メインコンテンツへスキップ
ToolPotion
AI アドバイザー
送信(無料)

Invoker-Render

Invoker-Renderは、制御可能なビデオ生成のために設計された、330億パラメータを持つビデオからビデオへのAIモデルです。視覚プロキシを利用してカメラパス、シーンレイアウト、オブジェクトの動きを修正し、これらの構造的入力、外観参照画像、テキストプロンプトに基づいて外観を生成します。このモデルは、長期ストリーミングと多様なビデオレンダリングタスクのためのマルチグラニュラリティ制御をサポートしています。

モデルを見る
共有
モデルを見る
共有

Invoker-Renderは、inclusionAIによって開発された高度なビデオからビデオへのAIモデルであり、高度に制御可能なビデオ生成を可能にします。331.2億パラメータを持つこのモデルは、構造プロキシ、単一の外観参照画像、およびテキストプロンプトに基づいてビデオの外観を生成することに焦点を当てています。これは、視覚プロキシがカメラパス、シーンレイアウト、オブジェクトの動きなどの要素を決定し、ビデオモデルが視覚レンダリングを処理するという原則に基づいて動作します。

続きを読む

Invoker-Renderの核心は、その因果ストリーミングDiTウェイトにあり、これはそのリポジトリにホストされています。このモデルは、因果的な4ステップストリーミング生成を促進するために、コンパニオンのCodeWorldModel推論コードと連携して動作するように設計されています。このセットアップは、MiniMax-H3、SGLang、SGLang-Omniなどの堅牢なフレームワークに基づいて構築されており、効率的でスケーラブルな操作を保証します。

Invoker-Renderの主な特徴には、長期ストリーミングの能力が含まれており、プロキシフレームが提供される限り、セッションを無限に実行できることが可能です。これは、固定された外観アンカーと制限された履歴ウィンドウを通じて実現され、長期間にわたって視覚的一貫性を維持します。さらに、このモデルはマルチグラニュラリティ制御を提供し、セマンティックマップ、スパース3Dボックス、主題マスク、シェーディングされたジオメトリ、スケルトンを持つボックスなど、幅広い構造入力を受け入れ、生成されるビデオコンテンツに対してユーザーに正確な制御を提供します。

インタラクティブな展開のために、コンパニオンコードはWebSocketセッションサービス、ファイルクライアント、およびブラウザクライアントを提供し、さまざまなアプリケーションでモデルを利用できるようにします。モデルのウェイトは、29のsafetensorsシャードにわたってFP32形式で保存されており、合計約132.5GBです。リポジトリには主要な因果ストリーミングDiTウェイトが含まれていますが、ユーザーは推論のためにVAE、Qwen、因果デコーダー、サイレンステンソルなどの一致するアセットを別途準備する必要があります。推論のためのデフォルトのプロダクションプロファイルは、通常、単一ノード上で8つのNVIDIA GPUを必要とし、1344×768 RGBの最初の画像、24 FPSのプロキシビデオ、およびテキストプロンプトなどの入力を処理します。

  • カテゴリーAIモデルとLLM
  • デプロイクラウド
  • プラットフォームWeb

  • ビデオからビデオモデル: 構造プロキシと入力からビデオの外観を生成します。

  • 330億パラメータ: 高度なビデオ生成能力のための大規模モデルサイズ。

  • プロキシ条件付きレンダリング: 視覚プロキシを使用してカメラパス、シーンレイアウト、オブジェクトの動きを制御します。

  • 外観参照画像入力: ビジュアルスタイルをガイドするために1つの画像を受け取ります。

  • テキストプロンプト入力: コンテンツ生成のためのテキスト記述を受け入れます。

  • 因果ストリーミングDiTウェイト: ストリーミング生成のための特定のモデルウェイトを利用します。

  • 長期ストリーミング: プロキシフレームが到着する限り、連続的なビデオ生成をサポートします。

  • 固定外観アンカー: 長期セッションにわたって一貫した外観を維持します。

  • マルチグラニュラリティ制御: セマンティックマップ、3Dボックス、主題マスクなどの多様な構造入力を受け入れます。

  • インタラクティブ展開: コンパニオンコードはWebSocket、ファイル、ブラウザクライアントを提供します。

  • FP32ウェイト: モデルウェイトはフル精度で保存されています。

  • MiniMax-H3ベースモデル: MiniMax-H3アーキテクチャに基づいて構築されています。

  • Apache-2.0ライセンス: リポジトリの使用を規定します。

  • CC BY-NC 4.0ライセンス: 非商業利用に適用されます。

  1. モデルウェイトにアクセス: リポジトリのルートから主要な因果ストリーミングDiTウェイトをダウンロードします。

  2. アセットを準備: VAE、Qwen、因果デコーダーなどの一致するアセットを別途取得し、準備します。

  3. 環境を設定: コンパニオンのCodeWorldModelリポジトリ内のREADME.mdおよびdocs/INFERENCE.mdに従います。

  4. バンドルを準備: コンパニオンリポジトリの指示に従って推論バンドルを作成します。

  5. サービスを開始または推論を実行: WebSocketセッションサービスを開始するか、invoker_render.pyを使用してファイル推論を実行します。

  6. 入力を提供: 1344×768 RGBの最初の画像、24 FPSのプロキシビデオ、およびテキストプロンプトを提供します。

  • 制御可能なビデオ生成
  • 長編ビデオ制作
  • セマンティックビデオ編集
  • 3Dシーンレンダリング
  • インタラクティブビデオアプリケーション

Invoker-Render のレビュー

読み込み中...

Invoker-Render に似た人気のAIツール

Muse Glimmer

AI モデル

Muse Glimmerは、消費者ハードウェア上での自律的なエージェントタスクのために設計された300億パラメータの因果言語モデルです。マルチステップ推論、信頼性の高いツール使用、マルチモーダル理解を統合し、クラウドに依存せずに効率的なローカル展開を可能にします。

AIモデルとLLM
ツールを見る

AI モデル

消費者ハードウェア上での自律的なエージェントタスクのために設計された300億パラメータの因果言語モデルです。マルチステップ推論、信頼性の高いツール使用、マルチモーダル理解を統合し、クラウドに依存せずに効率的なローカル展開を可能にします。Muse Glimmerは、消費者ハードウェア上での自律的なエージェントタスクのために設計された300億パラメータの因果言語モデルです。マルチステップ推論、信頼性の高いツール使用、マルチモーダル理解を統合し、クラウドに依存せずに効率的なローカル展開を可能にします。

注目AIモデルとLLM
AI モデル トップ5を見る

VideoPoet

AI モデル

VideoPoetは、Google Researchが開発した、ゼロショットビデオ生成が可能な大規模言語モデルです。オートリグレッシブ言語モデルを高品質なビデオジェネレーターに変換し、テキストからビデオ、ビデオからオーディオ、および様々な編集タスクを、印象的な時間的整合性とモーション忠実度でサポートします。

AI動画生成ツール
ツールを見る

AI モデル

Google Researchが開発した、ゼロショットビデオ生成が可能な大規模言語モデルです。オートリグレッシブ言語モデルを高品質なビデオジェネレーターに変換し、テキストからビデオ、ビデオからオーディオ、および様々な編集タスクを、印象的な時間的整合性とモーション忠実度でサポートします。VideoPoetは、Google Researchが開発した、ゼロショットビデオ生成が可能な大規模言語モデルです。オートリグレッシブ言語モデルを高品質なビデオジェネレーターに変換し、テキストからビデオ、ビデオからオーディオ、および様々な編集タスクを、印象的な時間的整合性とモーション忠実度でサポートします。

AI動画生成ツール
AI モデル トップ5を見る

SenseNova 6.8 Code2Videoは、実行可能なコードを生成して短い動画を構築およびレンダリングするコード駆動型の動画作成モデルです。完全なクリエイティブワークフローのために、さまざまなモデルやツールを接続します。

AIモデルとLLM

LLMで第77位

ツールを見る

実行可能なコードを生成して短い動画を構築およびレンダリングするコード駆動型の動画作成モデルです。完全なクリエイティブワークフローのために、さまざまなモデルやツールを接続します。SenseNova 6.8 Code2Videoは、実行可能なコードを生成して短い動画を構築およびレンダリングするコード駆動型の動画作成モデルです。完全なクリエイティブワークフローのために、さまざまなモデルやツールを接続します。

AIモデルとLLM
LLMで第77位

Imagen Video

AI モデル

Imagen Videoは、Google Researchが開発したテキスト条件付きビデオ生成システムです。ビデオ拡散モデルのカスケードを活用し、テキストプロンプトから高解像度ビデオを生成します。多様なクリエイティブアプリケーション向けに、高い忠実度、制御性、および世界知識を提供します。

AI動画生成ツール
ツールを見る

AI モデル

Google Researchが開発したテキスト条件付きビデオ生成システムです。ビデオ拡散モデルのカスケードを活用し、テキストプロンプトから高解像度ビデオを生成します。多様なクリエイティブアプリケーション向けに、高い忠実度、制御性、および世界知識を提供します。Imagen Videoは、Google Researchが開発したテキスト条件付きビデオ生成システムです。ビデオ拡散モデルのカスケードを活用し、テキストプロンプトから高解像度ビデオを生成します。多様なクリエイティブアプリケーション向けに、高い忠実度、制御性、および世界知識を提供します。

AI動画生成ツール
AI モデル トップ5を見る

Linum P-JiT

AI アプリ

Linum P-JiTは、生成ビデオモデルに焦点を当てた2人の研究者による研究所Linumが開発した実験的な2Bパラメータのテキストから画像へのモデルです。この概念実証モデルは、新しいPyramid-JiTアーキテクチャを示し、約21Kドルという大幅に削減されたトレーニングコストで高品質な画像生成を実現しています。これは、アニメーションのためのより効率的でア…

AIモデルとLLM
ツールを見る

AI アプリ

生成ビデオモデルに焦点を当てた2人の研究者による研究所Linumが開発した実験的な2Bパラメータのテキストから画像へのモデルです。この概念実証モデルは、新しいPyramid-JiTアーキテクチャを示し、約21Kドルという大幅に削減されたトレーニングコストで高品質な画像生成を実現しています。これは、アニメーションのためのより効率的でア…Linum P-JiTは、生成ビデオモデルに焦点を当てた2人の研究者による研究所Linumが開発した実験的な2Bパラメータのテキストから画像へのモデルです。この概念実証モデルは、新しいPyramid-JiTアーキテクチャを示し、約21Kドルという大幅に削減されたトレーニングコストで高品質な画像生成を実現しています。これは、アニメーションのためのより効率的でア…

AIモデルとLLM
AI アプリ トップ250を見る

Flux 3は、テキスト、画像、または参照クリップから動画を生成するAI動画生成ツールです。ネイティブオーディオ、自然な動き、多言語の対話機能を備えており、ユーザーは自分の作品をシームレスにプレビューおよびダウンロードできます。

AI動画生成ツールメディア・エンターテインメント
ツールを見る

テキスト、画像、または参照クリップから動画を生成するAI動画生成ツールです。ネイティブオーディオ、自然な動き、多言語の対話機能を備えており、ユーザーは自分の作品をシームレスにプレビューおよびダウンロードできます。Flux 3は、テキスト、画像、または参照クリップから動画を生成するAI動画生成ツールです。ネイティブオーディオ、自然な動き、多言語の対話機能を備えており、ユーザーは自分の作品をシームレスにプレビューおよびダウンロードできます。

AI動画生成ツールメディア・エンターテインメント
AI アプリ トップ250を見る

VideoAI

AI アプリ

VideoAIは、Kling、Wan、Seedance、Veoなどの先進的なモデルを使用して、テキストと画像を動画に変換するAI動画生成ツールです。また、クリエイター向けに画像ツールやAI音楽生成も提供しています。

AI動画生成ツールメディア・エンターテインメント

ビデオスクリプトの執筆で第119位

ツールを見る

AI アプリ

Kling、Wan、Seedance、Veoなどの先進的なモデルを使用して、テキストと画像を動画に変換するAI動画生成ツールです。また、クリエイター向けに画像ツールやAI音楽生成も提供しています。VideoAIは、Kling、Wan、Seedance、Veoなどの先進的なモデルを使用して、テキストと画像を動画に変換するAI動画生成ツールです。また、クリエイター向けに画像ツールやAI音楽生成も提供しています。

AI動画生成ツールメディア・エンターテインメント
ビデオスクリプトの執筆で第119位

invideo

AI アプリ

invideoは、Agent Twoを中心に構築されたAI動画作成および編集プラットフォームで、ユーザーが複数のAIモデルと5,000以上のテンプレートを使用して動画を生成および編集できます。クリエイター、マーケター、企業向けに提供されています。

AIショート動画作成ツール

AI アプリで第37位

ツールを見る

AI アプリ

Agent Twoを中心に構築されたAI動画作成および編集プラットフォームで、ユーザーが複数のAIモデルと5,000以上のテンプレートを使用して動画を生成および編集できます。クリエイター、マーケター、企業向けに提供されています。invideoは、Agent Twoを中心に構築されたAI動画作成および編集プラットフォームで、ユーザーが複数のAIモデルと5,000以上のテンプレートを使用して動画を生成および編集できます。クリエイター、マーケター、企業向けに提供されています。

注目AIショート動画作成ツール
AI アプリで第37位
1 / 8