Make-A-Video

Make-A-Video

3.0

先进AI系统可根据文本提示生成高质量视频。

标签
AI视频生成文本到视频深度学习
最后更新 2026 年 11 月 10 日
Make-A-Video 截图

主要功能

文本转视频:输入一段英文文字描述,即可生成与描述对应的短视频片段,全过程无需提供任何示例视频作为输入。用户只需用文字表达画面构想,系统便能将其转化为带运动信息的动态影像,实现真正的零样本视频生成。
文生图能力延伸:以文本生成图像扩散模型为基座,把静态画面的生成能力扩展为带运动信息的视频生成。这一路线充分复用文生图模型已学到的丰富视觉知识,在此基础上叠加时间维度的运动建模,而不必从零开始训练整个系统。
无监督运动学习:依靠未标注视频数据学习物体的运动规律,不依赖人工逐帧标注或“视频-文本”配对数据集。由于海量未标注视频远比配对数据易于获取,这种设计有效绕开了配对视频数据稀缺、标注成本高昂的瓶颈。
研究资料公开:发布官方研究论文,公开模型设计与训练方法,供研究社区查阅与复现。无论是整体架构思路还是数据组织策略,都能从论文中找到一手信息,为后续研究与改进提供参考。

定价与费用

  • 定价:我们查阅的页面上未公开列出;请访问官方网站了解当前方案。
  • 获取方式:Make-A-Video 是 Meta AI 的研究系统;有兴趣的用户可在官方网站注册,以便在未来的开放或发布时收到通知。
  • 功能:支持从文本提示生成视频、为单张图片添加动态、在两张图片之间补全中间动作,以及基于原视频生成变体。

适用人群

适合研究者做技术调研。例如在动手搭建文生视频模型之前,先阅读 Make-A-Video 论文,借鉴其“图文对学外观、无标注视频学运动”的训练框架,评估数据成本与技术路线。通过研究其如何将外观学习与运动学习解耦,可以更清晰地判断自研项目应选择哪条数据路径、需要多大的数据规模与算力投入,避免在配对数据采集上走弯路。

适合创意工作者快速打样。例如短视频创作者输入“戴贝雷帽的小狗在滑板上穿行”这类描述,先得到动态画面雏形,再判断某个脑洞是否值得投入实拍与后期。相比直接组织拍摄团队试错,用文字快速生成动态预览能以极低成本筛选创意方向,把预算与时间留给真正值得执行的方案。

适合教学与科普演示。例如讲解生成式 AI 演进时,用“从文生图到文生视频”的路径展示模型如何从静态画面走向动态世界,说明零样本视频生成的难点。它也是课堂或讲座中直观展示“AI 如何理解运动”的案例素材,帮助听众理解数据、模型设计与最终生成效果之间的关系。

更多介绍

介绍

Make-A-Video 是 Meta AI 推出的文本生成视频(文生视频)研究工具,用于将一段文字描述直接转化为对应的短视频。作为 Meta AI 在生成式多媒体方向的重要研究探索,它在近年文本生成图像技术的基础上扩展而成,把“从文字到静态画面”的能力进一步推进到“从文字到动态影像”,让模型不仅能描绘物体的样子,还能呈现画面随时间推移的运动信息。

其训练思路是整个项目的核心亮点:模型先利用“图片+描述”的图文对学习世界的外观与常见描述方式,掌握物体长什么样、通常如何被文字表述;再借助无标注视频学习世界如何运动,理解画面元素在时间维度上的动态规律。这一解耦式的训练设计,使模型无需采集成本高昂的“文字-视频”配对数据即可完成训练,显著降低了数据准备门槛。

该项目以研究形式发布,官网附有完整研究论文可供查阅,方便读者深入了解模型设计、训练流程与实验结果的全貌。