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
aibooktools
使用Aibooktools，您可以将书籍快速转化为可行的见解 - 所有这些都没有长时间的阅读或手动数据输入。凭借AI的力量，您可以充分利用自己喜欢的书...
Exponent
Exponent 是一款协作式 AI 编程代理，旨在提升软件开发的效率与体验。它能够在多种环境中工作，从代码的探索到部署，能够帮助开发者自动化复杂的编...
ChatPuma
ChatPuma是一款AI动力的无代码聊天机器人构建平台，可让您在几分钟内创建并部署到您的网站。它旨在利用您网站的相关数据，通过可嵌入的聊天气泡为您的...
Next.js
Next.js 是一个用于构建现代 React 应用程序的框架。它提供了许多功能和优势，包括服务器渲染、静态生成、热模块替换等。Next.js 的定价...
Grimo
Grimo 是一个高效的 AI 文本编辑器，结合最新的 AI 模型，如 DeepSeek R1 和 OpenAI GPT-4，致力于提升用户的写作体验...
FoloUp
FoloUp 是一款专注于招聘流程的 AI 驱动语音面试平台。它通过智能生成面试问题、实时语音交互和深度分析候选人回答，帮助企业高效筛选和评估候选人。...
Pixel 9 Pro Fold
Pixel 9 Pro Fold是谷歌推出的高端折叠屏智能手机，以其创新的设计和强大的AI功能为特色。这款手机配备了谷歌自家的Tensor G4处理器...
Nous Research
Nous Research专注于开发以人为中心的语言模型和模拟器，致力于将AI系统与现实世界用户体验对齐。我们的主要研究领域包括模型架构、数据合成、微...
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。
