图表分享：商业文本到视频的演变

原文：towardsdatascience.com/diagram-share-the-evolution-of-commercial-text-to-video-8726dc01b270

在近年来，我们见证了商业文本到视频模型和产品的出现。我想分享一个自行创建的****综合时间线图表，它捕捉了最近 3 年（包括 2022 年、2023 年和 2024 年至今）商业文本到视频模型/产品的显著演变。

我在为团队准备关于 Sora 的演示时创建了这张图表。看到如此伟大的产品随着计算机视觉（CV）研究工作的不断发展而出现，包括但不限于生成对抗网络（GANs）、transformer 架构和扩散模型，这令人兴奋。

如微软研究论文"Sora: A Review on Background, Technology, Limitations, and Opportunities of Large Vision Models"所建议，我们将 Sora 视为一次飞跃，因为它不仅仅是一个工具，而且可能是一个“世界模拟器”，用于模拟物理世界中所描绘场景的物理和情境动态。

当然，这种演变不会停止，我确信我们还将看到其他令人兴奋的消息。作为一个见证者，我热衷于保持这个图表的更新。

我很乐意听到您对这个演变的看法以及您认为文本到视频技术下一步将走向何方。让我们讨论这些进步带来的影响、潜在的应用以及随之而来的伦理考量。