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
Onboard
Onboard AI Email Platform是一个专为客户管理设计的AI邮件平台。它集成了先进的AI技术，帮助企业精准地将邮件发送到每个客户的...
Replyhub
Replyhub是一个SaaS平台，专注于在Reddit上追踪关键词，通知用户相关帖子，并提供自动回复来捕获潜在客户。它通过自动化监控和实时通知，帮助...
Real-time Voice AI Agent
Real-time Voice AI Agent是一个高度灵活的实时语音交互模型，它能够在大约500毫秒内通过语音回答任何查询。该模型支持用户选择任何...
Stable Audio ControlNet
Stable Audio ControlNet 是一个基于 Stable Audio Open 的音乐生成模型，通过 DiT ControlNet 进...
Gift Ideas AI
Gift Ideas AI是一款基于人工智能的礼物推荐平台，可以根据您所爱的人的兴趣、年龄、性别和特殊场合，为您提供个性化、策划好的礼物建议。我们的平...
TabTac
TabTac浏览器是一款基于AI技术的新一代浏览器，它通过集成ChatGPT等工具，提供搜索增强、网页浏览增强和办公辅助增强功能。该浏览器采用去中心化...
IntrvuAI
IntrvuAI是一个在线平台，使用人工智能技术帮助用户准备技术面试。它提供了模拟面试、个性化反馈和简历评估服务，帮助用户提高面试技巧，增强自信心，并...
Video Translate
Video Translate可以一键翻译上传的视频,同时保持语音的自然风格。支持60秒内300MB以下的MP4、AVI、MOV格式视频。翻译支持多种...
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。
