「Phenaki」是什么？AI文本生成视频的革新者
您可能已经接触过不少文本生成图像的工具，但提到文本生成视频——尤其是能持续几分钟、具备连贯情节的长视频——是否仍觉得像科幻电影？Phenaki正是为了解决这一难题而来。它不再局限于单句提示生成几秒片段，而是支持随时间变化输入多个提示词，最终拼接成完整的长视频。简单来说，您只需编写一个故事，它就能为您生成一部电影。
核心功能解析
- 文本生成视频：这是Phenaki最核心的能力。您输入“一只写实风格的泰迪熊在旧金山海里游泳”，再接着输入“它游累了，趴在一块浮板上休息”……Phenaki能将这些提示词串联起来，生成逻辑连贯的视频内容。
- 支持动态提示词：提示词可随时间动态变化——这是关键特性。视频能从白天过渡到黑夜，从沙滩切换到海底，完全由您输入的文本序列决定。
- 从静态图片加提示词生成视频：如果您有喜欢的图片，可以将其作为起始画面，再配合文字描述，Phenaki就能让静态图像“动”起来。
产品特色亮点
- 独特的模型架构：Phenaki采用创新的因果模型来学习视频表示。它将视频压缩为离散的“标记”（token），标记器在时间维度上运用因果注意力机制——这意味着它能处理任意长度的视频，不受固定帧数限制。
- 出色的性能表现：与以往只能生成几秒片段的视频生成方法相比，Phenaki可基于一串提示词生成任意长度的视频。在时空质量及每个视频所需的标记数量方面，它均超越了当前文献中所有逐帧基线方法。
- 数据处理优势：通过同时利用海量图像-文本对和少量视频-文本示例进行联合训练——这一策略让Phenaki具备了“举一反三”的能力，其泛化能力远超现有视频数据集的覆盖范围。
实际应用场景
- 创意视频创作场景：许多创作者在构思有故事性的视频时，常陷入“缺乏灵感”与“实现成本高昂”的困境。Phenaki可以充当您的灵感草稿师：输入“宇航员在火星上散步”“他发现了外星植物的痕迹”“他蹲下来观察”等一系列提示词，它即可立即生成一段情节完整的视频，为您提供视觉参考与素材。
- 广告宣传视频制作场景：广告团队在赶提案时，通常需要快速制作样片。Phenaki可根据广告主题的文字描述，快速生成未来城市风格、产品融入其中的视频样片，省去了大量前期拍摄和剪辑成本，同时让创意方向更加直观。
技术原理深度解析
文本生成视频面临三大难题：计算成本高、高质量文本-视频数据匮乏、视频长度不固定。Phenaki的解决方案如下：首先引入一种新的因果模型学习视频表示，将视频压缩为离散标记的紧凑集合；标记器在时间维度上采用因果注意力，从而能够处理任意长度的视频。接着，通过双向掩码变换器，以预计算的文本标记为条件生成视频标记，最后将生成的视频标记“去标记化”还原为实际视频。整个流程的关键在于联合训练——利用大量图像-文本对让模型理解视觉概念，再借助少量视频-文本示例教会它理解运动与时间变化，从而获得超越现有数据集范围的泛化能力。
使用操作指南
操作流程并不复杂。第一步，进入Phenaki的操作界面。第二步，在输入框中写下您想要的视频文本提示词——如需情节变化，可按时间顺序输入多段提示词。还可根据需要调整视频的相关参数（如时长、分辨率等）。第三步，点击生成按钮，稍等片刻，Phenaki便会输出结果。最后，您可以预览、下载，或直接用作素材。
