据悉，CogVideoX不仅丰富了智谱清言的AI视频生成功能「清影」的能力，更在内容连贯性、可控性等方面实现了显著提升。该模型的核心技能亮点在于其高效的三维变分自编码器构造，这一创新设计有效降落了视频数据的存储与处理本钱，同时增强了模型在韶光维度上对帧间关系的捕捉能力，确保了视频内容的连贯与自然。
在可控性方面，CogVideoX采取了一款前辈的端到端视频理解模型，能够深度解析用户输入的文本指令，并据此生成精准匹配的视频内容。这一功能尤实在用于处理繁芜且冗长的prompt指令，显著提升了用户创作的自由度与满意度。
值得把稳的是，CogVideoX还引入了全新的三维领悟transformer架构，该架构通过摒弃传统的cross attention模块，转而采取Expert Block与Full Attention机制，实现了文本、韶光与空间三者的无缝领悟，进一步优化了模态间的交互效果，使得天生的视频更加生动、逼真。
「清影」作为CogVideoX在智谱清言平台上的直接应用，其快速天生能力尤为引人瞩目。用户仅需等待30秒，即可得到一段6秒长的视频作品。此外，「清影」还展现出了卓越的指令遵照能力和内容连贯性，能够准确捕捉并还原物理天下中的繁芜运动过程。同时，其灵巧的画面调度功能也为用户供应了更多创意表达的空间。
为了更好地做事企业和开拓者用户，智谱大模型开放平台bigmodel.cn也已支配了「清影」功能。通过API调用办法，企业和开拓者可以轻松接入并体验「清影」的文本天生视频和图像天生视频做事，进一步拓展AI视频创作的边界与可能。