詳細解釋
Text-to-Video 的縮寫，將文字描述轉換為動態影片的生成式 AI 技術，是 2023-2024 年最熱門的研究方向之一。
技術路線：
- 擴散模型：將 3D 卷積應用於時空維度（Sora、Runway Gen-3、Pika）
- 自回歸：逐幀生成，維持時間連貫性（早期方法，現較少使用）
- 流模型：通過光流預測實現平滑過渡
- 混合：圖像生成模型 + 時序插值
關鍵挑戰：
- 計算量：1 秒影片（30 幀 × 512×512）比單張圖像大 30 倍
- 時間一致性：角色外觀、場景佈局在幀間保持一致
- 物理模擬：重力、碰撞、流體等物理規律的正確呈現
- 長時程：超過 10 秒的連貫敘事
代表模型（2024）：
- Sora（OpenAI）：最長 60 秒，品質最高，未公開
- Runway Gen-3 Alpha：10 秒，商業可用
- Pika 1.5：特效功能（爆炸、變形）
- Kling（快手）：中國領先，開放公測
- Luma Dream Machine：免費，速度快
應用場景：
- 廣告創意：快速製作概念片
- 電影預演：導演視覺化想法
- 教育：歷史場景重現
- 社交媒體：TikTok、Instagram 短影片
倫理風險：
- 深偽（Deepfake）：虛假政治、色情內容
- 版權：訓練數據包含電影、電視劇片段
- 失業：影視從業者擔憂
T2V 被視為「生成式 AI 的最後前沿」—— 解決了它，幾乎所有數字內容都可 AI 生成。