CogVideo 实测,智谱「清影」AI视频生成,全民免费,连 API 都开放了!

不得不说,AI 视频生成界最近非常火热~

前有快手「可灵」开放内测,一下子带火了老照片修复,全网刷屏:

怕是你还没拿到内测资格,被称为 “国货之光” 的「可灵」就结束了免费无限量模式。每天只有66点的免费额度,对应 6 次 5 秒视频,也就够你尝个鲜~

就在昨天,国产大模型头部玩家智谱震撼出手,推出了自家的视频生成工具 -「清影」,底层是自家的视频生成大模型 CogVideo。

划重点:全民免费,不用排队,不限次数! 连 API 都开放了,开发者的福音。

生成速度怎么样?

据官方介绍,6s 的 1440x960 视频,只需 30s,这推理速度,杠杠的~

要知道,前天分享的阿里开源的视频生成模型 EasyAnimate-v3,猴哥本地亲测,足足需要 188s !

话不多说,上链接,感兴趣的小伙伴可以去试试~

https://chatglm.cn/video

实测体验

首次使用,需要申请内测资格,不到 5 分钟就审核通过了。

功能介绍

目前支持「文生视频」和「图生视频」,两个 Tab 切换,非常简洁,简单是小白零门槛。

  • 文生视频:只需要输入提示词,选择视频风格、情感氛围、运镜方式,点「生成视频」即可

  • 图生视频:需要上传一张底图,输入提示词,点「生成视频」即可。

万事俱备,只差输入提示词了~ 可是:我不会写提示词,怎么办?

其实,无论是 AI 对话AI 绘画,还是这里的 AI 视频生成,提示词的套路都有一个核心原则:

那就是:结构化!结构化还有一个好处,就是让你的思路变得条理清晰。

对于 AI 视频生成 而言:

  • 简单结构:[摄像机移动]+[建立场景]+[更多细节]

  • 复杂结构:[镜头语言] + [光影] + [主体 (主体描述)] + [主体运动] +[场景 (场景描述)] +[情绪/氛围/风格]

为了帮助大家写好 提示词,官方还贴心地出了份文档,需要的小伙伴可以前往查看:

https://zhipu-ai.feishu.cn/wiki/MFxywuqcbiKmOrkXwJzcEuqwnJd

怕你连文档都没时间看,官方直接制作了两个「帮你写提示词」的智能体!免费取用~

输入简单的描述,智能体就给出了 3 个不同风格的提示词。

“您是否需要更换 3 个风格?” 不满意,随意换!

使用方法也是类似的,输入图像主体,选择一个风格即可。

就目前的体验而言,尽管视频只有6s,无论从流畅度、可控性来看,基本可以达到以假乱真的程度了,那么「清影」是怎么做到的?

API 调用

对于开发者而言,最关心的还是:有没有开放的 API,方便集成到自己的应用中。

答案是肯定的,前往智谱 AI 开放平台注册一个账号,新用户会赠送 18 元额度,后续使用中注意账户余额哦,不过体验是绰绰有余了~

智谱 AI 开放平台:https://open.bigmodel.cn/

接下来,需要拿到智谱的 API Key。

如果之前注册过,直接在这里取用:

如果没有,点击这里,新生成一个:

拿到 API Key 之后,我们前往模型中心,发现CogVideoX已经上线了:

由于视频生成时间较长,所以该接口是异步调用的。

也就是返回给你的是一个任务订单号-id,然后你根据这个 id 去查询是否生成成功。

这里我们以 Python 为例,实现 文生视频 功能:

from zhipuai import ZhipuAI
  client = ZhipuAI(api_key="") # 请填写您自己的APIKey

  response = client.videos.generations(
    model="cogvideox",
    prompt="比得兔开小汽车,游走在马路上,脸上的表情充满开心喜悦。"
)
print(response)

如果是图生视频,还需要传入底图的 image_url,支持通过 URL 或 Base64 编码传入图片,图片大小不超过 5 M。

返回的 response 的示例:

id='8868902201637896192' request_id='654321' model='cogvideox' task_status='PROCESSING'

接下来,我们根据这个 id 去查询结果(注意不是 request_id):

from zhipuai import ZhipuAI
 client = ZhipuAI(api_key="") # 请填写您自己的APIKey

response = client.videos.retrieve_videos_result(
    id="8868902201637896192"
)
print(response)

返回的 response 示例:

{
    "model": "cogvideox",
    "request_id": "8868902201637896192",
    "task_status": "SUCCESS",
    "video_result": [
        {
            "cover_image_url": "https://sfile.chatglm.cn/testpath/video_cover/4d3c5aad-8c94-5549-93b7-97af6bd353c6_cover_0.png",
            "url": "https://sfile.chatglm.cn/testpath/video/4d3c5aad-8c94-5549-93b7-97af6bd353c6_0.mp4"
        }
    ]
}

写在最后

Sora 的出现引爆了 AI 视频生成,那时国内的视频生成工具还屈指可数~

直至今天,AI 视频生成已经在国内遍地开花,比如字节跳动的即梦(Dreamina),快手的可灵,爱诗科技的 PixVerse。

智谱的清影,继续为国产 AI 视频生成 + 1

后续打算出一篇汇总文: 盘点那些好用的 AI 视频生成工具,包括国外的、国内的;开源的、闭源的…

感兴趣的小伙伴敬请关注~

  • 16
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
### 回答1: 10m/100m/1000m以太网接口物理层一致性测试是为了确保以太网接口按照标准进行正常工作的测试过程。这种测试通常通过检测和验证接口的电气特性、传输速率和信号质量来完成。 首先,测试人员需要准备适当的测试设备和工具,如网线、网络分析仪和信号发生器等。接着,他们将分别连接10m、100m和1000m的以太网接口,并运行测试程序。 在测试过程中,测试人员会检查接口的工作电压、电流和功率消耗等电气特性是否符合标准要求。他们还会通过测试设备来测量和比较接口的传输速率和带宽,并验证是否达到了10m/100m/1000m的标准。 同时,测试人员还会对信号质量进行评估。他们会检测传输过程中的信号幅度、噪声水平、抖动和信号完整性等指标。通过对比实测结果和标准要求,他们可以判断接口的物理层性能是否符合预期。 这种测试通常需要持续一段时间,以确保接口的长时间稳定性和可靠性。测试人员还会记录测试过程中的实测数据,并生成测试报告,以便于后续的分析和评估。 总结而言,10m/100m/1000m以太网接口物理层一致性测试是为了验证接口的电气特性、传输速率和信号质量是否符合标准要求。这种测试对于保障以太网接口的正常工作非常重要,确保网络的可靠性和性能。 ### 回答2: 以太网接口的物理层一致性测试是为了确认设备的接口是否符合以太网标准,并且能够正常进行数据传输。其中,10m/100m/1000m分别代表了以太网接口的传输速率,分别为10 Mbps、100 Mbps和1000 Mbps。 在进行物理层一致性测试时,首先需要使用专业的测试仪器,如网络分析仪或者接口测试设备。通过该设备可以对接口进行测试,以确定其传输速率和传输质量是否符合标准。 测试过程中,可以采用不同的测试方法来验证接口的一致性。其中包括链路状态测试、连通性测试和性能测试等。链路状态测试主要是确认接口是否处于正常工作状态,如接口是否可用、是否有异常或错误信息等。连通性测试则是通过向接口发送数据包,并检测是否能够正常接收响应来确认接口的连通性。性能测试则是通过测试设备之间的数据传输速率来确认接口是否能够达到标称的传输速率。 在测试过程中,需要根据不同的测试要求进行相应的设置和操作。测试设备会显示测试结果,通过对结果的分析可以判断接口的物理层一致性是否达到标准要求。 在实测视频中,可以看到测试设备的操作界面和测试结果。通过视频可以清楚地了解物理层一致性测试的过程和结果。实测视频的意义在于直观地展示测试的过程和结果,使得测试的准确性和可靠性更加可信。 总之,10m/100m/1000m以太网接口物理层一致性测试是为了确认设备接口的传输速率和传输质量是否符合标准的测试。采用专业的测试仪器进行测试,并根据测试结果进行判断和分析,最终确定接口是否通过测试。实测视频则可以直观地展示测试过程和结果,提高测试的可信度。 ### 回答3: 10m/100m/1000m以太网接口物理层一致性测试是用于测试以太网接口的物理层性能是否达到规定的标准。在实际应用中,网络设备需要具备一致性的物理层性能,以保证网络的稳定性和可靠性。 测试的内容包括传输速率、传输距离、信号衰减等方面。首先进行传输速率测试,通过发送和接收数据包来测量网络设备的传输速度。通常以Mbps或Gbps表示,分别对应10m、100m和1000m的传输速率。 其次是传输距离测试,测试该网络设备在各种环境下的传输距离限制。这是根据不同的以太网类型进行测试的,10m以太网适用于10米以内的距离,100m适用于100米以内的距离,而1000m适用于1000米以内的距离。 最后是信号衰减的测试,这是测试信号在传输过程中因为线缆损耗等原因而逐渐减弱的情况。在测试中,使用特定仪器和设备来测量信号强度和损耗情况,确保传输信号的稳定性。 通过这些测试,可以确保网络设备在实际应用中能够正常工作。对于企业和个人用户来说,具备一致性的物理层性能可以提高网络的稳定性和可靠性,保障数据的传输质量和速度,提升工作效率和用户体验。 希望通过以上解释,能够对10m/100m/1000m以太网接口物理层一致性测试有更深入的理解。请查看以下附上的实测视频以获取更多详细信息。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值