拡散モデル？それらはあなたが投げるどんなビットストリームでも処理します—それはかなり明らかです。

さて、テキスト生成に関しては、考慮すべきトレードオフがあります。人間はテキストを直線的に処理します。最初の単語から最後の単語まで。だから、実際の質問は、最初の文を生成する前の待機時間は正当化されるのか？質の向上は待機時間を上回るのか？

しかし、ここでの大きな視点は、ほとんどのAI計算負荷が他の場所に移行しているということです。ビデオ理解と処理が作業負荷の主流を占めるでしょう。そこが本当の動きが向かっているところです。