VideoPoet是由谷歌的研究团队开发的一种基于大模型的AI视频生成方案，支持从文本、图像或视频输入中合成高质量的视频内容，并生成匹配的音频。VideoPoet的核心优势在于其多模态大模型的设计，可以处理和转换不同类型的输入信号，无需特定数据集或扩散模型，就能够实现多种风格和动作的视频输出，支持生成时长10秒的视频。

VideoPoet – 谷歌推出的AI视频生成模型 第1张
（图片来源网络，侵删）
VideoPoet – 谷歌推出的AI视频生成模型 第2张
（图片来源网络，侵删）