Emu Video能够快速生成短片，只需用户输入标题、图像和描述，就可以生成一个持续4秒的动画片段。而这些生成的片段，还可以通过Emu Edit这个编辑工具进一步调整。用户只需要用自然语言描述需要进行的修改，比如说“保持内容不变，但改为慢动作”，然后在Emu Edit中就能看到修改后的效果。
创新的生成流程：
Emu Video的核心在于其创新的生成流程。它将视频生成分解为两个关键步骤：首先，根据文本提示生成一张图像；然后，利用这张图像和文本提示来生成视频。这种分解不仅简化了生成过程，而且使得训练高质量视频生成模型变得更加高效。
高效与质量并重：
Emu Video的方法不需要复杂的模型串联，仅使用两个扩散模型就能生成分辨率高达512像素、每秒16帧、时长4秒的视频。这种简洁而强大的方法，不仅提高了视频生成的效率，也确保了视频质量的高标准。
超越前作的成果：
在与现有文本到视频生成模型的比较中，Emu Video展现了其卓越的性能。通过人类评分者的评估，Emu Video在视频质量和对文本提示的忠实度上，都超越了包括Make-a-Video (MAV)、Imagen-Video (Imagen)、Align Your Latents (AYL)、Reuse & Diffuse (R&D)、Cog Video (Cog)、Gen2 (Gen2) 和 Pika Labs (Pika)在内的一系列先进模型。
