继日前 Meta 发布 Make-A-Video 之后，Google 此日发布了 Imagen Video 人工智能系统，也许根据简略文本实质（比如泰迪熊洗碗）天生视频片段。虽然今朝天生的短视频认识度没有够，但 Google 声称 Imagen Video 是朝着拥有“高度可控性”以及天下学识的系统迈出的一步，席卷天生镜头的才略正在一系列艺术作风中。
真相上经过文本天生短视频并没有是甚么现代办事，本年早些时分，清华大学以及北京人工智能争论院的一组争论人员揭晓了 CogVideo，它也许将文本翻译成异常高保真的短片。但 Imagen Video 犹如是对于先前开始进本领的远大飞跃，再现了现有系统难以领会的动画字幕的才略。
马修·古兹迪亚（Matthew Guzdial）经过邮件示意：“这昭彰是远大革新。正如您从视频示例中看到的那样，即使通信团队挑选了最好输出，仍然生存古怪的迷糊以及工钱因素。因而这一致没有会很快直接用于动画或电视中。但它或一致的货色一定也许嵌入器械中，以帮忙放慢某些办事的速率”。
Imagen Video 建立正在 Google 的 Imagen 之上，这是一个可与 OpenAI 的 DALL-E 2 以及 Stable Diffusion 相媲美的图像天生系统。 Imagen 是所谓的“散布”模子，经过练习若何“损坏”以及“恢复”许多现珍稀据样原本天生新数据（比如视频）。当它输入现有样本时，该模子也许更好地恢复以前损坏的数据以建立新撰述。