Meta Movie Gen：利用最先进的技术革新人造电影生成

Movie Gen 是由 Meta 开发的一套基础模型，能够生成高质量的1080p高清同步音频视频，精确执行基于指令的视频编辑，并生成基于用户图像的个性化视频。

Movie Gen 提供的功能包括文本到视频合成、视频个性化、视频编辑、视频到音频生成以及文本到音频生成。

Movie Gen 套件中最大的模型是一个拥有30B参数的变换器，专为文本到视频生成设计，能够以每秒16帧生成16秒的视频。

Movie Gen 通过根据一个人的图像来调整模型，实现视频个性化，可以生成包含指定人物的视频，同时保持该人物的身份并遵循文本提示。

Movie Gen 引入了一种模型，可以根据文本指令进行精确的视频编辑，采用了多阶段的训练过程，包括单帧编辑、多帧编辑和通过反向翻译进行的视频编辑。

Movie Gen 拥有一个名为 Movie Gen Audio 的模型，可以生成与视频输入同步的高质量电影音效和音乐，配合动作并遵循输入的文本提示。

Movie Gen 计划发布 Movie Gen Video Bench、Movie Gen Edit Bench 和 Movie Gen Audio Bench 等基准，以促进未来的基准测试并加速媒体生成模型的研究。

Movie Gen 通过在互联网规模的图像、视频和音频数据上进行预训练，并使用简单的基于 Transformer 的模型结合流量匹配进行训练，实现大规模媒体生成模型的高效训练。

Movie Gen 在媒体创作方面有广泛的应用，能够生成个性化和高质量的视频，以及精确的编辑，可以用于电影制作、广告、社交媒体内容创作等。

Movie Gen 可以通过一次性生成来处理较短视频的音频，而对于较长的视频，则使用音频扩展技术，通过生成片段音频并将它们无缝拼接在一起，实现任意长度的视频音频生成。