
AI营收暴涨80%且握5300亿服务器订单!联想Q2单季营收首破2000亿、净利狂飙166%:端边云全栈算力如何接住推理时代红利?
AIGC 资讯

相关推荐

小红书RedOne社交大模型发布:性能飙升14%,三阶段训练重塑SNS内容生态
AI 工具AIGC 资讯

小红书RedOne社交大模型发布:性能飙升14%,三阶段训练重塑SNS内容生态

Prompt 语宙研究院
RedOne SNS 大语言模型 小红书 社交大模型
DeepSeek 官方 Harness 代码库中曝光的 DeepSeek-V5 路由配置与模型指纹
最新趋势

代码库惊现 V5-open 与 V5-next!DeepSeek 新一代旗舰指纹曝光:双轨热更新架构、版本演进规律与 11 月定档深度全景拆解

Prompt 语宙研究院
AI智能体 DeepSeek DeepSeek-V5 开源大模型 架构拆解
[AI生图咒语] 日系杂志风粉金发女性写真提示词
AI 生图 Prompt写实人像

[AI生图咒语] 日系杂志风粉金发女性写真提示词

Prompt 语宙研究院
AI绘画提示词 Midjourney stable diffusion
VLM-R1 – 浙大 Om AI Lab 推出的视觉语言模型
AIGC 资讯

VLM-R1 – 浙大 Om AI Lab 推出的视觉语言模型

Prompt 语宙研究院
DeepSeek HuggingFace 大模型微调 开源大模型 通义千问
/ Prompt 语宙 /

探索生成式 AI 的无限创作潜能,一站式获取前沿 AIGC 资讯、高阶 Prompt 咒语与全球实用 AI 工具。

核心专栏

  • 语宙 AI 工具导航
  • EVA 视觉抠图工坊Hot
  • 出海数字营销宝典
  • AI 生图咒语灵感库
  • 24H 硅谷 AI 情报流

生态与服务

  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作

标签

开源大模型 AI智能体 AI办公效率 AI绘画提示词 OpenAI 大模型微调 Midjourney AI编程 stable diffusion AI视频生成 ChatGPT 3D与空间智能 HuggingFace AI音频与语音 RAG检索增强 Claude Flux AIGC Gemini 通义千问 Anthropic Llama Cursor DeepSeek Prompt AI Agent Kimi 智谱AI 具身智能 YouTube
Prompt 语宙Prompt 语宙
Follow US
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.