%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20none;%20}%20.st1%20{%20fill:%20%235ce6cf;%20}%20.st2%20{%20fill:%20%230080ff;%20}%20.st3%20{%20clip-path:%20url(%23clippath);%20}%20%3c/style%3e%3cclipPath%20id='clippath'%3e%3crect%20class='st0'%20y='0'%20width='120'%20height='32'/%3e%3c/clipPath%3e%3c/defs%3e%3cg%20class='st3'%3e%3cg%3e%3cpath%20class='st1'%20d='M22.4,32H3.2c-1,0-2-.5-2.6-1.4-.6-.9-.7-2-.4-2.9L9.8,2.1C10.3.8,11.5,0,12.8,0s2.5.8,3,2.1l9.6,25.6c.4,1,.2,2.1-.4,2.9-.6.9-1.6,1.4-2.6,1.4ZM7.8,25.6h10l-5-13.3-5,13.3Z'/%3e%3cpath%20class='st2'%20d='M33.6,32c-1.3,0-2.5-.8-3-2.1L21,4.3c-.6-1.7.2-3.5,1.9-4.1,1.7-.6,3.5.2,4.1,1.9l9.6,25.6c.6,1.7-.2,3.5-1.9,4.1-.4.1-.8.2-1.1.2h0Z'/%3e%3cpath%20d='M71.8,9.1h-6.9v4.6h6.9c2.5,0,4.6,2,4.6,4.6h-6.9c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h2.3c1.7,0,3.2-.4,4.6-1.2v1.2h4.6v-13.7c0-5-4.1-9.1-9.1-9.1h0ZM71.8,27.4h-2.3c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h6.9c0,2.5-2,4.6-4.6,4.6h0Z'/%3e%3cpath%20d='M52.3,9.1h-4.6V0h-4.6V32h9.1c5,0,9.1-4.1,9.1-9.1v-4.6c0-5.1-4.1-9.1-9.1-9.1h0ZM56.9,22.9c0,2.5-2,4.6-4.6,4.6h-4.6v-13.7h4.6c2.5,0,4.6,2,4.6,4.6v4.6h0Z'/%3e%3cpath%20d='M110.9,13.7h9.1v-4.6h-9.1c-5.1,0-9.1,4.1-9.1,9.1v4.6c0,5.1,4.1,9.1,9.1,9.1h9.1v-4.6h-9.1c-2.5,0-4.6-2-4.6-4.6h13.7v-4.6h-13.7c0-2.5,2-4.6,4.6-4.6h0Z'/%3e%3cpath%20d='M93.6,18.3h-4.6c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h10.3v-4.6h-10.3c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h4.6c1.3,0,2.3,1,2.3,2.3s-1,2.3-2.3,2.3h-10.3v4.6h10.3c3.8,0,6.9-3.1,6.9-6.9s-3.1-6.9-6.9-6.9Z'/%3e%3c/g%3e%3c/g%3e%3c/svg%3e)
简介
VideoWorld是一个专注于从纯视觉输入（无标签视频）中学习复杂知识的深度生成模型。它通过自回归视频生成技术，探索如何仅通过视觉信息学习任务规则、推理和规划能力。该模型的核心优势在于其创新的潜在动态模型（LDM），能够高效地表示多步视觉变化，从而显著提升学习效率和知识获取能力。VideoWorld在视频围棋和机器人控制任务中表现出色，展示了其强大的泛化能力和对复杂任务的学习能力。该模型的研究背景源于对生物体通过视觉而非语言学习知识的模仿，旨在为人工智能的知识获取开辟新的途径。
截图
产品特色
通过自回归视频生成模型学习任务规则和操作。
利用潜在动态模型（LDM）高效表示多步视觉变化。
在视频围棋任务中达到5段职业水平。
在机器人控制任务中实现跨环境泛化。
提供开源代码和数据，支持进一步研究。
使用教程
1. 访问项目主页，下载开源代码和数据。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%230080ff;%20}%20%3c/style%3e%3c/defs%3e%3cpath%20class='st0'%20d='M16.2,11.1c.4.5.4,1.2,0,1.8l-4.7,7.1h-3.8l5.3-8L7.6,4h3.8l4.7,7.1Z'/%3e%3c/svg%3e)
2. 使用VQ-VAE将视频帧转换为离散token。
3. 训练自回归Transformer模型，采用下一帧预测范式。
4. 在测试阶段，模型根据前一帧生成新帧，并从中提取任务操作。
5. 应用潜在动态模型（LDM）以提升学习效率和性能。
流量来源
| 直接访问 | 73.68% | 外链引荐 | 9.10% | 邮件 | 0.04% |
| 自然搜索 | 7.13% | 社交媒体 | 9.10% | 展示广告 | 0.95% |
最新流量情况
月访问量
305
平均访问时长
0.00
每次访问页数
1.02
跳出率
42.18%
总流量趋势图
地理流量分布情况
美国
100.00%
地理流量分布全球图
同类开源产品
AI Dance Generator
VideoPlus.ai是一款AI舞蹈生成器，利用AI技术快速生成引人注目的舞蹈视频，用户可定制舞蹈风格、人物和主题，无水印，适用于舞蹈爱好者、社交媒体影响者等。
视频生成#AI
Dmind
DMind-1 和 DMind-1-mini 是针对 Web3 任务的领域专用大型语言模型，提供比其他通用模型更高的领域准确性、指令跟随能力及专业理解。
AI模型#人工智能
Veo3video
Veo3 Video是一款利用Google Veo3模型生成高质量视频的平台。
视频生成#AI技术
Veo3
Veo 3是最新的AI视频生成工具，可添加音效、对话和环境噪音，将您的故事栩栩如生。
视频生成#AI
Veo 3
国外精选
Veo 3 是最新的视频生成模型，旨在通过更高的现实主义和音频效果，提供 4K 输出，能更准确地遵循用户的提示。
视频生成#深度学习
Flow AI
Flow 是一个为创作者打造的 AI 电影制作工具，利用 Google DeepMind 的先进模型，用户可以轻松创建出色的电影片段、场景和故事。
视频生成#视频制作
Index AniSora
优质新品
Index-AniSora是由B站开源的顶尖动画视频生成模型，基于AniSora技术实现，支持多种二次元风格视频镜头的一键生成，如番剧、国创、漫改动画、VTuber、动画PV和鬼畜动画等。
视频生成
Fastvlm
FastVLM 是一种高效的视觉编码模型，专为视觉语言模型设计。
AI模型#图像处理
Hunyuancustom
中文精选
HunyuanCustom 是一个多模态定制视频生成框架，旨在根据用户定义的条件生成特定主题的视频。
视频生成#多模态
替代品
Index AniSora
优质新品
Index-AniSora是由B站开源的顶尖动画视频生成模型，基于AniSora技术实现，支持多种二次元风格视频镜头的一键生成，如番剧、国创、漫改动画、VTuber、动画PV和鬼畜动画等。
视频生成
Fastvlm
FastVLM 是一种高效的视觉编码模型，专为视觉语言模型设计。
AI模型#图像处理
Hunyuancustom
中文精选
HunyuanCustom 是一个多模态定制视频生成框架，旨在根据用户定义的条件生成特定主题的视频。
视频生成#多模态
Zerosearch
ZeroSearch 是一种新颖的强化学习框架，旨在激励大型语言模型（LLMs）的搜索能力，而无需与实际搜索引擎进行交互。
AI模型#搜索能力
Notellm
NoteLLM 是一款专注于用户生成内容的可检索大型语言模型，旨在提升推荐系统的性能。
AI模型#多模态处理
Deepseek Prover V2 671B
DeepSeek-Prover-V2-671B 是一个先进的人工智能模型，旨在提供强大的推理能力。
AI模型#开源
Xiaomi MiMo
优质新品
Xiaomi MiMo是小米公司开源的首个推理大模型，专为推理任务设计，具备卓越的数学推理和代码生成能力。
AI模型
Pixverse MCP
PixVerse-MCP 是一个工具，允许用户通过支持模型上下文协议（MCP）的应用程序访问 PixVerse 最新的视频生成模型。
视频生成#AI 工具
Avatarfx
国外精选
AvatarFX 是一个尖端的 AI 平台，专注于互动故事讲述。
视频生成#视频生成
精选AI产品推荐
Nocode
中文精选
NoCode 是一款无需编程经验的平台，允许用户通过自然语言描述创意并快速生成应用，旨在降低开发门槛，让更多人能实现他们的创意。
开发平台#应用开发
912
Listenhub
优质新品
ListenHub 是一款轻量级的 AI 播客生成工具，支持中文和英语，基于前沿 AI 技术，能够快速生成用户感兴趣的播客内容。
音频生成#AI
348
Lovart
国外精选
Lovart 是一款革命性的 AI 设计代理，能够将创意提示转化为艺术作品，支持从故事板到品牌视觉的多种设计需求。
AI设计工具#创意工具
1,128
Fastvlm
FastVLM 是一种高效的视觉编码模型，专为视觉语言模型设计。
AI模型#图像处理开源
564
Smart PDFs
国外精选
Smart PDFs 是一个在线工具，利用 AI 技术快速分析 PDF 文档，并生成简明扼要的总结。
文章摘要#AI
984
Keysync
KeySync 是一个针对高分辨率视频的无泄漏唇同步框架。
视频编辑#视频处理开源
480
Anyvoice
AnyVoice是一款领先的AI声音生成器，采用先进的深度学习模型，将文本转换为与人类无法区分的自然语音。
音频生成#文本转语音
26.38k
Liblibai
中文精选
LiblibAI是一个中国领先的AI创作平台,提供强大的AI创作能力,帮助创作者实现创意。
AI模型#图像生成
344.42k