goku

Goku 是一个基于修正流Transformer的图像和视频联合生成模型，旨在实现工业级的高性能视觉生成。该项目通过精心的数据整理、模型设计和流公式化技术，提供了高质量的图像和视频生成能力。其核心功能包括文本到视频、图像到视频以及文本到图像的生成任务，并在多个基准测试中表现出色，如在GenEval（文本到图像生成）上得分为0.76，在DPG-Bench（文本到图像生成）上为83.65，在VBench（文本到视频生成）上达到84.85。Goku适用于需要高质量视频和图像生成的应用场景，例如创意内容制作、虚拟现实体验及广告制作等。