Diffusion Transformer

国内智能驾驶公司图森未来发布了开源视频生成模型Ruyi，无需输入提示词即可将图片转换为5秒最高分辨率720P的视频。其支持多种风格，并提供了详细的使用说明和代码链接。但模型仍存在一些问题，如手部畸形、面部细节崩坏等。