视频生成

训练成本暴降99%，35秒出1分钟高清视频！英伟达MIT等引爆视频AI革命

27帧每秒的实时视频生成、35秒合成1分钟高清视频——这不是遥远的未来，而是刚刚由英伟达联合MIT与港大团队带来的现实。全新一代视频扩散模型SANA-Video横空出世，凭借革命性的线性DiT架构与恒定显存KV缓存机制，不仅速度超越所有同类模型，更以高达720p的分辨率与分钟级时长生成，重新定义了AI视频生成的效率极限。 SANA-Video不仅在速度和性能上表现出色，生成的图像质量也非常高。

10/20/2025 8:58:00 AM

紧急应对Sora 2，谷歌推出Veo 3.1版本：一手实测

刚刚，谷歌Veo 3进行了更新，最新版本Veo 3.1，可以在这里体验，fast模式每次生成耗费20积分，相比sora 2 看起来贵很多，sora 2到目前为止都是无限制生成，完全免费我第一时间就做了一个Veo 3.1和sora 2的初步对比测试，测试下来，Veo 3.1审美以及提示词遵循能力还是不如sora 2，不过好处是，Veo 3.1支持上传人像进行创作，sora 2 目前图生视频不支持人像废话不多说，看玩法：上手测试1.图生视频：nanobanana Veo 3.1先用nanobanana生成一个超高清小姐姐提示词：复制进入：，提示词：展示穿搭。

10/16/2025 9:37:11 AM

实测“清华特奖版Sora”：一图一prompt直接生成视频，堪称嘴强王者

那边OpenAI的Sora2还没全面开放，这边国内团队已经上线了自己的“特色打法”。清华特奖选手创办的Sand.ai，上线了音画同步视频模型GAGA-1。你可以把它理解为：一个专门练“嘴功”和“表演感”的视频生成模型：怎么样，奥特曼看了这视频都得说一句：好家伙！

10/13/2025 9:02:00 AM

Sora 2深夜来袭，OpenAI直接推出App，视频ChatGPT时刻到了

没想到吧，在别家节前卷大模型时，OpenAI 悄悄发布了 Sora2。而且，这次是直接产品化，推出了 App，甚至还有配套的视频推送算法，声称可以防成瘾。这是要做自己的 TikTok？

10/1/2025 11:01:00 AM

机器之心

生数科技获数亿元融资，视频生成引领AI商业化新潮流

近日，多模态 AI 领域的先锋企业生数科技宣布成功完成数亿元人民币的 A 轮融资。这轮融资由博华资本领投，老股东百度战投、北京市人工智能产业投资基金等多个投资方继续跟进，显示出市场对生数科技的高度认可。公司计划利用这笔资金进一步推动模型研发和技术创新，探索多模态大模型的潜力，进而加速产品拓展和用户服务。

9/19/2025 4:21:29 PM

AI在线

刚刚，李飞飞空间智能新成果震撼问世！3D世界生成进入「无限探索」时代

就在今天，斯坦福大学教授李飞飞的创业公司 World Labs 发布了新成果 —— 限量开放的测试预览版空间智能模型 Marble。「只需一张图片，就能生成持久存在的 3D 世界，比以往更宏大、更震撼！」我们先看下面一段视频 demo：李飞飞对此表示，「这是一个使用我们的 3D 世界生成模型创建的极其庞大的世界，它令我惊叹不已！

9/17/2025 9:18:56 AM

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