谷歌发布了一个用于视频生成的大语言模型VideoPoet，这个有点意思。这个是一个专注于视频生成的多模态 LLM 。支持各种视频生成功能以及音频生成，让 LLM 来指导完整的视频生成工作，几乎全能了，不只是生成还有各种视频编辑、声音生成。同时这种方法还能解决现在视频模型无法生成动作幅度过大视频的问题。