Ein aktueller technischer Beitrag demonstriert eine End-to-End-Pipeline, die ERNIE-Image für die Text-zu-Bild-Generierung mit InfiniteTalk zur Erstellung unendlich langer Videos integriert, alles bereitgestellt auf heimischer DCU (Deep Computing Unit)-Hardware. Die Pipeline deckt den gesamten Workflow von der Bildgenerierung über die Audiosynchronisation bis zur Erstellung digitaler Humanvideos ab, mit vollständigem Code. Dies ist bedeutsam, da es die Reifung heimischer KI-Hardware-Ökosysteme zeigt und komplexe multimodale Aufgaben ermöglicht, die zuvor auf ausländische GPUs angewiesen waren. Die Integration dieser Modelle auf DCU deutet darauf hin, dass chinesische KI-Hardware zu einer praktikablen Plattform für Spitzenforschung und kommerzielle Anwendungen in der Videogenerierung wird. Obwohl der Code bereitgestellt wird, ist das eigentliche Signal die Machbarkeit, solche Pipelines auf heimischer Infrastruktur auszuführen, was Auswirkungen auf die KI-Souveränität und Kostensenkung hat.
Dieser Artikel stellt eine vollständige Pipeline vor, die ERNIE-Image für die Text-zu-Bild-Generierung und InfiniteTalk für die Erweiterung auf unendlich lange Videos kombiniert, die auf heimischer DCU-Hardware bereitgestellt wird. Es enthält vollständigen Code zum Generieren synchronisierter Audio- und Digital-Human-Videos. Dies signalisiert eine wachsende Fähigkeit in heimischen KI-Hardware-Ökosystemen für komplexe multimodale Aufgaben.