上一篇
Bocha Semantic Reranker是什么？一文让你看懂Bocha Semantic Reranker的技术原理、主要功能、应用场景
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。
相关文章
-
CHANGER是什么？一文让你看懂CHANGER的技术原理、主要功能、应用场景2025-04-05 -
Kiroku是什么？一文让你看懂Kiroku的技术原理、主要功能、应用场景2025-04-05
-
Vision Search Assistant是什么？一文让你看懂Vision Search Assistant的技术原理、主要功能、应用场景2025-04-05
-
MVDrag3D是什么？一文让你看懂MVDrag3D的技术原理、主要功能、应用场景2025-04-05
-
Chonkie是什么？一文让你看懂Chonkie的技术原理、主要功能、应用场景2025-04-05
-
MSQA是什么？一文让你看懂MSQA的技术原理、主要功能、应用场景2025-04-05
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。
最新发布
1
2
3
4
5
6
7
8
9
10
猜你喜欢
Qwen2.5-Coder-0.5B
Qwen2.5-Coder是Qwen大型语言模型的最新系列，专注于代码生成、代码推理和代码修复。基于强大的Qwen2.5，该系列模型通过增加训练令牌至...
TripZi
TripZi是一款Chrome插件，能够提取网页中的旅行地点并生成Google Maps链接。用户可以通过插件提取的地点列表进行旅行计划，还可以保存地...
Hailuo AI Audio
Hailuo AI Audio利用先进的语音合成技术，将文本转换为自然流畅的语音。其主要优点是能够生成高质量、富有表现力的语音，适用于多种场景，如有声...
candyicons
Candyicons的AI应用程序图标生成器提供了一种快速，有效的方法来创建令人惊叹的应用图标。从广泛的预制图标库中进行选择，并使用直观的3步流程来自...
逗逗游戏伙伴
逗逗是一款AI游戏伙伴APP，为用户提供了智能陪玩、情绪陪伴、智能攻略、笑话锦集以及多种角色扮演等功能。它能够根据用户的需求提供个性化的互动体验，增强...
Hello Patient
Hello Patient是一个AI驱动的医疗通信平台，旨在通过自动化电话和短信沟通来提高医疗服务效率。该平台通过集成EHR、CRM和PMS系统，确保...
zerobot
转换您与基于语音的聊天机器人Zerobot的AI交互。与个性化的AI代理创建并交谈，而没有文本的麻烦。正如Zerobot所理解并毫不费力地对您的自然言...
Begone Spammer
Studio M64是一个创意工作室，汇集了独立艺术家和策划者。我们管理微服务，制作音乐，并帮助公司实现创意想法。我们的目标是帮助这些公司产生持久的影...
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。
