VideoPoet 是由谷歌研究團隊開發的一款創新的 AI 視頻生成模型，旨在通過多模態大模型技術實現高質量視頻內容的生成。該模型的核心優勢在于其多模態大模型架構，能夠處理和轉換不同類型的輸入信號，包括文本、圖像、視頻和音頻，從而實現多種風格和動作的視頻輸出。

VideoPoet官網入口網址：https://sites.research.google/videopoet/

VideoPoet 的主要功能包括文本到視頻、圖像到視頻、視頻風格化、編輯與擴展、視頻音頻化和跨模態學習等。它采用僅解碼器的 Transformer 架構，通過預訓練和任務特定適應兩個階段進行訓練。預訓練階段融合了多種多模態生成目標，使其能夠應用于多種視頻生成任務。此外，VideoPoet 還支持生成長達 10 秒的視頻，并且無需特定數據集或擴散模型。

VideoPoet 的應用場景非常廣泛，適用于電影制作、動畫片、廣告制作、虛擬現實等多個領域。用戶只需輸入文本描述，即可生成高質量的視頻內容，無需視覺或音頻指導。例如，谷歌團隊曾利用 VideoPoet 根據文本提示生成了一段浣熊旅行的故事視頻，總時長為 1 分鐘。

VideoPoet 的官網地址為：https://sites.research.google.com/view/videopoet/ 。用戶可以通過官網體驗入口快速上手使用該工具，無論是行業專家還是初學者，都能輕松創作滿足不同場景需求的視頻內容。

VideoPoet 為視頻創作提供了無限可能，無論是專業制作人還是普通愛好者，都能通過簡單的操作實現創意表達。其強大的多模態處理能力和靈活的視頻生成功能，使其成為未來 AI 視頻生成技術的主流方向。