AITOPAI热报

视频生成

共 565 条相关 AI 资讯 · 查看话题观测
5月20日
11:53
09:52
09:52shao__meng@shao__meng
83°
Google 在 I/O 大会上发布了 Gemini Omni，这是一个原生多模态的「理解+生成」模型，主攻视频领域。与 Veo、Sora 等传统视频生成模型不同，Omni 从底层设计为多模态，支持任意组合输入（图、文、视频、音频）产出或编辑视频。其核心差异化能力包括对话式视频编辑（多轮修改保持一致性）、结合世界知识与物理直觉的生成，以及任意参考物组合。Omni 在编辑方式、提示词要求和知识运用上全面超越现有模型，标志着视频生成进入新阶段。
AI产品Gemini Omni多模态模型视频生成
推荐理由：做视频创作或 AI 内容生成的团队，终于有了一个能像聊天一样改视频的工具——多轮编辑保持一致性，不用每次重写 prompt，建议直接看官方对比。
原文
08:18
06:03
06:03rohanpaul_ai@rohanpaul_ai
83°
Google 推出 Gemini Omni，一个能从视频、图像、音频、文本和草图等多种输入生成并编辑视频的 AI 模型。用户只需用自然语言描述，即可添加角色、替换物体、改变动作、调整风格、同步声音或移动镜头，且每次编辑后场景保持稳定。Omni 具备更强的世界理解能力，能更真实地模拟重力、流体运动、动能和物理交互。该模型将集成到 Gemini 应用、Google Flow 和 YouTube Shorts 中。Google 还为 Omni 输出添加了 SynthID 水印和 C2PA 内容凭证，以标识 AI 生成或编辑的媒体。
AI产品Gemini Omni视频生成视频编辑
事件专题
推荐理由：视频创作者和内容团队终于有了一个能像导演一样反复指导修改的 AI 工具，而非一次性的 prompt 生成。做短视频、广告或影视后期的人，可以直接用自然语言调整画面细节，值得关注。
原文
03:31
03:17
03:07
01:23
01:17
00:47
00:47berryxia@berryxia
88°
NVIDIA研究员Yukang Chen开源了LongLive 2.0，这是全球首个端到端支持4-bit量化的超长视频生成基础设施，覆盖训练和推理全流程。核心技术包括FP4量化和并行加速，在5B模型上实现45.7 FPS的实时生成速度。该工具支持真实视频训练、few-step蒸馏、多shot训练/推理、序列并行、NVFP4 KV cache和异步VAE解码部署。此前长视频生成面临速度慢或长度受限的问题，LongLive 2.0将4-bit长视频实时生成能力推向开源社区。
AI产品NVIDIALongLive 2.04-bit量化
事件专题
推荐理由：做视频生成或AI基础设施的开发者终于有了一个能跑长视频的4-bit开源方案，NVIDIA把训练到推理的整套加速打法打包好了，建议直接试代码。
原文
5月19日
23:48
23:38
23:38TestingCatalog@testingcatalog
Google 在 I/O 大会上宣布 Google Flow 新增角色和场景功能，用户可以创建可复用的角色用于视频生成，并支持多种角色语音。此外，Google Flow 的 Android 应用已上架 Google Play。这些更新使视频创作更灵活高效，适合内容创作者和开发者测试使用。
AI产品Google Flow视频生成角色
推荐理由：做视频创作的团队终于有了可复用的角色和场景功能，还能选不同语音，Android 用户可以直接下载体验，建议试试。
原文
14:21
14:21官方账号阿里云 Alibaba Cloud@alibaba_cloud
阿里云宣布成为2026年摩纳哥AI电影节的冠名赞助商，该电影节是电影与人工智能交汇的盛会。作为云计算和AI基础设施的全球领导者，阿里云将为创作者、工作室和创新者提供训练大模型、生成沉浸式视频内容以及高性能渲染等工具。电影节将于2026年6月9日至10日在摩纳哥蒙特卡洛举行，旨在支持新一代AI驱动的创意制作。此举标志着阿里云在AI创意领域的重要布局，推动技术与艺术的融合。
行业阿里云AI电影节云计算
推荐理由：阿里云冠名AI电影节，说明云厂商正在认真押注AI创意工具赛道——做视频生成、影视渲染的团队可以关注其提供的底层基础设施，看看能否降低自己的制作成本。
原文
12:35
12:10
5月18日
20:10
13:28
12:16
11:58
11:58官方账号arXiv cs.AI@Adrienne Deganutti, Dingning Cao, Jaejung Seol, Elad Hirsch, Purvanshi Mehta
精选
生成式视频模型在设计动画任务中应用渐广，但缺乏标准化评估体系。与自然视频不同，设计动画需满足结构化约束：特定组件按指定运动类型、方向、速度和时序动画，非动画区域保持稳定，布局结构不变。本文提出全自动评估框架，涵盖布局保真度、运动正确性、时间质量和内容保真度四个维度，消除主观人工评估依赖，为领域进展提供统一基准。
论文视频生成设计动画评估框架
推荐理由：做设计动画生成或视频评估的团队终于有了可复用的自动化评测标准，不用再靠人工打分——建议直接参考框架搭建自己的评测流程。
原文
11:50
5月15日
14:41
11:07
11:07官方账号arXiv cs.LG@Xiang Fan, Yuheng Wang, Bohan Fang, Zhongzheng Ren, Ranjay Krishna
精选
RefDecoder 是一种参考条件视频 VAE 解码器，通过将高保真参考图像信号直接注入解码过程来改善视频生成中的细节丢失和不一致问题。它使用轻量级图像编码器将参考帧映射为高维 token，并在解码器每个上采样阶段与去噪后的视频潜在 token 协同处理。在 Inter4K、WebVid 和 Large Motion 基准测试上，RefDecoder 相比无条件基线实现了最高 +2.1dB PSNR 的提升。该方法可直接替换现有视频生成系统中的解码器而无需额外微调，并在 VBench I2V 基准上全面提升了主体一致性、背景一致性和整体质量分数。此外，RefDecoder 还能泛化到风格迁移和视频编辑优化等多种视觉生成任务。
论文视频生成VAE解码器条件解码
推荐理由：视频生成中解码器长期被忽视，RefDecoder 用轻量级条件注入解决了细节丢失的痛点，做视频生成或编辑的团队可以直接替换现有系统试试，效果立竿见影。
原文
10:54
10:54官方账号arXiv cs.AI@Jiaxin Wu, Yihao Pi, Yinling Zhang, Yuheng Li, Xueyan Zou
精选
生成式视频模型常被当作隐式世界模型，但现有评估方法依赖人工判断或学习评分器，难以诊断几何错误。研究者提出PDI-Bench框架，通过分割、点跟踪和单目重建，将生成视频中的物体提升到3D世界坐标，计算尺度-深度对齐、3D运动一致性和3D结构刚性三个维度的残差。配套的PDI-Dataset覆盖多种几何约束场景，测试发现当前最先进的视频生成器存在一致的几何特定失败模式，这些模式不被常见感知指标捕获。该框架为迈向物理可信的视频生成提供了诊断信号。
论文视频生成世界模型几何一致性
推荐理由：视频生成模型常被当作世界模型，但几何一致性是硬伤——PDI-Bench用定量方法暴露了现有模型在3D结构上的系统性失败，做视频生成或世界模型研究的团队值得用它来诊断自己的模型。
原文
10:51
10:51官方账号arXiv cs.AI@Ruozhen He, Meng Wei, Ziyan Yang, Vicente Ordonez
精选
多镜头视频生成面临跨镜头实体（角色、物体、场景）一致性难题，现有评估方法覆盖有限且指标简单。研究者推出 EntityBench 基准，包含 140 个剧集（2491 个镜头），按难易分三档，最长 50 个镜头、13 个跨镜头角色、8 个场景、22 个物体，并设计三支柱评估套件（画质、指令遵循、跨镜头一致性），仅通过保真门控的实体才计入一致性评分。作为基线，提出 EntityMem 记忆增强系统，在生成前将已验证的实体视觉参考存入持久记忆库。实验表明现有方法跨镜头一致性随镜头间隔急剧下降，而 EntityMem 在角色保真度（Cohen's d = +2.33）和出现率上最优。代码和数据已开源。
论文视频生成实体一致性基准测试
推荐理由：视频生成领域终于有了严肃的实体一致性基准，做多镜头叙事生成的研究者可以直接用这套评估体系，EntityMem 的记忆方案也值得复现试试。
原文
00:24
5月13日
09:11
09:11
09:11
01:58
00:33
00:33官方一手MiniMax: News（资讯）
MiniMax 在其官网展示了最新模型和产品的更新，包括文本模型 MiniMax M2.7 (NEW)、语音模型 MiniMax Speech 2.8 (NEW)、视频模型 MiniMax Hailuo 2.3 / 2.3 Fast (NEW) 以及音乐模型 MiniMax Music 2.6 和 2.5+ (NEW)。此外，AI 原生应用 Agent 也被标注为新产品状态。这些更新表明 MiniMax 正在快速迭代其多模态 AI 能力，涵盖文本、语音、视频和音乐生成领域。对于开发者和企业用户，这意味着可以通过开放平台获得更先进的 AI 能力，用于构建多样化的应用场景。
AI产品MiniMax多模态文本生成
推荐理由：此次更新体现了 MiniMax 在 AI 多模态领域的持续投入，特别是 M2.7 和 Speech 2.8 的推出可能带来文本理解和语音合成性能的提升，值得关注其在开放平台上的实际表现。
原文
5月12日
18:40
18:07
17:19
17:19
17:19官方一手歸藏(guizang.ai)@op7418
据消息，谷歌即将发布新一代视频生成模型 Veo 4（可能另有名称）。该模型支持类似 Seedance 2.0 的全能参考功能，可实现视频内容的修改与替换。在文字生成视频质量上略优于 Seedance 2.0，清晰度和细节也有提升，但整体差异不明显。
AI产品视频生成谷歌Veo 4
推荐理由：此消息表明谷歌正加速迭代视频生成模型，Veo 4 的全能参考功能或将为创意工作者提供更高效的视频编辑工具。
原文
5月11日
22:18
22:18岚叔@lufzzliz
一段视频展示了一个动作表演，通过连续转体720度并完成变身。该内容可能涉及特效或AI生成技术，引起网友关注。虽然具体细节不详，但此类创意内容常与AI视频生成或特效编辑相关。视频链接指向Twitter平台。
AI产品视频生成特效创意内容
推荐理由：反映了当前AI视频生成或特效技术的创意应用趋势，对内容创作者和AI视频领域从业者有参考价值。
原文
22:17
22:17官方账号快手可灵 Kling@Kling_AI
Kling AI在母亲节发布了一段由AI生成的萌宠视频，展示宠物用爪子制作母亲节礼物，传递温馨祝福。视频通过AI技术模拟宠物行为，体现情感表达。该内容旨在推广AI视频生成能力，并借助节日氛围吸引用户关注。
AI产品视频生成Kling AI母亲节
推荐理由：Kling AI利用节日热点展示其视频生成技术，能有效降低AI视频创作门槛，对内容创作者有参考价值。
原文
22:17
22:17官方账号快手可灵 Kling@Kling_AI
AI视频生成公司Kling AI在Twitter上宣布关闭，其推文以“我们长大了，然后分开了”表达告别。该公司曾提供AI视频生成服务，但未说明关闭具体原因。此举给AI视频生成领域带来不确定性，用户需寻找替代服务。
行业视频生成公司动态行业淘汰
推荐理由：Kling AI的关闭反映了AI初创公司在商业化与竞争中的生存压力，提示行业关注可持续商业模式和用户数据迁移风险。
原文
22:17
22:17官方账号快手可灵 Kling@Kling_AI
Kling AI发布了一段由Kling 4K生成的4K视频，设想阿兹特克帝国从未灭亡、现代特诺奇蒂特兰在2026年的样貌。视频由CPP @maxescu创作，展示了高度细节化的架空历史场景。这体现了AI视频生成在历史想象与视觉叙事领域的应用潜力，也标志着Kling在4K分辨率视频生成上的技术进展。
AI产品视频生成Kling 4K创意视觉
推荐理由：该案例展示了AI视频生成在创意视觉叙事中的能力，对内容创作者和AI视频应用开发者具有参考价值，同时表明视频生成模型在分辨率和细节表现上的持续提升。
原文
22:17
22:17