视频生成
阿里开源电影级AI视频模型！MoE架构，5B版本消费级显卡可跑
电影级视频生成模型来了。 来自阿里，来自通义——通义万相Wan2.2。 并且率先将MoE架构实现到了视频生成扩散模型中，能够实现电影级效果。
7/29/2025 9:12:00 AM
ICCV高分论文｜可灵ReCamMaster在海外爆火，带你从全新角度看好莱坞大片
作为视频拍摄爱好者，你是否曾因为设备限制无法完成想要实现的运镜效果？ 例如想要将镜头上移拍摄风景的全貌，但没有入手拍摄无人机；又或是对拍摄素材很满意，但拍摄时手抖影响了成片质量。 作为 AI 视频创作者，是否对于生成视频的内容很满意，然而运镜却不尽人意？
7/24/2025 8:30:00 AM
大神Karpathy都投的AI实时视频生成模型：直播都能立即转，无限时长几乎零延迟
大神Karpathy都忍不住投资的AI初创，带来首个实时扩散视频生成！ 用扫帚当麦克风，用盒子当混音台，无需昂贵设备就能开一场沉浸式直播。 喜欢游戏类型但不喜欢游戏的画面？
7/21/2025 8:46:00 AM
无需NeRF/高斯点后处理，视频秒变游戏模型成现实！新方法平均每帧仅需60秒 | ICCV 2025
只需一段视频，就可以直接生成可用的4D网格动画？ 来自KAUST的研究团队提出全新方法V2M4，能够实现从单目视频直接生成高质量、显式的4D网格动画资源。 这意味着无需NeRF/高斯点后处理，可直接导入游戏/图形引擎。
7/21/2025 8:45:00 AM
免剪辑直出！AI生成多角色同框对话视频，动态路由精准绑定音频
近年来随着视频生成基础模型的涌现，音频驱动的说话人视频生成领域也取得了显著进展。 但现有方法主要聚焦于单角色场景，现有可生成两个角色对话视频的方法仅能单独地生成两个分离的说话人视频。 针对这一挑战，研究人员提出了首个专注同场景多角色说话视频生成的框架Bind-Your-Avatar该模型基于扩散Transformer（MM-DiT），通过细粒度的嵌入路由机制将「谁在说」与「说什么」绑定在一起，从而实现对音频–角色对应关系的精确控制。
7/17/2025 1:14:05 PM
拍我AI（PixVerse）上线多关键帧生成功能 ，AI视频创作从“片段”迈向“故事性表达”
今天,全球超6000万用户的拍我AI（PixVerse）在首尾帧模块中新增「多关键帧生成」功能。 用户可上传最多7张图片作为关键帧，在首尾帧模式下轻松生成最长30秒的连贯视频，显著增强创作者对AI视频叙事的掌控力。 ▲用户可通过拍我AI网页端首尾帧功能添加最多7张关键帧.
7/11/2025 5:32:21 PM
一水
1080p飞升4k，浙大开源原生超高清视频生成方案，突破AI视频生成清晰度上限
为什么AI生成的视频总是模糊卡顿？ 为什么细节纹理经不起放大？ 为什么动作描述总与画面错位？
7/2/2025 8:30:00 AM
打破长视频理解瓶颈：HoPE混合位置编码提升VLM长度泛化能力
李浩然，CMU 机器学习系研究生，研究方向是基础模型的长上下文建模、对齐、以及检索增强生成。 如今的视觉语言模型 (VLM, Vision Language Models) 已经在视觉问答、图像描述等多模态任务上取得了卓越的表现。 然而，它们在长视频理解和检索等长上下文任务中仍表现不佳。
6/30/2025 8:50:00 AM
AI秒懂短视频，快手大模型Keye-VL理解力爆表！技术细节全开源
如果有人突然问你：「这张图片中有几颗草莓」？ 你会如何快速回复？ 面对五彩缤纷的果盘，我们往往需要反复端详，放大图片再逐一清点，耗费不少时间才能得到答案。
6/26/2025 3:05:45 PM
单GPU搞定高清长视频生成，效率×10！引入Mamba机制突破DiT瓶颈 | 普林斯顿&Meta
视频生成模型太贵太慢怎么办？ 普林斯顿大学和Meta联合推出的新框架LinGen，以MATE线性复杂度块取代传统自注意力，将视频生成从像素数的平方复杂度压到线性复杂度，使单张GPU就能在分钟级长度下生成高质量视频，大幅提高了模型的可扩展性和生成效率。 实验结果表明，LinGen在视频质量上优于DiT（胜率达75.6%），并且最高可减少15×（11.5×）FLOPs（延迟）。
6/18/2025 4:42:15 PM
10×加速！DCM显著提升视频扩散模型推理效率！HunyuanVideo13B推理时间从1500秒缩短至120秒！
本文由南京大学，香港大学，上海人工智能实验室，中国科学院大学与南洋理工大学 S-Lab 联合完成。 扩散模型在视频合成任务中取得了显著成果，但其依赖迭代去噪过程，带来了巨大的计算开销。 尽管一致性模型（Consistency Models）在加速扩散模型方面取得了重要进展，直接将其应用于视频扩散模型却常常导致时序一致性和外观细节的明显退化。
6/18/2025 4:39:02 PM
稀宇科技MiniMax推出视频生成模型Hailuo 02
稀宇科技在视频生成领域取得新进展，正式推出全新视频生成模型Hailuo02。 据悉，Hailuo02在处理高度复杂场景如体操动作时表现出色，是目前全球唯一能够实现此类效果的模型。 自去年8月底展示视频生成模型Demo网页以来，稀宇科技推出的海螺视频产品已帮助创作者生成超过3.7亿个视频，此次Hailuo02的推出进一步降低了视频创作门槛，提升了创作质量。
6/18/2025 12:01:54 PM
AI在线
通向世界模型关键一步：EX-4D来了，实现单目视频到自由视角生成
本文主要作者是 Bytedance Pico 北美高级研究员胡涛博士，近年来研究领域包括3D 重建与 4D 场景和视频生成，致力于得到一种最佳的物理世界表示模型。 其他作者均为 Pico MR 团队核心成员。 去年一年来，Sora、可灵、Veo 等模型掀起了视频生成领域的革新。
6/18/2025 10:09:13 AM
人类飞机上吵架看呆袋鼠」刷屏全网，7000万人被AI耍了
200 多年前，曹雪芹在《红楼梦》中写下这样一句话：假作真时真亦假，无为有处有还无。 翻译成大白话就是，当虚假被当作真实时，真实也会被视为虚假；当虚无被强行视为存在时，存在也会消解为虚无。 万万没想到，放在今天的 AI 语境下，这句古话竟精准地映照了现实。
6/17/2025 9:05:00 AM
AI ASMR突然火爆全网！3天狂揽近10万粉丝，一条切水果视频播放量破1650万
短视频平台熬夜冲浪的我突然发现，AI ASMR突然火了？ ！ 大家可以打开声音欣赏一下这条切割浆果的视频，它拿下了16500000的浏览量。
6/16/2025 8:54:00 AM
CVPR2025视频生成统一评估架构，上交x斯坦福联合提出让MLLM像人类一样打分
视频生成技术正以前所未有的速度革新着当前的视觉内容创作方式，从电影制作到广告设计，从虚拟现实到社交媒体，高质量且符合人类期望的视频生成模型正变得越来越重要。 那么，要如何评估AI生成的视频是否符合人类的审美和需求呢？ Video-Bench视频评估框架，能够通过模拟人类的认知过程，建立起连接文本指令与视觉内容的智能评估体系。
6/13/2025 9:10:00 AM
256块NPU训成8B视频模型、超越Sora等一众闭源！抖音内容技术团队开源ContentV
近日，抖音内容技术团队开源了 ContentV，一种面向视频生成任务的高效训练方案。 该方案在多项技术优化的基础上，使用 256 块 NPU，在约 4 周内完成了一个 8B 参数模型的训练。 尽管资源有限，ContentV 在多个评估维度上取得了与现有主流方案相近的生成效果。
6/13/2025 9:03:00 AM
每秒生成超30帧视频，支持实时交互！自回归视频生成新框架刷新生成效率
在A100上用310M模型，实现每秒超30帧自回归视频生成，同时画面还保持高质量！ 视频生成现在都快这个程度了？ 最近，来自微软研究院的团队与北大联合发布新框架——Next-Frame Diffusion (NFD)。
6/12/2025 11:57:56 AM
资讯热榜
6秒视频10秒生成！全新AI视频神器 Grok Imagine 深度体验+元提示词分享
OpenAI 为 ChatGPT 推出智能记忆清理功能，Plus 用户率先体验
大的来了：谷歌Gemini 3.0 Pro单次生成网页版操作系统，Win、Mac、Linux一网打尽
「性价比王者」Claude Haiku 4.5来了，速度更快，成本仅为Sonnet 4的1/3
AI玩拼图游戏暴涨视觉理解力，告别文本中心训练，无需标注的多模态大模型后训练范式
OpenAI官宣自研首颗芯片，AI界「M1时刻」九个月杀到！联手博通三年10GW
刚刚，OpenAI官宣自研造芯，联手博通开发10吉瓦规模的AI加速器
OpenAI与博通联手打造10GW定制AI加速器
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
DeepSeek
谷歌
AI绘画
机器人
数据
大模型
Midjourney
开源
Meta
智能
微软
用户
AI新词
GPT
学习
技术
智能体
马斯克
Gemini
图像
Anthropic
英伟达
AI创作
训练
论文
LLM
代码
算法
芯片
Stable Diffusion
苹果
腾讯
AI for Science
Agent
Claude
蛋白质
开发者
生成式
神经网络
xAI
机器学习
3D
研究
人形机器人
生成
AI视频
百度
大语言模型
Sora
工具
具身智能
GPU
RAG
华为
计算
字节跳动
AI设计
搜索
大型语言模型
AGI
场景
视频生成
深度学习
架构
DeepMind
视觉
预测
伟达
Transformer
编程
AI模型
神器推荐
亚马逊
MCP