Emu Video — это передовой инструмент для генерации видео из текста, использующий модели диффузии, чтобы упростить процесс до двух эффективных шагов. Сначала генерируется изображение на основе текстового запроса, а затем создается видео с использованием запроса и сгенерированного изображения. Emu Video выделяется своей эффективностью и простотой. Этот инновационный подход позволяет обучать модели генерации видео высокого качества всего на двух моделях диффузии, производя впечатляющие видео продолжительностью 4 секунды с разрешением 512px и частотой 16fps. В сравнении с другими моделями генерации видео из текста, Emu Video превосходит по качеству и точности соответствия запросу, что подтверждено оценками людей. С результатами на уровне современных технологий, Emu Video обходит такие известные модели, как Make-a-Video (MAV), Imagen-Video (Imagen) и другие по различным метрикам. Разработанный командой преданных авторов и поддерживаемый многочисленными сотрудниками, Emu Video представляет собой значительный шаг вперед в области генерации видео из текста.