Gate 廣場創作者新春激勵正式開啟,發帖解鎖 $60,000 豪華獎池
如何參與:
報名活動表單:https://www.gate.com/questionnaire/7315
使用廣場任意發帖小工具,搭配文字發布內容即可
豐厚獎勵一覽:
發帖即可可瓜分 $25,000 獎池
10 位幸運用戶:獲得 1 GT + Gate 鸭舌帽
Top 發帖獎勵:發帖與互動越多,排名越高,贏取 Gate 新年周邊、Gate 雙肩包等好禮
新手專屬福利:首帖即得 $50 獎勵,繼續發帖还能瓜分 $10,000 新手獎池
活動時間:2026 年 1 月 8 日 16:00 – 1 月 26 日 24:00(UTC+8)
詳情:https://www.gate.com/announcements/article/49112
生成式AI視頻領域現在挺熱,但大家都卡在一個共同的瓶頸上——存儲成本太高、數據調用速度跟不上、用戶隱私保護還是個大問題。
最近看到一個有意思的案例。生成式AI視頻平台Everlyn把目光投向了去中心化存儲,選擇Walrus作為核心數據層,直接打破了這些行業困境。這種AI與分佈式存儲的深度融合,實際上挺值得關注的。
Everlyn的核心競爭力在於什麼?他們的Everlyn-1模型能在16秒內把靜態圖片轉成高質量視頻,這個速度確實遠超Midjourney這類平台。這背後的技術支撐離不開Walrus的加持。
這次合作規模不小。Everlyn已經把自己積累的5000多條480p到720p清晰度的用戶視頻遷移到Walrus上,後面還計劃把原本存在AWS和Azure上的訓練數據集、模型檢查點、KV快取這些關鍵數據全部轉過來,總量超過50GB。對於AI視頻生成平台來說,這是一個大動作。
為什麼這麼做?成本。訓練數據的存儲成本直接決定了服務定價。Walrus用的Red-Stuff二維糾刪編碼技術能把存儲成本壓到行業新低,這樣Everlyn既能保持高速生成能力,又能給創作者降低使用門檻。
還有個細節——Quilt的批量存儲方案。視頻生成過程會產生大量碎片化小文件,這個方案能完美處理,實現高效的批量處理和快速訪問,保證模型優化的實時性。看起來是個完整的解決方案。