一种轻量化的文本生成视频方法和装置

本发明公开了一种轻量化的文本生成视频方法和装置，该方法结合了提示词学习和时序感知的DDIM反演技术，通过引入共享提示词令牌以提高编辑灵活性，同时通过非共享的帧特定令牌来强化跨帧一致性，同时，采用双边滤波的时序感知的DDIM反演进一步优化了视频帧之间的连贯性，以最低的训练成本提升基于扩散算法的文本生成图像视频编辑性能。本方法在无需进行额外训练的情况下，提高文本生成视频生成框架中的时序一致性、语义对齐、帧间一致性以及视频质量。