I2VGen-XL：阿里推出的图像到视频生成模型

I2VGen-XL是什么

I2VGen-XL 是阿里巴巴达摩院推出的一款开源的图像到视频的生成模型，通过创新的级联扩散方法，将文本视频数据与视频结构解耦，同时利用静态图像作为关键指导形式，确保了输入数据的对齐性，将静态图像合成为高质量的动态视频。这种方法有效解决了AI视频合成过程中的语义准确性、清晰度和时空连续性的挑战。

I2VGen-XL的功能特色

• 静态图像转视频：用户只需提供静态图像和相应的文本描述，模型就能生成与输入图像内容和语义高度一致的动态视频。
• 生成宽屏高清视频：I2VGen-XL 能够生成分辨率为1280*720、16:9宽屏比例的高清视频，为用户提供了高质量的视觉体验。
• 时序连贯：模型生成的视频在时间序列上连贯，保证了视频内容的流畅性和观看的舒适度。
• 质感好、细节丰富：I2VGen-XL 在视频合成过程中注重细节的保留和质感的呈现，使得生成的视频具有较高的真实感和艺术性。

如何使用I2VGen-XL

I2VGen-XL的项目主页为：https://i2vgen-xl.github.io/，GitHub代码库为：https://github.com/ali-vilab/i2vgen-xl，研究论文地址为：https://arxiv.org/abs/2311.04145，普通用户可以通过Hugging Face或ModelScope魔搭社区的Demo进行在线体验：

1. 访问I2VGen-XL的Demo主页（Hugging Face版：https://huggingface.co/spaces/modelscope/I2VGen-XL；ModelScope版：https://www.modelscope.cn/studios/damo/I2VGen-XL-Demo/summary）
2. 选择合适的图片进行上传（建议图片比例为1:1），然后点击「生成视频」
3. 待初步生成的视频完成后，进入下一步添加对视频内容的英文文本描述
4. 点击「生成高分辨率视频」，等待2分钟左右，视频便能生成好了