Ruyi是什么?一文让你看懂Ruyi的技术原理、主要功能、应用场景

来源:卓商AI
发布时间:2025-04-05

Ruyi概述简介

Ruyi是图森未来推出的图生视频大模型,专为在消费级显卡上运行设计,支持多分辨率、多时长视频生成,具备首帧、首尾帧控制、运动幅度控制和镜头控制等特性。Ruyi基于DiT架构,由Casual VAE模块和Diffusion Transformer组成,用在视频数据压缩和生成。Ruyi能降低动漫和游戏内容的开发周期和成本,是ACG爱好者和创作者的理想工具。目前图森未来将Ruyi-Mini-7B版本正式开源。

Ruyi的功能特色

多分辨率、多时长生成:Ruyi支持从最小384×384到最大1024×1024分辨率的视频生成,能处理任意长宽比,最长生成120帧/5秒的视频。

首帧、首尾帧控制生成:基于最多5个起始帧和最多5个结束帧生成视频,用循环叠加生成任意长度的视频。

运动幅度控制:提供4档运动幅度控制,方便用户对整体画面的变化程度进行控制。

镜头控制:提供了上、下、左、右、静止共5种镜头控制,增加视频生成的灵活性。

Ruyi的技术原理

模型架构:Ruyi基于DiT(Diffusion Model with Transformers)架构,由两部分组成:

Casual VAE模块:负责视频数据的压缩和解压。

Diffusion Transformer:负责压缩后的视频生成。

压缩与编码:Casual VAE模块将空间分辨率压缩至1/8,时间分辨率压缩至1/4,压缩后每个像素由16位的BF16进行表示。

位置编码:DiT部分用3D full attention,在空间上使用2D RoPE(Rotary Positional Encoding)进行位置编码,时间上用sin_cos进行位置编码。

训练损失函数:最终的loss选用DDPM(Denoising Diffusion Probabilistic Models)进行训练。

参数量与训练数据:模型的总参数量约为7.1B,用约200M视频片段进行训练。

训练阶段:整个训练分为四个阶段,从低分辨率预训练到高分辨率微调,逐步提升模型性能。

Ruyi项目介绍

GitHub仓库:https://github.com/IamCreateAI/Ruyi-Models

HuggingFace模型库:https://huggingface.co/IamCreateAI/Ruyi-Mini-7B

Ruyi能做什么?

动画预制:快速生成动画角色和场景的动态演示,评估动画设计和故事流程。

游戏CG生成:在游戏开发中,自动生成游戏宣传视频或游戏内的动态背景。

电影特效预览:在电影制作中,帮助导演和特效团队预览特效场景,优化后期特效制作。

虚拟主播:生成虚拟主播的动态视频,用于直播、新闻播报或在线教育。

社交媒体内容:为社交媒体平台创建吸引人的动态视频内容,提高用户参与度和品牌曝光。

© 版权声明:本站所有原创文章版权均归卓商AI工具集及原创作者所有,未经允许任何个人、媒体、网站不得转载或以其他方式抄袭本站任何文章。
卓商AI
卓商AI

AI爱好者的一站式人工智能AI工具箱,累计收录全球10,000⁺好用的AI工具软件和网站,方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用,力争做全球排名前三的AI网址导航网站,欢迎您成为我们的一员。

猜你喜欢
  • Prompt Journey
    Prompt Journey Prompt Journey是一个在线平台,用户可以浏览和分享由全球创作者上传的AI生成的图像和提示。该平台展示了各种风格的AI图像,包括生物phil...
  • 驯鹿AI
    驯鹿AI 驯鹿AI是一款致力于替代传统人工客服工作的大语言模型AI机器人。它能够通过自然语言交互,实时准确答复99%以上的用户问题,支持200+语种,像真人一样...
  • Narakeet
    Narakeet Narakeet是一个在线工具,允许用户轻松创建逼真的文本转语音和旁白视频。它提供了多种语言和声音选择,支持多种文件格式上传,并允许用户自定义音量、速...
  • 大象起舞
    大象起舞 大象起舞是一个专为少儿设计的舞蹈智能练习工具,结合了最新的人工智能技术,通过视频分析和动作捕捉技术,帮助孩子们更准确地学习和练习舞蹈动作。产品通过实时...
  • Kolors Virtual Try On.org
    Kolors Virtual Try On.org Kolors Virtual Try On是一个利用先进AI技术提供在线虚拟试衣服务的平台。它通过虚拟建模帮助用户在真实环境中可视化服装产品,减少因尺...
  • Kaizan
    Kaizan Kaizan是一款面向客户成功团队的客户智能平台,利用AI助手和对话智能提取关键任务和行动,帮助公司更好地管理客户关系,实现客户保留和增长。它提供了客...
  • llm-commit
    llm-commit llm-commit 是一个为 LLM(Large Language Model)设计的插件,用于生成 Git 提交信息。该插件通过分析 Git 的暂...
  • StickerBaker
    StickerBaker StickerBaker 是一款基于 AI 技术的开源贴纸制作工具,用户可以通过输入关键词快速生成个性化贴纸。该工具支持批量制作,让用户可以轻松创建多...