目前想要尝试的项目描述：

文生视频：

• 先使用CahtGPT，写分镜剧本
• 再使用SD，MJ等进文生图
• 最后利用SVD，pika，Runway等生成视频

资源

• stable video diffusion
• stable diffusion online

开源数据集(可在魔搭社区中找)

• VideoInstruct-100k：
  使用人工辅助和半自动注释技术生成的高质量视频对话数据集
• panda-70m：
  一个包含70M高质量视频字幕对的大规模数据集
• Youku-mPLUG：
  预训练集挖掘自优酷站内海量优质短视频内容
• MSR-VTT：
  一个开放域视频字幕的大规模数据集
• Short2Story：
  视频文本基准和用于多镜头理解的可扩展代码。包含20k视频的详细长摘要和80k视频镜头字幕
• internVid：
  一个以视频为中心的大规模多模态数据集，可以学习强大且可转移的视频文本表示，以实现多模态理解和生成。
• webvid-10M：
  大型文本视频数据集，包含从素材网站取约1000万个视频文本对。

数据处理

• Data-Juicar 扩展了对多模态数据的支持，已经实现上百个专用视频、图像、音频、文本等多模态数据处理算子及其工具，帮助用户分析、清洗及生成大规模高质量数据。

目前学习的感想

本次学习及其硬核，从sora的技术报告研读，到大咖交流，然后对sora可能实现路径的猜想交流，和开源资料分享。整体脉络非常清晰，本人只是AI技术的爱好者，主职算法不涉及AIGC的内容，可以说是纯小白，但这段时间的学习，让我基本摸清了文生视频的发展路径，了解到了sora为什么能横空出世，只是在这条路径中自己有太多不了解的地方，需要花时间去昂实相关基础。任重道远啊！后续会一点一点补齐相关知识，用一些项目练习，相关文档和代码都会秉承Datawhale的开源理念，分享在CSDN和Github上。

参考

• datawhale 202402期学习
• 二次元的datawhale
• 魔搭社区