We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
C
Chris
投资分析师和顾问，专注于小盘价值基金的比较和分析。
S
Shawn
Chris：作为Sand AI的产品负责人，我亲历了AI视频生成领域的技术变革。我们公司从一开始就坚持探索自回归架构与Diffusion模型的结合，这与当时Sora发布后行业内普遍采用的DIT架构形成了鲜明对比。自回归架构模拟了时间流逝的单向性，更符合现实世界视频的生成方式，在处理视频一致性和连续性方面具有潜在优势。虽然这条路充满挑战，缺乏现成的经验借鉴，但我们坚信其能带来更好的视频生成效果。开源Magi-1是我们的一次大胆尝试，旨在推动自回归技术的发展，并为社区做出贡献。尽管Magi-1还存在一些局限性，但我们相信通过后续训练，其性能将得到显著提升。未来，我们将继续深耕自回归技术，探索更多视频生成的新可能性。
Deep Dive
This chapter introduces Sand AI, a video generation company employing a unique autoregressive approach. It contrasts this with the more common diffusion model, highlighting the autoregressive model's strengths in handling temporal causality and offering finer control over video generation.
- Sand AI uses an autoregressive architecture for video generation, unlike most competitors who use diffusion models.
- Autoregressive models handle temporal causality better and offer finer control over video generation.
- The autoregressive approach uses a unit called 'trunk', similar to a token in language models, to predict the next segment of the video.
Shownotes Transcript