动画制作一直是一个耗时且复杂的过程。尽管计算机和软件技术的发展为动画行业带来了便利，但制作动画仍然需要大量的时间。然而，随着人工智能（AI）技术的不断进步，这一问题可能已经找到了解决方案。
来自伊利诺伊大学和艾伦人工智能研究所的研究人员开发了一种名为CRAFT（Composition, Retrieval, and Fusion Network）的AI模型，该模型能够根据用户提供的文本描述（或字幕）生成《摩登原始人》卡通系列的场景。与像素生成方法不同，此模型基于从视频数据库中检索实体片段的文本到实体段检索。
CRAFT模型的最终版本是通过训练超过25,000个视频片段来开发的，每个视频片段时长为3秒，包含75帧。可以想象，每个视频都需要被标记和注释，以确定场景中出现的角色和场景内容。
AI通过匹配视频和文字描述来构建一组参数。CRAFT可以将提供的文本描述转换为该动画系列的视频片段，包括角色、道具和地点，正如它从视频中学到的那样。它不仅可以将角色放置到位，还可以解析对象、检索背景等。
尽管如此，产生的结果仍然是原始的。正如下面发布的视频中所展示的，AI大多数时候能够正确处理，但当它出错时，视频看起来就像一团糟。可以说这是一个正在进行中的工作，尽管潜力巨大。
下面是一个视频，展示了CRAFT的工作方式：
<video controls>
<source src="craft_demo.mp4" type="video/mp4">
浏览器不支持视频播放。
</video>