标签「视频」清除
全部 AI 动态
AI 相关资讯全量信息流
5月6日
04:01
02:27
AI Notkilleveryoneism Memes ⏸️@AISafetyMemes59
AGI is the Great Flipper of All The Gameboards Dreamworks co-founder Jeff Katzenberg says AI will cut animated movie cos...
5月5日
23:56
17:32
Runway：News（网页）
精选80
Runway公司推出“Characters”实时视频智能体，它能将任意单张参考图像（如真人、卡通或幻想生物照片）实时转化为具有自然对话表现力的视频角色。该技术基于其通用世界模型GWM-1，无需微调即可生成每秒24帧的高清视频，并同步口型、表情和头部运动。其核心突破在于通过自回归逐帧生成、流程优化与并行化，实现了每帧仅37毫秒的模型处理时间，以及从用户停止说话到角色开始响应仅1.75秒的服务器端延迟，从而满足了实时交互对话的严苛要求。
推荐理由：把单张图变成实时对话角色这件事，Runway 做到了 24fps 且 1.75 秒响应。不是预录，是真实时，还带了知识库和工具调用，做虚拟角色产品的可以直接拿来集成。
15:46
Alibaba Cloud@alibaba_cloud39
Happy Horse 1.0是一款面向创意工作者的生产级AI视频引擎，旨在解决现有AI视频工具的核心痛点。它主打“像素级一致性”，确保角色和资产在视频中保持稳定，不再出现变形或闪烁。同时，引擎具备企业级效率，在质量、速度和成本上进行了优化。官方将于2026年5月15日在香港举办大师班，演示如何将AI视频工作流程从“实验性”提升至“专业级”。
13:14
阿绎 AYi@AYi_AInotes64
文章介绍一款年费89.99美元的在线AI换脸工具Swaptok，用户可通过四步流程在30秒内将TikTok或Reels公开视频中的人脸替换为AI生成的高清人脸，单条成本极低。作者提出四条变现路径：运营AI网红矩阵账号、承接品牌广告外包、为自有产品制作素材以及出售课程或服务。同时指出需进行二次创作避免限流、注意版权风险及把握红利期等关键建议，视其为技术发展催生的新内容生产方式。
11:26
Kling AI@Kling_ai25
10:14
阿绎 AYi@AYi_AInotes精选74
开源项目Voice-Pro将多语言视频创作流程大幅简化。用户输入YouTube链接后，该工具可在本地自动完成视频下载、人声分离、语音转文字、翻译、声线克隆及配音合成，全程不到两分钟。它将原本需要多个付费工具协作的复杂流程，整合为一个免费、本地化的高效解决方案，显著提升了创作者的工作效率。
推荐理由：一个开源工具把 yt-dlp + Whisper + 翻译 + 声线克隆六步压缩成一条本地流水线，之前每月烧几百刀订阅费的事现在免费跑在自己机器上，做多语言视频的人可以直接换掉整套工具链。
09:14
IT之家（RSS）
30
北京大学在建校128周年之际，发布了首部AI生成的校庆宣传片《举火》。该片回顾了学校自1898年创办以来的重要历史事件、知名校友及科研成果，例如在23位“两弹一星”元勋中，有12位是北大校友。视频以“举火”为主题，展现了从历史传承到当代青年接续奋斗的脉络，标志着北大在利用人工智能技术进行形象传播方面迈出新的一步。
08:00
HuggingFace Daily Papers（社区热门论文）
59
音频-视觉智能已成为人工智能的核心前沿领域，旨在让机器能够感知、生成并交互于多模态现实世界。在大模型时代，音频与视觉的联合建模愈发关键，不仅用于理解，更支持对动态时序信号的可控生成与推理。Meta MovieGen、Google Veo-3等最新进展凸显了业界与学界对统一音视频架构的关注。然而，该领域研究仍较为分散，任务多样、分类不一致、评估方法各异，阻碍了系统化比较与知识整合。本综述首次从大模型视角全面回顾音频-视觉智能，建立了统一的任务分类体系，涵盖理解、生成与交互三大方向，并综合了模态标记化、跨模态融合、自回归与扩散生成、大规模预训练等核心方法。同时，研究梳理了代表性数据集、基准与评估指标，指出同步性、空间推理、可控性与安全性等开放挑战。
08:00
HuggingFace Daily Papers（社区热门论文）
56
评估人的动作完成质量（熟练度）对教学、康复等领域至关重要，但其挑战在于细微的时空差异分布于多视角视频中。本文针对Ego-Exo4D数据集提出三种创新方法：SkillFormer采用参数高效的判别式架构实现选择性多视角融合；PATS通过保留基础动作的局部密集片段来改进时序采样；ProfVLM则将任务重构为条件语言生成，通过门控跨视角投影器和紧凑语言模型，同时输出熟练度标签与专家风格反馈。这些方法仅需比视频Transformer基线少20倍的可训练参数和少3倍的训练周期，即达到最优准确率，推动了该任务从封闭集分类向可解释反馈生成的范式转变。
08:00
HuggingFace Daily Papers（社区热门论文）
59
针对流式视频扩散模型的分布匹配蒸馏方法普遍均等对待所有输出，限制了质量提升。Stream-R1框架提出统一的奖励引导机制，从两个层面自适应重加权蒸馏目标：在序列间，依据预训练奖励分数对损失进行重缩放，让高可靠性序列主导优化；在序列内，利用同一奖励模型的反向传播生成像素级时空权重，将优化集中于预期增益最大的区域和帧。该方法在标准基准测试中，于视觉质量、运动质量和文本对齐方面均持续优于基线，且无需改变架构或增加推理开销。
06:55
03:48
PixVerse@PixVerse_17
Gatinha e espelho! 😺🪞 Não é curioso? (=^・ω・^=) Quem tem bichinho, tem reações engraçadas com espelhos pra compartilhar...
02:48
PixVerse@PixVerse_30
MY SUBMISSION TO THE @PixVerse_ "Seedance 1080p on PixVerse" CHALLENGE! CABYBARA SOCCER BALL - EPISODE 1 #SEEDANCE
01:58
Runway@runwayml精选69
推荐理由：Runway 把 AI 视频从生成拉入实时对话时代，1.75 秒的延迟让视频代理第一次有了「对话感」，做交互设计的同学可以认真看一眼。
5月4日
23:48
Chubby♨️@kimmonismus62
Bach-1.0 Preview from Video Rebirth debuts at #6 on the Artificial Analysis Text to Video Leaderboard (No Audio)! Bach-1...
22:16
Rohan Paul@rohanpaul_ai64
Bach-1.0 Preview from Video Rebirth debuts at #6 on the Artificial Analysis Text to Video Leaderboard (No Audio)! Bach-1...
21:24
小互@xiaohu56
据传谷歌将在I/O大会发布名为“Omni”的新模型，旨在将Gemini从聊天助手升级为集成写作、图片、视频、长上下文记忆与复杂任务流的全模态生产力平台。该模型可能原生支持视频生成与输出，超越现有的Veo 3.1。同时，Gemini 3.2/3.5版本或专注于提升推理速度与效率，而Ultra版本则向长上下文、重记忆及多步骤工作流方向深化。若消息属实，Gemini将成为首个具备视频输出能力的顶级Omni模型。
GOOGLE I/O 🚨: A NEW OMNI MODEL IS BEING TESTED ON GEMINI FOR VIDEO GENERATION! > "Start with an idea or try a template....
17:48
Artificial Analysis@ArtificialAnlys56
16:14
阿绎 AYi@AYi_AInotes精选77
借助Algrow的MCP平台，Claude现已能直接分析YouTube等平台的视频内容，自动生成包含数据表格、爆款拆解与留存曲线的深度报告。这标志着大模型竞争重点转向生态建设，第三方开发者通过工具链迅速弥补了Claude的原生视频短板。该功能为内容创作者提供了高效分析竞品、提炼爆款公式的生产力工具，并预示视频研究Agent时代的开启。目前处于免费试用阶段，未来订阅定价亲民。
推荐理由：第三方MCP插件让Claude终于能分析视频，做视频的一键生成爆款拆解和帧级留存分析，比手动刷三天视频强多了。
11:19
Kling AI@Kling_ai42
08:00
HuggingFace Daily Papers（社区热门论文）
63
视频变分自编码器（VAE）通过隐空间建模提升生成效率，但重建优化未必改善生成性能。为此，本研究受预测性世界建模启发，提出预测性视频VAE（PV-VAE），引入统一的预测性重建目标。该方法在训练时随机丢弃未来帧，仅编码部分过去观测，并让解码器同时重建已观测帧与预测未来帧，从而使隐空间编码更具时间预测性的结构，增强对视频动态的连贯理解。在UCF101数据集上，PV-VAE相比Wan2.2 VAE收敛速度提升52%，FVD指标改善34.42。分析表明，该模型具有良好的可扩展性，其隐空间能有效捕捉时间连贯性与运动先验，在下游视频理解任务中也带来一致性能提升。
04:47
PixVerse@PixVerse_26
It was quite the weekend at the Monster bash! Created with Seedance 2.0 1080p with native audio via @PixVerse_ Which is ...
03:47
PixVerse@PixVerse_11
PixVerse経由のSeedance2.0の1080pサンプルです。 緻密なイラストをアニメーションさせてみました いかがでしょうか @PixVerse_
5月3日
20:15
16:45
Chubby♨️@kimmonismus45
GOOGLE I/O 🚨: A NEW OMNI MODEL IS BEING TESTED ON GEMINI FOR VIDEO GENERATION! > "Start with an idea or try a template....
14:12
IT之家（RSS）
59
国内首部AI原生动画院线电影《三星堆：未来往事》已获得公映许可证，即将登陆全国影院。该片深度结合三星堆古蜀文明与AI技术，以AI呈现文物，构建连接过去与未来的科幻世界。其概念预告片已在香港国际影视展亮相，创作脉络可追溯至2024年上线的同系列AI科幻短剧《三星堆·未来启示录》第一季，该短剧全网播放量已达1.6亿次。
11:18
Kling AI@Kling_ai24
11:12
IT之家（RSS）
66
近期，网信部门针对“自媒体”未规范标注信息来源的行为展开严管，处置违规账号9.8万余个。主要问题包括发布国内外时事、公共政策等信息时不标注来源，使用AI生成内容不添加标识，以及虚构演绎内容不标注标签，这些行为误导公众、破坏网络生态。典型案例涉及抖音、快手、哔哩哔哩等多个平台账号，内容涵盖国际时事、公共政策、AI生成视频和虚构剧情。网信部门将指导平台把规范标注设为短视频发布的必经环节，并要求创作者主动规范标注，确保信息真实完整。
08:00
HuggingFace Daily Papers（社区热门论文）
64
自回归视频生成因顺序去噪计算负担重而面临部署挑战。现有缓存重用方法采用粗粒度的块级跳过，无法捕捉细粒度像素动态。为此，研究提出MotionCache运动感知缓存框架，其核心是利用帧间差异作为像素级运动特征的轻量级代理。该方法采用从粗到细的策略：初始预热阶段建立语义连贯性，随后根据运动权重动态调整每个令牌的缓存更新频率。在SkyReels-V2和MAGI-1等先进模型上的实验表明，MotionCache分别实现了6.28倍和1.64倍的显著加速，同时有效保持了生成质量（VBench指标下降分别仅为1%和0.01%）。该框架代码已开源。
06:50
TestingCatalog News 🗞@testingcatalog58
谷歌正在其Gemini平台测试一款名为“Omni”的新模型，专注于视频生成功能。泄露信息显示，该模型的界面提示用户“从一个想法开始或尝试一个模板”，并注明“由Omni驱动”。这一模型可能与内部代号“Toucan”的视频生成工具密切相关，后者目前由Veo驱动。如果谷歌计划正式发布用于视频生成的Gemini Omni，其性能很可能超越当前的Veo 3.1版本。若消息属实，Gemini将成为首个具备视频输出能力的顶级Omni模型，这标志着谷歌在视频生成领域的重大技术进展，并可能为未来的Google I/O 2026活动预热。此举显示了谷歌在人工智能视频生成方面的持续创新和竞争态势。
05:16
PixVerse@PixVerse_15
Sem energia? Recarregue!! 😺⚡️ Quais seus planos para o fim de semana?'-' :: Seedance 1080p on PixVerse! @PixVerse_
5月2日
17:11
Rohan Paul@rohanpaul_ai31
12:11
IT之家（RSS）
54
AI短剧《霍去病》导演杨涵涵澄清，此前引发关注的“3000元成本、48小时制作、80集、5亿播放”等说法存在夸大。3000元仅为算力成本，不包含人力；48小时指纯工作时间；实际作品只有4分钟MV和6分钟正片两个版本，5亿播放量源于未经核实数据。团队3人属实，项目于2026年1月底启动，每天工作约12小时，4天完成。导演的B站账号曾使用夸大标题，被质疑自我炒作。
08:11
IT之家（RSS）
56
奥斯卡奖发布新规，明确禁止人工智能生成的表演和剧本获奖。美国电影艺术与科学学院规定，从2027年3月举行的下一届颁奖典礼开始生效。规则指出，电影制作中虽可使用AI工具，但“合成”表演者不能获得任何奖项，获奖剧本必须是“人类创作的”。学院可要求提交作品提供更多信息，以验证人类创作身份。这一变化旨在维护奖项对人类创意的认可，回应行业对AI替代演员的担忧。
08:00
HuggingFace Daily Papers（社区热门论文）
51
TT4D是一个大规模高保真乒乓球数据集，包含超过140小时从单目转播视频重建的单打与双打比赛数据，提供高质量相机标定、精确3D球位、球旋转、时间分割以及随时间变化的3D人体网格等多模态标注。该数据集通过新颖的重建流程实现规模与精度的结合：传统方法依赖2D球轨进行时间分割，易受遮挡和多视角影响；TT4D则首先通过学习的提升网络将未分割的2D球轨全程提升至3D，再基于3D轨迹可靠分割时间，并能推断球旋转、处理漏检，在高遮挡情况下成功重建轨迹。该流程是目前唯一能从通用视角单目转播视频重建乒乓球比赛的方法。数据集已应用于球拍击球姿态速度估计、竞技对抗回合生成模型训练等下游任务。
06:18
05:16
PixVerse@PixVerse_63
Fragments of glass collide and transform into a powerful cinematic horse, racing through light and shadow in a surreal v...