Goku 介绍
Goku，中文名“悟空”，是字节跳动联合香港大学发布的视频生成“王炸”模型。它并非又一个传统的扩散模型，而是基于全新的“流式生成”（Rectified Flow Transformer）架构，用3600万段视频和1.6亿张图片投喂而成。Goku不仅能文生视频、图生视频，更厉害的是，它专为商业场景优化了一个名为Goku+的“战斗形态”，能根据一张商品图和几句文案，直接生成一个超写实的数字人带货视频。
Goku 需求人群
广告与市场营销人员：需要快速、低成本地制作大量高质量、场景丰富的广告视频。
电商企业与品牌方：希望将静态的产品图片，转化为动态的、有真人（数字人）互动的展示视频，以提升商品吸引力。
短视频内容创作者：寻求更高效、更具创意的视频生产方式，尤其是在口播、评测等领域。
虚拟数字人运营商：需要一个能快速生成超写实数字人视频内容的强大引擎。
Goku 主要功能
超写实数字人视频生成：能直接根据文本生成超过20秒的数字人视频，口型精准、表情生动、手部动作稳定。
商品营销视频创作：只需一张产品图和宣传文案，就能生成包含产品展示、数字人讲解和互动的完整广告片。
文本到视频生成：支持将文本描述转化为高质量视频，能够驾驭动画、自然风光、动物行为等多种场景。
图像到视频/图像生成：不仅能让静态图片动起来，也具备高质量的文生图能力。
Goku 产品特色
专为广告而生：Goku+版本是其最大特色，宣称能以比传统方式低100倍的成本制作广告视频，直击商业化痛点。
领先的流式生成架构：采用与Sora等扩散模型不同的技术路线，在保证高质量的同时，拥有更高的计算效率和生成速度。
惊人的连贯与稳定性：在生成超过20秒的长视频时，依然能保持人物形象和场景的高度一致性，解决了许多模型画面闪烁、人物变形的问题。
图文视频联合训练：通过独特的“联合图像-视频变分自编码器”，让模型同时学习静态美学和动态逻辑，确保了生成的视频既好看又流畅。