（来源：上观新闻）
所以，特种材🇬🇷料值得🔨👨👩👧👦我们长期去盯🔮，但千万不🤛⛴要现在📩就大喊“爆发🇫🇰了”🙆。201😇🙀7年，当🌜🦞大多数人还🔈📒在把视频生成🧼👣当作“📛内容合🚛😈成”时，梅涛博😣🚗士在微软亚🔢🍨洲研究院就带队👨🏭🇨🇰做出了全↩🇦🇶引谷歌蜘蛛球最早一批文本生🚂成视频模型，🔅🐍并拿下ACM顶会🏴最佳论文亚军💋。
在掌舵苹果的最后🦇几年里，库🐬👨❤️💋👨克没能完成🧘♀️这场转型，甚至😬🔘还在一🇬🇩👎定程度上耽🏜误了转🏦型🧫🎶。在目前主流多模态🇸🇻⬜方案中，以Di🤮T（Diff🦈📷usion T🎡🌲ransfo🌄🇹🇦rmer🎑🤒）为代表的架构🇹🇱😜，基本思路是把图🐌🧚♂️像、视频✨、文本、动作分别🚼编码，然后再🎠🍉在一个隐空间里做🇭🇹🕌融合🍇🍊。
