视频生成

英伟达新GPU，超长上下文/视频生成专用

老黄对token密集型任务下手了。刚刚，在AI Infra Summit上，英伟达宣布推出专为处理百万token级别的代码生成和生成式视频应用的全新GPU——NVIDIA Rubin CPX GPU。老黄表示：Rubin CPX是首款为超大上下文AI量身定制的CUDA GPU，可以让模型“一口气”推理数百万token。

9/10/2025 9:38:56 AM

你能永远陪我聊天吗？复旦&微软提出StableAvatar: 首个端到端无限时长音频驱动的人类视频生成新框架!

在《流浪地球 2》中图恒宇将 AI 永生数字生命变为可能，旨为将人类意识进行数字化备份并进行意识上传，以实现人类文明的完全数字化。如今随着扩散模型的兴起极大，涌现出大量基于音频驱动的数字人生成工作。具体而言，语音驱动人类视频生成旨在基于参考图像与音频，合成面部表情与身体动作与音频高度同步的自然人像视频，在电影制作、游戏制作、虚拟现实、直播带货等领域具有广泛的应用前景。

8/31/2025 1:37:00 PM

机器之心

告别「面瘫」配音，InfiniteTalk开启从口型同步到全身表达新范式

传统 video dubbing 技术长期受限于其固有的 “口型僵局”，即仅能编辑嘴部区域，导致配音所传递的情感与人物的面部、肢体表达严重脱节，削弱了观众的沉浸感。现有新兴的音频驱动视频生成模型，在应对长视频序列时也暴露出身份漂移和片段过渡生硬等问题。为解决这些痛点，Infinitetalk 引入 “稀疏帧 video dubbing”。

8/28/2025 9:11:56 AM

阿里通义万相预告Wan 2.2-S2V模型：解锁AI视频音频同步生成

近日，阿里通义万相团队在社交媒体平台X上发布预告，即将推出其最新的AI模型——Wan2.2-S2V。这款新模型的核心亮点在于，它不仅具备强大的视频生成能力，还能同步生成音频，实现了视频与音频的深度融合。根据团队发布的示例视频，该模型能够生成包含唱歌音频的AI视频，这标志着其在多模态AI生成技术上迈出了重要一步。

8/26/2025 11:31:10 AM

AI在线

首个接入GPT-5的视频Agent！一句话生成商业级广告大片，分镜配音字幕等全包了

AI视频生成，快速进入Agent时代！只需一句提示词：生成一个F1赛车的现场解说视频。 AI即可自动完成分镜、画面、配音、字幕，生成结构完整、节奏在线的爆款视频。

8/25/2025 2:05:09 PM

仅50天！百度蒸汽机视频生成大模型升级2.0版本，价格低至行业70%

8月21日，百度蒸汽机（MuseSteamer）音视频一体化模型完成重大升级，Turbo版、Lite版、Pro版，及有声版全面开放，在行业内首次实现多人有声音视频一体化生成。百度蒸汽机通过五大技术突破实现“需求即成片”，在生成电影级高清视频画面的同时，实现逼真环境音效、自然人物语音的同步输出。即日起，用户可通过百度搜索“百度蒸汽机”或登录“绘想”平台体验，企业用户可在千帆平台享受高性能视频生成服务。

8/21/2025 6:33:48 PM

云昭