生成式AI+视频行业深度报告：AI+视频的星辰大海远不止于创意视频的生成.pdf

生成式AI+视频行业深度报告：

AI+视频的星辰大海远不止于创意视频

[Table_Industry]

行业专题报告

[Table_ReportTime]

2024年01月02日

[Table_Title]

证券研究报告AI+视频的星辰大海远不止于创意视频的生成

行业研究[Table_ReportDate]2024年07月28日

[Table_ReportType]本期内容提要:

行业专题研究（深度）

[Table_Summary]

[Table_Summary]

➢站在当下，本报告研究AI+视频的意义：技术和产品迭代升级较快导

[Table_StockAndRank]

AI行业致目前市场大多数报告无时效性，且往往缺少对产品的实际测试以及

投资评级看好对相同提示词的比较分析，而AI视频生成正成为当前AI产业发展的

关键节点。视频杂糅了文本、语音、图像等多维度内容，其训练的难点

上次评级看好也往往在于视频数据对数量和质量的不足、算法架构需要优化、物理

规律性较差等等，但随着AI+视频的技术和产品升级迭代，众多行业有

[Table_Author]

冯翠婷传媒互联网及海外首席分析师

望受益，诸如电影、广告、视频剪辑、视频流媒体平台、UGC创作平

执业编号：S1500522010001

台、短视频综合平台等，而目前正处在AI+视频发展的关键性时刻。

联系电话

邮箱：fengcuiting@➢市场主流的AI视频生成技术迭代路径经历了早期的GAN+VAE、

Transformer、DiffusionModel以及Sora采用的DiT架构

（Transformer+Diffusion），技术迭代升级带来视频处理质量上的飞

跃性提升。VAE引入了隐变量推断，GAN生成的图像真实清晰，

VAE+GAN的串联融合可以实现数据的自动生成+高质量图像生成；

Transformer在并处处理、长时间序列数据处理、多注意力处理上有着

强大的优势，通过预训练和微调可提高模型性能；扩散模型可解释性

强，可生成高质量图像和视频；李飞飞联合谷歌研发的WALT视频大

模型将图像和视频编码到共享潜在空间中。Sora采用的DiT架构有效

进行结合，利用Transformer处理潜在空间中的图像数据块，模拟数

据的扩散过程以生成时长更长、质量更高的图像和视频。