Goku：基于修正流转换器的视频生成基础模型

字节跳动和港大团队推出Goku，一个基于修正流转换器的图像和视频生成模型家族。Goku利用精心策划的数据、先进的模型设计和流公式，实现了业界领先的视觉生成性能。它支持文本到视频、图像到视频和文本到图像生成，并在GenEval、DPG-Bench和VBench等主要基准测试中取得了顶尖成绩，其中Goku-T2V在VBench上得分高达84.85，位居第二。