近期，随着Sora的出现，AI大模型的应用迎来新的玩法，也掀起了文生视频大模型的竞争热潮。各大科技巨头纷纷推出文生视频产品，微软推出Nuwa、Meta推出Emu、谷歌推出Phenaki/VideoPoet等。而中国企业智谱AI也于7月26日推出了清影（Ying），为这场竞争的“中国队”再添一员猛将。

清影（Ying）上线的清言App面向所有用户开放，用户只需输入一段文字（Prompt），即可选择生成所需的视频，包括卡通3D、黑白老照片、油画、电影感等不同风格。除了文字生成视频，清影还支持图生视频。智谱AI的CEO张鹏在智谱  Open  Day上介绍称，清影（Ying）底座的视频生成模型是CogVideoX，该模型能够将文本、时间、空间三个维度融合起来，参考了Sora的算法设计。通过优化，CogVideoX相比前代（CogVideo）推理速度提升了6倍，是一个DiT架构。张鹏表示，未来版本将陆续推出更高分辨率、更长时长的生成视频功能。

智谱AI自研的端到端视频理解模型用于为海量视频数据生成详细、贴合内容的描述，增强模型的文本理解和指令遵循能力，使生成的视频更符合用户输入。智谱AI还自研了高效的三维变分自编码器结构（3D  VAE），将原视频空间压缩至2%大小，并配合3D  RoPE位置编码模块，有利于在时间维度上捕捉帧间关系，建立视频中的长程依赖。同时，CogVideoX模型也同步上线智谱AI大模型开放平台bigmodel.cn，开发者可通过API调用体验和使用文生视频及图生视频模型能力，这在国内尚属首次。

据悉，智谱AI生成式视频研发得到北京市大力支持。北京正在以海淀区为核心打造人工智能产业高地，而海淀区也是智谱AI总部所在地。海淀区为智谱AI大模型研发提供产业投资、算力补贴、应用场景示范、人才等全方位支持。智谱AI的算力支持来自亦庄集群，北京亦庄正着眼打造人工智能之城，目前已建成人工智能公共算力平台。合作伙伴bilibili和华策影视也参与并支持了清影的研发过程。

张鹏表示，人工智能行业对多模态模型的探索还处于初级阶段，清影（Ying）将持续迭代，智谱AI致力于打造对标世界先进水平的模型产品矩阵，通过大模型链接物理世界的亿级用户，为不同行业带来持续创新与变革，加速迈向通用人工智能时代。