一場事先張揚的發布會讓Sora 成為2024 開年頂流，而字節跳動卻在悄悄推進AI 產品迭代。 近日，字節正式發布文生圖模型SDXL-Lightning。其官方資訊稱該模型採用了新的漸進式對抗蒸餾（Progressive Adversarial Distillation）技術，能將計算時間和成本降至此前的十分之一——通常情況下，文生圖模型使用擴散式生成（diffusion ）模型，單張影像處理時間大約需要5 秒，還需多次（20～40 次）調用龐大的神經網路；但SDXL-Lightning 能提速10 倍在2~4 步內生成高品質及解析度的圖像。 事實上，早於2023 年11 月，字節跳動已發表視訊生成研究成果PixelDance，提出基於文字指導+ 首尾幀圖片指導的技術方法，能產生具有高度一致性和豐富動態性的影片；今年1月，位字節發布了視訊生成模型MagicVideo-V2，透過整合文字到圖像模型、視訊運動生成器、參考圖像嵌入模組和插值模組，打造了一條視訊生成流水線，效果超越SVD-XT、Pika1.0、 Runway的Gen-2 等同類模型。 儘管，字節在研發多模態模型方面已處於國內領先狀態，但其與OpenAI 仍有較大差距，好在字節願意接入OpenAI 的模型（字節海外有兩款AI 產品，Cici 和Coze都接入了GPT 3.5/GPT 4 模型，兩者DAU 迅速攀升至百萬級），在一定程度上克服了模型能力的短板。

介面新聞從知情人士處獲悉，字節發布文生圖開放模型SDXL-Lightning。 從AI開源社群Hugging Face的最新名單上，介面新聞查詢到了這個模型。SDXL-Lightning 躋身模型趨勢榜，同時也成為Hugging Face Spaces上的熱門模型。 與SDXL-Lightning一同上榜的，是谷歌新推出的「最強開放大模型」Gemma系列，以及Stability AI的新一代文生圖模型Stable Cascade。 在影像生成領域，先進模型的生成技術依賴擴散過程，就是把雜訊逐步轉換為影像樣本的迭代。這個過程通常需要20到40次呼叫神經網絡，不僅會耗費龐大的運算資源，生成速度也比較慢。產生一張高品質影像，大約需要5秒。