Text_to_Vision

Este repositorio contiene un modelo de generación de texto a video ajustado utilizando la biblioteca Transformers de Hugging Face. El modelo ha sido entrenado en varios conjuntos de datos durante aproximadamente 1000 pasos para generar contenido de video a partir de entradas textuales. El modelo de texto a video desarrollado aquí se basa en los Transformers de Hugging Face, especializándose en traducir descripciones textuales en secuencias de video correspondientes. Ha sido ajustado en diversos conjuntos de datos, permitiéndole entender y visualizar una amplia gama de indicaciones textuales, generando contenido de video relevante.