Odyssey@odysseyml20
标签「视频」清除
全部 AI 动态
AI 相关资讯全量信息流
7月3日
04:03
Odyssey@odysseyml04:02
01:08
Apple Machine Learning Research（RSS）
精选56
VideoFlexTok提出一种可变长度token序列的视频表示方法，采用粗到细结构——首个token捕捉语义和运动等抽象信息，后续token添加精细细节，生成流解码器支持任意token数量的视频重建。相比传统3D网格分词，该结构允许根据下游需求调整token数，在相同预算下编码更长视频。在类别和文本到视频生成任务中，VideoFlexTok以1.1B参数（5.2B的1/5）达到可比生成质量（gFVD和ViCLIP Score）。训练一个处理10秒81帧视频的文本到视频模型仅需672个token，比同等3D网格分词器少8倍。
推荐理由：把视频 tokenization 从固定网格改成变长 coarse-to-fine，训练效率提升明显，还能做更长的视频。研究角度挺漂亮，但离产品落地还有距离，做视频生成的可以追一下。
00:33
Berryxia.AI@berryxia15
开始让美女助教卖课了😂 丝滑~
00:06
IT之家（RSS）
精选71
快手在港交所公告，21名初始投资者同意以138.24亿元人民币（20.28亿美元）现金注资北京可灵，后者将持有可灵AI相关资产。同日15名额外投资者追加出资52.235亿元人民币（7.6639亿美元），认购总上限为204.471亿元（30亿美元），对应北京可灵扩大后注册资本的16.67%。投后估值180亿美元。快手预计未来12个月内启动可灵AI赴港上市，募资用于扩充算力、建设数据中心及人才引进。
推荐理由：可灵AI这轮180亿美元估值融资，是AI视频赛道迄今最重量级的资本动作之一，也是中国AI公司分拆上市的标杆事件，值得关注后续上市进程。
7月2日
22:00
公众号：可灵AI（快手·视频）
49
戛纳国际创意节今年首设AI Craft子赛道，两部使用可灵AI生成的广告获奖：《L'Ultimo Uomo Reale》获Classic单元Film银奖及Craft单元Film铜奖，《Lorem Ipsum》获Classic单元Film铜奖。前者为二手奢侈品平台The RealReal的愚人节广告，几乎全由AI生成，仅手提包为实拍，展现人物一致性和复杂视觉奇观；后者由Purga Films制作，全片角色用拉丁文假文对话，风格迥异但情绪推进精准。两部作品标志可灵已产出商业交付级广告，获全球最高级别广告创意殿堂认可。
21:37
Rohan Paul@rohanpaul_ai52
Introducing Claude x Arcads in Slack: Get viral ads in your Slack DMs Available today for all Arcads users
20:45
The Decoder：AI News（RSS）
42
Google 为 NotebookLM 新增视频概览功能，可将上传的源文件转换为 60 秒竖屏短视频，分解特定主题。该功能目前正在移动端和网页端向 Google AI Ultra 和 Pro 订阅者推出，免费用户即将获得访问权限。NotebookLM 是 Google 的 AI 笔记工具，能分析多源内容并以不同格式重新打包。
20:03
19:39
meng shao@shao__meng精选79
browser-use 团队推出面向 Codex、Claude Code 等 AI 编码智能体的开源 Skill「video-use」，让 LLM 通过 ElevenLabs Scribe 将音频转写为约 12KB 文本（含逐词时间戳、说话人分离、事件标记），仅在决策点调用 timeline_view.py 生成 PNG 帧图。技术流水线包括转写、打包、生成 JSON 格式 EDL、ffmpeg 渲染及最多 3 轮自评估。渲染关键细节：分段提取 + -c copy 拼接、30ms 音频淡入淡出、PTS 时移、字幕最后叠加、HDR 自动映射、竖屏缩放、两-pass loudnorm。动画支持 HyperFrames、Remotion、Manim 等引擎。项目附带 12 条硬规则确保生产正确性。
推荐理由：browser-use 团队把 AI 视频剪辑从「看视频帧」变成「读转写文本」，12KB 文本代替 4500 万 token 噪声的思路很聪明，一套可落地的 ffmpeg 脚本集，做 AI agent 视频处理的可以直接抄。
19:29
fofr@fofrAI60
You can replace the animal and the object with anything in the quoted prompt, and NB2L let's you cycle through ideas qui...
19:01
Kling AI@Kling_ai31
可灵Kling AI官方宣布，由其生成的广告片《Lorem Ipsum》荣获戛纳狮子奖（Cannes Lions）电影类B2B铜奖。该片由阿根廷工作室Purga Films制作，片中所有角色均使用无意义的占位词“Lorem Ipsum”对话，但情感表达依然强烈。全片通过Kling AI生成，涵盖多种风格和世界，展现了可灵在表演一致性、情感深度和电影级控制上的能力。
16:39
小互@xiaohu66
简简单单使用豆包复刻一下📺 prompt 👇 [风格]真人实拍+2D动漫贴纸合成搞笑短视频(Live-Action + Flat 2D Sticker Composite),第一人称做饭视角(POV Cooking Vlog),写实厨房...
14:32
PixVerse@PixVerse_37
日本的艺术大学已经开始重视AI技术的价值。这是我在大阪成蹊大学的服装设计系,开设的AI服装设计的工作坊,感谢PixVerse的大力支持,同学们使用PixVerse平台在两个小时内完成了从图像到视频的高质量闭环交付,一站式平台全部搞定。
13:37
Alibaba Cloud@alibaba_cloud35
阿里云Happy Horse平台创作的短片《The Glow of First Love》在摩纳哥AI电影节黑客松中获得第三名。该一分钟作品讲述一名女子在2003年丈夫车祸去世后独自抚养女儿，53年间被无形光之守护者陪伴，直至临终重逢。短片利用Happy Horse平台将情感转化为诗意视觉，展示了festival-grade AI工具在叙事中的潜力。
11:02
10:03
IT之家（RSS）
68
快手旗下可灵 AI 即将完成 30 亿美元融资，投后估值 180 亿美元，腾讯参投。快手今年 4 月首次计划分拆时估值目标 200 亿美元，后下调至 180 亿。公司预计未来 12 个月内启动赴港上市，资金用于扩充算力、建设数据中心、引进人才。可灵 AI 今年 3 月年化收入运行率达 5 亿美元，一季度收入 6.5 亿元同比增长 300%，全球用户突破 1 亿，约四分之三收入来自海外。今年 2 月发布的 3.0 系列模型增强了视频生成中的叙事控制力和一致性。
08:21
AYi@AYi_AInotes73
Seedance 2.0 通过详细 prompt 生成一段超真实视频，以 2000 年代初 DV 摄像机美学展示韩国女性日常：手持抖动、自动对焦搜索、曝光波动、运动模糊等不完美感，配合环境自然音（鸟鸣、风声、社区闲聊），实现家庭录像般的独特说服力。
03:02
01:21
AYi@AYi_AInotes47
主推文介绍零成本AI副业：用AI做YouTube儿童早教动画。五步：搜童谣对标、AI改写脚本、Wan2.7或Pika生成动画、AI配儿童音色+背景音乐、标题标签SEO。日更1-2条，首月见收益，月入$5000-$10000。注意纯原创、专业儿童音色、遵守COPPA关闭个性化广告。另引用营销Agent Lev8，找海外客户场景：有效结果90个（Exa 58.2，Codex 20），匹配精度83.3%（Exa 76.5，Codex 71.8），单条成本$0.052（Exa $0.061）。Lev8聚合50+数据源和10亿+职场人脉，支持5个渠道发送定制破冰消息。
真的有点兴奋,终于等来营销圈的 Codex 了,不管你是独立开发还是OPC一人公司,找客户扒联系方式写破冰信这些破事,直接给你干得明明白白! 甚至你用来做副业搞钱都是一个超级神器! 我们都知道,AI现在已经把写代码的门槛拉平了,Codex能...
00:25
Kling AI@Kling_ai26
00:25
Kling AI@Kling_ai26
End of video. Start of game. Welcome to Choose Your Journey, our new interactive story series. Find your way out. Three ...
7月1日
23:57
Luma@LumaLabsAI29
23:54
23:31
Berryxia.AI@berryxia29
23:31
Berryxia.AI@berryxia15
Omini 1.0 修改视频也还可以,看着演示空间、透视这些都应该提升不少啊。 应该很快就发布新版本可以使用了,但是因为属于编辑强,所以热度好像没有很高。
20:54
Kling AI@Kling_ai53
可灵 Kling AI 宣布，由 Lipstick 制作、Sebastian Strasser 执导的短片《L'Ultimo Uomo Reale》（最后的真人）在 2026 年戛纳狮子奖上获奖：电影 – 消费品类银狮奖和新增的电影工艺 – AI 工艺类铜狮奖。片中大部分镜头由可灵 Kling AI 生成，展示出行业领先的角色一致性、电影级视觉效果和动作质量，成为导演创意的完美伙伴。
11:28
HuggingFace Daily Papers（社区热门论文）
38
视频世界模型在长时段生成中缺乏记忆，导致场景不一致。MemLearner 提出基于学习的自适应上下文查询方法，利用 query tokens 桥接上下文与预测 token，并借助视频生成模型自身的预训练视觉先验进行上下文查询，无需从头训练额外模块。团队收集了带场景遮挡和动态物体的长视频数据集，辅以相机位姿标注，并采用多数据集训练策略同时利用标注渲染视频和无标注真实视频。实验表明，MemLearner 在场景一致性和记忆方面显著优于以往视频世界模型，尤其在遮挡和动态场景下。
10:30
Berryxia.AI@berryxia26
05:27
Luma@LumaLabsAI20
03:57
03:55
NotebookLM@NotebookLM精选68
Doom scrolling but make it educational 🤓 Introducing Short Video Overviews in NotebookLM! Turn your most complex source...
推荐理由：NotebookLM 把资料源变成 60 秒竖屏视频，想法不新但落地很实用，学生和内容创作者可能会高频用上，只是颠覆性谈不上。
03:53
03:27
03:20
02:28
Artificial Analysis@ArtificialAnlys68
阿里巴巴 HappyHorse 1.1 在 Artificial Analysis 文生视频和图生视频排行榜位列第二，仅次于字节跳动 Seedance 2.0。该模型基于统一 Transformer 架构，是 1.0 的改进版，重点提升音画同步，支持七种语言的原生音频与唇形同步对话，并在运动、角色和场景一致性上增强。支持最多 9 张参考图像，生成 720p 和 1080p。图生视频带音频模态从第 5 名升至第 2 名。定价 $9.90/分钟（1080p），已在阿里云 Model Studio、Qwen Cloud 和 fal 上线。
01:38
The Decoder：AI News（RSS）
59
Google 推出两款新生成式 AI 模型。Nano Banana 2 Lite 可在 4 秒内生成图像，每张成本 0.034 美元（1K 分辨率），API 名称为 gemini-3.1-flash-lite-image。Gemini Omni Flash 允许开发者通过文本提示在 API 中生成和编辑最长 10 秒的视频，每秒输出价格 0.10 美元。Google 推荐将两个模型链式使用：先用 Nano Banana 2 Lite 生成图像，再传递给 Gemini Omni Flash 转化为视频。两者均使用 SynthID 水印，已通过 Google AI Studio、Gemini API 和 Gemini Enterprise Agent Platform 提供。
01:31
Rohan Paul@rohanpaul_ai72
Google推出快速图像模型Nano Banana 2 Lite（4秒生成，$0.034/1K分辨率图像）以及视频编辑模型Gemini Omni Flash（输出10秒片段，$0.10/秒，支持文本/图像/视频输入和对话式剪辑）。两者可链式使用：Nano生成参考图，Omni将其动画化，逐步替代gemini-2.5-flash-image。当前Omni Flash API不支持音频参考，视频参考最多3秒但未正确生效；Interactions API保留会话上下文，支持连续3次编辑。
Introducing Nano Banana 2 Lite 🍌 and Gemini Omni Flash 🔮, our new generative media models in the Gemini API and AI Stu...