标题：Ilya观点得证！仅靠预测下一个token统一图像文本视频，智源发布原生多模态世界模型Emu3 2024年10月21日，智源研究院发布了原生多模态世界模型Emu3，该模型基于预测下一个token的技术，无需扩散模型或组合方法，即可实现文本、图像和视频的理解与生成。Emu3在图像生成、视频生成和...