HappyHorse-1.0 が第1位の理由
テキストから動画 — 第1位
Artificial Analysis でElo 1383を記録。あなたのビジョンを描写すると、150億パラメータの統合 Transformer が1080pで映像化します。
画像から動画 — 第1位
Artificial Analysis でElo 1413を記録。画像をアップロードするだけで、ダイナミックな映画品質の動画に変換します。
38秒生成
8ステップの DMD-2 蒸留推論により、5秒間の1080pクリップを約38秒で生成。インタラクティブなクリエイティブワークフローにも十分な速さです。
統合マルチモーダルアーキテクチャ
共有クロスモーダルレイヤーを持つ40層の自己注意機構を採用。ネイティブ多言語リップシンクに対応したビデオと音声の統合生成。