陆川手搓历史现场,王珞丹熬夜抽卡,阿里全模态开始兜底生产
阿里:三年之内会出现一个原生的全模态统一生成模型,未来体验将不再受限于模态边界。
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。
已收录 76 条 · 近 30 天 61 条 · 第 3 / 4 页
阿里:三年之内会出现一个原生的全模态统一生成模型,未来体验将不再受限于模态边界。
生物计算公司希望与AWS合作,销售一种文本到视频的模型,该模型的运行速度将提高五倍,成本将降低80%,这要归功于一个来自真实神经细胞的软件层。这个微小的层在基本模型上增加了不到0.1%,但初创公司不会说是哪种模型。来自实验室生长神经元的微小软件层承诺更快,更便宜的AI视频首次出现在The Decoder上。
这家生物计算公司正在将其人工智能工具引入亚马逊网络服务,这对这个曾经的边缘领域来说是一个重大推动,该领域旨在将自然与代码结合起来。
上传成片和字幕,系统自动从字幕、音画、内容底线三个维度逐集跑一遍,输出可下载、可回填的质检报告。
9月22日,在2026云栖大会「AI+文化传媒」技术发展论坛上,虎鲸文娱集团推出行业首个AI影视制作与管理平台“鲸锐AI”
作者:余旺波、刘坤昊、胡文波|视频世界模型能够交互式探索动态环境,但很难尊重长期和跨视角的先前观察。我们介绍了WorldCrafter,这是一个视频世界模型,它为此学习可供相机查询的隐式3D感知记忆。关键的见解是让请求的观点决定如何将多视图证据压缩到视频生成器的
字节跳动推出了Dramagic,这是一个人工智能平台,负责处理从剧本到视频预览的整个短剧制作流程。中国对这些视频的需求正在激增:仅2026年第一季度,中国就发行了128,000部短剧,其中95%是人工智能生成的。文章字节跳动推出Dramagic,这是一个用于制作从剧本到屏幕的短剧的全管道人工智能平台,首次出现在The Decoder上。
借助GPT-6 Astra,Higgsfield AI让小企业更轻松地创建视频广告,并更快地将新的创意工具推向市场。
9月15日,SkyProduction(天工工作台)中秋国庆折上折活动正式开启!
剪映Hub+剪映助手,好用
Runway希望在用户提示时播放人工智能视频,而不是让他们等待完成的剪辑。该方法基于GWM-1,GWM-1是其逐帧生成视频的世界模型。除了创意工具之外,Runway还在机器人和自动驾驶方面发挥了作用。《Runway》希望将人工智能视频生成变成您实时控制的直播流的文章首先出现在The Decoder上。
9月20日,剪映举办“AI新创作发布会”,围绕不同创作需求推出剪映Hub、AI创作助手“小映”等多个AI新功能,并升级创作者生态。 从专业创作工作台到移动端AI助手,再到模板与创作者服务升级,剪映此次发布的多项能力都指向同一个目标:让AI更多承担生成、整理和重复操作,同时保留创作者对内容、表达和风格的最终判断。随着创作工具、工作流与创作者生态进一步衔接,不同
1000万,把才华送上真正的大舞台
从9月15日开始,SkyProduction(天工工作台)和火山引擎(Seedance 2.5)隆重推出中秋国庆特惠活动
Nunchux AI发布了VC-Attention,这是一个为视频扩散变形金刚(DiTS)构建的免训练低比特注意力内核。它同时解决2个问题:值量化误差和缓慢的softmax阶段。为什么注意力是视频瓶颈视频DiT将剪辑压平为1个时空标记序列,并在每一层运行充分的自我注意力。A [.] Nunchux AI推出VC注意力:一种无需训练的低比特注意力核心,可加速视
克里斯托弗·诺兰(Christopher Nolan)对《奥德赛》(The Odyssey)的引人入胜的演绎在票房上占据主导地位,并激发了电影观众对经典文学的新兴趣。但完全用人工智能重新重述故事是如此糟糕,以至于可能会让观众完全讨厌原来的故事。这部新电影名为《奥德赛:堕落》,上映了[.]
作者:季冠华、李天玉、Dayoon Suh|视频生成的最新进展允许机器人从生成的视频中学习操纵轨迹。然而,这些方法产生的纯粹运动学轨迹缺乏力信息,导致接触丰富的任务失败,而适当的接触力对于成功至关重要。在这项工作中,我们探索用音频增强生成的视频,以塑造有界、时变的愿望
作者:陈楚浩、彼得·旺卡、王朝阳|视频生成的交互式控制正在从粗糙的提示转向对动态场景的细粒度、物理上有意义的操纵。然而,现有的可控方法要么需要在生成开始之前完成完整的控制时间表,要么使用规定对象位置而不是物理动态的像素空间信号。为了解决这些局限性,我们提出了PhysStream,一种autoregre
智象未来(HiDream.ai)正式发布首个原生全模态视频生成模型 HiDream-O1-Video-1.0
作者:王星运、郑浩民、曼远|当视频模型生成物理上不正确的运动时,它是否无法学习正确的运动,或者它学习了它但无法使用它?我们展示了后者:正确的运动在模型内仍然可用,并且仍然可以控制生成的视频。我们在红色物质缓慢振荡、蓝色物质快速振荡的视频上进行训练,然后用观察到的快速运动来测试红色物质