Text-to-Video（文本生成视频）

文本到视频生成是生成式AI的重要方向，旨在将自然语言描述转化为连贯的视频。早期方法基于GAN和VAE，但受限于视频的时序复杂性。近年来，基于扩散模型的方法成为主流，如OpenAI的Sora、Runway的Gen-2等，通过在大规模视频-文本对上训练，实现了高质量、多样化的视频生成。技术挑战包括时序一致性、高分辨率生成和计算效率。