⌘ K
… 读取采集状态 同步中...
雷

AI 视频

AI 视频生成与理解：文生视频模型、视频编辑工具与影视创作变革的追踪。

58条精选相关主题图像生成多模态语音与音频

最新精选

第 1–20 条 · 共 58 条
10月11日周日
  1. The Decoder82

    Odyssey 发布可公开体验的世界模型 Odyssey-3

    Odyssey 开放了其世界模型 Odyssey-3 的公开研究预览，用户可基于文本提示实时生成交互环境并探索物理变化。基础模型参数量为 14B，支持 832×480 像素视频生成，Pro 版本支持 720p 分辨率。

    推荐理由：Odyssey-3允许用户通过文本实时生成交互世界，文章详细展示了其在物理基准测试和机器人控制方面的具体性能与局限。

  2. APPSO68

    AI「克隆」的 Adobe 全家桶一夜爆火，但先别急着卸载正版

    开发者 Brandon Thomas 借助 AI 开源了七款 Adobe 平替软件，引发热潮但功能远未达到成熟水平。PhotoCraft 等工具能打开基础文件，但在处理复杂 PSD、智能滤镜和视频渲染等核心工作流时，仍面临大量 bug 且性能不足，目前无法替代 Adobe 几十年的技术积累。

    推荐理由：文章通过对比开源平替的基础功能与成熟软件的复杂工作流，解释了 AI 编码如何改变软件开发中感知完成度的方式。

  3. 特工宇宙78

    Hypit 开源：为 Agent 创造视频语言 SVML

    开源视频复刻工具 Hypit 推出 SVML（语义视频标记语言），将视频转化为可编译源码以支持 AI 修改。SVML 使用台词作为时间轴避免硬编码，实现素材分离以便复用与批量生成变体。Hypit 开源十天获得约 16000 个 GitHub Star，并接入 TokenPay 服务。

    推荐理由：作者拆解了 Hypit 底层 SVML 语言如何将视频转化为可编译源码，解释了复刻背后的架构逻辑与迭代效率。

10月9日周五
  1. InfoQ CN68

    Utopai 打破 AI 影视工具与制片厂边界

    Utopai 作为估值 10 亿美元的 AI 影视公司，通过自研模型、生产工具与制片业务重构内容产业价值链。其定制模型 Utopai X 在 Artificial Analysis 榜单全球第二，生产系统 PAI 已接入日本 DeNA 动画流程，并以低成本方式推进多个独立电影项目。

    推荐理由：文章基于 Utopai 横跨模型、工具与制片的商业模式，解释了 AI 如何降低影视制作门槛并改变行业价值分配。

  2. AI HOT68

    单张 RTX 5090 上运行 MiniMax H3 生成实时视频的实践

    ComfyUI 博客作者通过智能体搜集并应用多种优化，将 MiniMax H3 实时视频生成任务压缩到单张 RTX 5090（32GB 显存）上运行。该方案生成 30 秒视频耗时 23.51 秒，达到 1.28 倍实时吞吐。

    推荐理由：原文给出了单张显卡实现实时视频生成的完整优化路径，读者可据此评估低成本部署的可行性。

10月8日周四
  1. 特工宇宙82

    Vidu Q4 Preview 发布：0.09 元/秒起，视频生成进入普惠时代

    Vidu 发布旗舰模型 Q4 的预览版 Q4 Preview，最低定价 0.09 元/秒，并支持 4K 直出、15 张参考图输入及 3 段参考音频统一音色。实测中其显著提升人物演技与镜头运镜表现力，使 10 秒视频成本低于 1 元，为创作者提供高性价比选项，引发海外社区对质量、可控性与成本的综合讨论。

    推荐理由：Q4 Preview 将旗舰级视频生成价格降至 0.09 元/秒起，让普通人能低成本反复尝试，标志 AI 视频进入普惠阶段。

  2. 机器之心67

    生数科技推出 Vidu Q4 Preview：主打人物表演与镜头控制，成本低至 0.09 元/秒

    生数科技推出 Vidu Q4 Preview，支持最多 15 张参考图、3 段参考音频输入及 2K、4K 画质输出，首发价格 0.09 元/秒起。在实测中，该模型能在 16 秒内完成高节奏广告叙事与固定镜头的情绪独角戏，有效控制了角色身份漂移。其基于世界模型路线优化了注意力计算，使生成速度约为同类模型的 2 倍。

    推荐理由：文章拆解了 Vidu Q4 Preview 在生成速度、多参考控制与 0.09 元/秒成本上的具体变化，展示了低算力成本对多版本试错的工程意义。

10月7日周三
  1. 量子位 QbitAI77

    Utopai X登文生视频榜第二，Utopai Studios展示AI影视制作全链条

    独立评测机构Artificial Analysis最新文生视频榜单中，Utopai X以1150分位列第二，与阿里Wan 3.0仅差7分。该模型由Utopai Studios基于MiniMax开源模型H3后训练开发，主打影视制作场景，其制片平台PAI已应用于NBA球星哈登动画短片及日本DeNA公司宝可梦项目。

    推荐理由：文章通过AA盲测数据与Utopai项目案例，揭示影视公司如何将视频模型嵌入制片流程并预售发行权。

  2. 量子位75

    Utopai Studios 视频模型 Utopai X 盲测全球第二并推出制片平台 PAI

    独立评测机构 Artificial Analysis 最新文生视频榜单中，影视公司 Utopai Studios 的模型 Utopai X 位列全球第二。该模型基于 MiniMax 开源视频模型 H3 进行后训练，在音频同步和运镜控制等 7 项能力上表现更优。

    推荐理由：原文指出影视公司 Utopai Studios 的视频模型 Utopai X 在盲测中取得全球第二，展示了技术从生成工具向制片流程整合的业务逻辑。

10月6日周二
  1. 机器之心68

    Utopai X 视频模型全球第二：影视公司生产系统如何驱动 AI 能力

    独立评测机构 Artificial Analysis 的全球文生视频排行榜（Video Arena）上，影视公司 Utopai Studios 开发的 Utopai X 以 1150 的 Elo 评分位列全球第二、全美第一。文章分析指出，这一成绩并非单纯技术突破，而是源于该公司将影视制作经验沉淀为 AI 生产系统的结果。

    推荐理由：文章拆解 Utopai Studios 的影视生产背景，解释其视频模型能力背后的系统化积累。

  2. MarkTechPost76

    Reka 发布 Rho-1：19B 全模态推理模型，统一理解、生成视频并输出机器人动作

    Reka 发布 Rho-1 研究预览版，这是一个 19B 的全模态推理模型，能统一处理文本、图像、视频和机器人动作。模型采用双流架构，在 320 张 H100 上训练 3 个月，支持视频生成与实时控制，蒸馏版本可将去噪步骤从 99 降至 8。

    推荐理由：Rho-1 展示了单模型处理多模态与机器人动作的架构，以及蒸馏带来的推理速度变化，便于对比现有多模态流水线。

  3. 新智元75

    影视公司自研模型 Utopai X 登顶 AI 视频多项指标

    Utopai Studios 自研视频模型 Utopai X 在 Artificial Analysis 盲评榜单中取得全球第二、全美第一，音频同步与物理效果获全球第一。该公司基于 MiniMax H3 进行深度后训练，引入好莱坞影视实战需求，并与 DeNA、华策影视等达成合作，三部长片锁定 2027 年全球院线。

    推荐理由：文章解析了影视公司自研模型在盲评中胜过通用大厂的原因，揭示了专业数据与制作流程在 AI 视频领域的关键价值。

10月4日周日
  1. 极客公园75

    Tavus 发布 Griffin 模型：全双工视频交互让 48% 用户误以为是真人

    Tavus 发布 Griffin 模型，定义为全球首个「人类交互模型」（HIM）。该模型采用全双工、视频到视频架构，在一分钟测试中 48% 的参与者误认为对面是真人。其核心突破在于端到端处理视觉与听觉信号，平均延迟 0.43 秒，并能在 NVIDIA VideoFDB 基准的生成赛道领先竞品。

    推荐理由：文章拆解了 Griffin 全双工视频到视频架构的延迟数据，并客观指出了其测试样本与图灵测试定义间的统计局限。

  2. AI信息Gap85

    Claude Opus 5.5 视频生成完整教程：从一句话到 9500 字符导演脚本

    Anthropic 的 Claude Opus 5.5 虽非视频模型，但可通过生成网页动画代码、无头浏览器逐帧截图、FFmpeg 拼接实现视频制作。教程给出了 HyperFrames 与 Remotion 两种渲染方案，以及 6 种提示词策略，从一句话到 9500 字符导演脚本不等。

    推荐理由：原文拆解了 Opus 5.5 生成视频的三层管线与六种提示词结构，提供了带实际消耗的完整落地路径。

10月3日周六
  1. 硅星人Pro79

    Tavus 发布 Griffin 实时视频交互模型，48% 参与者误认为真人

    AI 研究团队 Tavus 发布 Griffin 模型及其预览版 Griffin-Lite，在 54 人的实验中 26 人（48%）误认为通话对象是真人，而上一代系统该比例仅为 2.4%。模型采用全双工交互方案，将音视频生成延迟压缩至 0.43 秒，在英伟达 VideoFDB 榜单上表现领先，但样本有限且对话流畅度评分偏低，Tavus 称正在开发 AI 身份披露功能。

    推荐理由：原文详细拆解了 48% 真人误判率的技术边界与延迟指标，为实时视频交互模型的安全性评估提供了可对照基准。

9月26日周六
  1. 新智元81

    生数科技 Vidu S2 实时互动模型助力AI主播紫樱完成直播

    生数科技发布 Vidu S2 实时交互模型，AI主播紫樱在其支持下完成直播并赚取营业值。Vidu S2 支持实时语音交互、动作控制和视频流编辑，具备强一致性，可应用于游戏NPC、AI陪伴和实时风格化视频生成。

    推荐理由：原文展示了AI主播通过实时互动模型完成直播盈利的过程，并拆解了模型一致性、实时生成和情境理解三个关键技术支撑。

9月25日周五
  1. APPSO77

    Meta 发布 100 克 Meta VR Glasses 及 Ray-Ban Meta Audio

    Meta 发布仅重 100 克的 Meta VR Glasses，售价 1299.99 美元，并推出无摄像头的 Ray-Ban Meta Audio 眼镜。两款产品均搭载 Muse 智能体与助听功能，分别瞄准轻便观影与全天候佩戴场景。

    推荐理由：Meta 将 VR 头显重量压至 100 克并搭配 Muse 智能体，明确了其在 AI 入口之争中的差异化硬件路径。

  2. Google Research75

    Google 提出 AI 视频协同导演框架，自动化生成连贯的长视频

    Google Research 推出 AI 视频协同导演（AI video co-director），一套建立在 Gemini 和 Veo 之上的多智能体框架，旨在自动化长视频生成的创意编排与视觉连贯性。

    推荐理由：该研究针对长视频生成的语义漂移与级联失败痛点，提出多层多智能体协同框架，展示了在数分钟时长中保持角色与环境一致性的关键工程方法。

9月23日周三
  1. AI科技评论75

    PixVerse R2 攻克实时世界模型 Scaling，实现动作与文本同会话并行

    PixVerse R2 上线后全量开放网页端体验，将实时世界模型的 Scaling 拆解为能力扩展与实时加速两个层次。HAR 记录显示，八轮 Prompt 与 3355 条动作帧共用同一条持续会话流，用户无需在动作和语义模式间切换，即可在同一运行世界中同步执行高频 WASD 操作与多模态指令，且完整指令响应中位耗时控制在 4.27 秒内。

    推荐理由：原文通过协议数据与实机体验，证实了实时世界模型可在单次会话内同时处理高频动作与多轮文本指令。

9月21日周一
  1. 极客公园69

    剪映发布 ICG Studio 互动影游平台及 AI 创作工具

    9 月 20 日，剪映在发布会上推出 ICG Studio，支持创作者通过剧本生成带剧情分支的互动影游。同期更新的一站式工作台“剪映 Hub”和智能 Agent“剪映助手”提供了从素材管理到剪辑优化的全流程工具，将即梦等生成模型产出的内容导入剪辑工作流。

    推荐理由：剪映推出 ICG Studio 互动影游工具，将 AI 生成与剧情分支结合，展示了从短视频编辑向互动叙事内容生产的扩展。