“女娲女娲，神通广大”，正如其名，一句话生成视频只是这个模型的技能之一。
 
除此之外，一句话生成图片，草图生成图像、视频，图像补全，视频预测，图像编辑、视频编辑——
 
一共八种视觉任务，它其实全部都能搞定。
 
完全是一位不折不扣的“全能型选手”。
 
它，就是由微软亚研院和北大联合打造的一个多模态预训练模型，在首届微软峰会上亮相。
 
目前，在推特上已“小有热度”。