高级AI生成多模态长篇故事

SEED-Story 制作长篇、交织的图文故事。它使用多模态大型语言模型（MLLM）来预测文本和视觉标记，并将它们转化为一致的图像。一种新的注意力汇聚技术提升了效率，允许处理多达25个序列。StoryStream，一个高分辨率数据集，有助于训练和评估。

多模态大型语言模型（MLLM）：一种能够理解和生成文本与图像的高级AI模型。

注意力汇聚：一种增强模型聚焦度的技术，使得故事生成更长、更连贯。