共 9 篇
坏了，阿里这波是冲着Sora 2去的！ 刚刚，阿里发布了新一代通义万相2.6系列模型，一次性覆盖文生视频、图生视频、参考生视频，以及图像生成和文生图，是目前全球功能最全的视频生成模型。 在视频创作上，万相2.6不仅推出了Sora2目前还没有的多音频驱动生视频能力，还同步引入了音画同步、多镜头叙事等能力。 像下面这个超火的一刀切ASMR，就是通过文本+音频直接驱动出来的： 再看这个由文本+图像+音频驱动的小猫沉浸式吃播，咀嚼声和嘴部动作基本能卡在点上，吃得那叫一个香： 文生图这条线也同步补强了，万相2.6在艺术风格控制、真实感人像、中英文长文本生图以及历史文化IP语义理解等方面的创作能力也都有明
完美是完成的敌人。 AI视频创作平台越来越像一个大型工具箱。 文生视频、图生视频、首尾帧、人物一致性、动作迁移、对口型、数字人、图片生成和声音生成等等，这些功能正在快速进入同一类产品。 模型能力越来越丰富后，产品之间最直观的差别反而没有过去那么大。但普通用户玩 AI 视频的方式，依然很简单。 上传照片，让里面的人跳一支舞；拿情侣照做一段短片；把老照片活化，或是套用热门视觉风格。上手几乎没有门槛，不用提前研究提示词。 一旦某个效果在 TikTok、Instagram Reels 或者抖音火起来，很快就会有人换上自己的照片重做，新作品继续流转在信息流中。 剪映早期的剪同款已经验证过类似逻辑，复杂的
美团，你是跨界上瘾了是吧！（doge）没错，最新开源SOTA视频模型，又是来自这家“送外卖”的公司。模型名为LongCat-Video，参数13.6B，支持文生/图生视频，视频时长可达数分钟。
9 月 25 日，生数科技新一代图生视频大模型 Vidu Q2 正式全球上线，打破了原有 AI 生成的表情太假，动作飘忽不定，运动幅度不够大，无法指哪打哪的行业问题，实现从 “视频生成” 到 “演技生成”，从 “动态流畅” 到 “情感表达” 的革命性跨越，标志着 AI 视频生成技术正式从追求 “形似” 进入追求 “神似” 的新纪元
PhyMAGIC通过让物体动起来，从视频中提取物理证据，帮助准确推断材料属性。它结合图生视频与视觉语言模型，生成针对性运动探针，并不断修正物理参数，最终构建出可微分的3D动态模型，实现更符合现实的视频生成。
AI视频领域杀疯了！ 发布Vidu Q2图生视频不到2周，Vidu又又又更新了，而且直接甩出三张王牌。 首先是AI创作者们等待良久的Vidu Q2参考生功能终于要正式发布了。此外，Vidu视频延长功能一来就亮绝杀，最高可延长至五分钟。
好玩好用的明星视频生成产品再更新，用户操作基础，模型技术就不基础。
本文发现图生视频（I2V）模型天然适合重构动态交互过程，并提出 SCPE（Self-Correcting Process Editing） 多智能体系统自纠错框架：利用视频生成过程暴露失败原因，再通过分析、反思和工具书更新迭代增强提示，使 I2V 模型在复杂 HOI 编辑中显著提升交互准确性与推理能力。
正如前几天网上泄露与传闻所预料的那样，深夜，谷歌发布了最新的 AI 视频生成模型 Veo 3.1。Veo 3.1 带来了更丰富的音频、叙事控制，以及更逼真的质感还原。在 Veo 3 的基础上，Veo 3.1 进一步提升了提示词遵循度，并在以图生视频时提供更高的视听质量。