AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：视频生成×
5月27日
08:20
08:20岚叔@lufzzliz
精选
本文介绍了如何将 Gemini Omni 用作视频导演工具，核心思路是从描述画面升级为控制系统。Google AI 提供了 5 种 Prompt 方法：调用真实世界知识、控制文字渲染、像摄影师一样写镜头、局部迭代修改、动态修改动作。文章给出了具体的 Prompt 骨架和镜头词库，帮助用户像导演一样控制世界知识、主体动作、镜头语言、文字系统、时间节奏和迭代约束。这种方法让视频生成更精准、可迭代，适合内容创作者和视频制作者直接使用。
AI产品Gemini Omni视频生成Prompt 工程导演控制内容创作
推荐理由：做视频生成的内容创作者终于不用靠堆砌形容词碰运气了——这套导演式 Prompt 方法让你像控制分镜一样控制输出，建议直接套用文中的镜头词库和骨架试试。
原文
5月26日
22:56
5月24日
16:36
5月23日
04:21
5月22日
07:53
02:34
5月21日
15:20
11:41
08:01
08:01Andrew Ng@AndrewYNg
Andrew Ng 宣布与 Google Cloud 合作推出新课程，教授如何构建能生成图像和视频的 AI 智能体。课程重点在于让智能体自我评估输出并迭代改进质量，涵盖三种评估技术：图像-文本相似度评分、LLM 裁判按品牌一致性等自定义标准评分、以及结构化评分表。学员将学习图像和视频提示工程，构建将品牌指南转化为 UI 模型的图像智能体，以及规划多场景解说视频并同步音频的视频智能体。该课程面向希望探索 AI 智能体在视觉内容生成领域应用的开发者。
AI产品智能体图像生成视频生成评估技术Google Cloud
推荐理由：Andrew Ng 的课程一向实用，这次聚焦图像/视频生成智能体这个少有人深入的方向，做多模态或内容生成的开发者可以直接学起来，掌握让智能体自我迭代的关键技巧。
原文
08:00
08:00
08:00
08:00Sundar Pichai@sundarpichai
83°
Google CEO Sundar Pichai 宣布推出 Gemini Omni，这是一个不仅能生成逼真场景，还能推理下一步该发生什么的视频生成模型。它结合了物理直觉与 Gemini 对历史、科学和文化背景的知识，使生成的视频更具逻辑性和上下文相关性。该功能今日起面向全球 Google AI Plus、Pro 和 Ultra 订阅用户，通过 Gemini 应用、Google Flow 以及 YouTube Shorts 逐步开放。这一进展标志着 AI 视频生成从“看起来真实”向“理解并预测动态”迈出了重要一步。
AI产品Gemini Omni视频生成物理推理文化理解Google AI
推荐理由：做视频生成或 AI 内容创作的团队，终于有了一个能理解物理规律和文化背景的模型——生成的视频不再只是视觉逼真，而是逻辑连贯。建议订阅 Google AI 的用户立即体验。
原文
07:59
07:59歸藏(guizang.ai)@op7418
藏师傅已完成一个通过前端生成讲解视频的Skill，但希望优化效果、提高工程化并降低Token用量。他让Claude Code分析了一个40秒视频案例，发现总消耗145万Token，其中输入占比极高，输出仅占0.7%。视频组合和Skills消耗最大，但使用Claude Code时有92%缓存，实际成本可控。该方案结合了PPT Skill（美学、版式、动效）、HyperFrames（时间线、渲染、字幕）、Listenhub Skill（配音）和即梦CLI（演示和B-roll），展示了多工具协同的AI视频生成流程。
AI产品Claude Code视频生成Token优化Skill工程化
推荐理由：做AI视频生成或工程化优化的开发者，可以看看藏师傅如何用Claude Code分析Token消耗并针对性优化，直接复用他的缓存策略能省不少成本。
原文
5月20日
09:52
09:52shao__meng@shao__meng
83°
Google 在 I/O 大会上发布了 Gemini Omni，这是一个原生多模态的「理解+生成」模型，主攻视频领域。与 Veo、Sora 等传统视频生成模型不同，Omni 从底层设计为多模态，支持任意组合输入（图、文、视频、音频）产出或编辑视频。其核心差异化能力包括对话式视频编辑（多轮修改保持一致性）、结合世界知识与物理直觉的生成，以及任意参考物组合。Omni 在编辑方式、提示词要求和知识运用上全面超越现有模型，标志着视频生成进入新阶段。
AI产品Gemini Omni多模态模型视频生成对话式编辑Google I/O
推荐理由：做视频创作或 AI 内容生成的团队，终于有了一个能像聊天一样改视频的工具——多轮编辑保持一致性，不用每次重写 prompt，建议直接看官方对比。
原文
08:18
06:03
06:03rohanpaul_ai@rohanpaul_ai
83°
Google 推出 Gemini Omni，一个能从视频、图像、音频、文本和草图等多种输入生成并编辑视频的 AI 模型。用户只需用自然语言描述，即可添加角色、替换物体、改变动作、调整风格、同步声音或移动镜头，且每次编辑后场景保持稳定。Omni 具备更强的世界理解能力，能更真实地模拟重力、流体运动、动能和物理交互。该模型将集成到 Gemini 应用、Google Flow 和 YouTube Shorts 中。Google 还为 Omni 输出添加了 SynthID 水印和 C2PA 内容凭证，以标识 AI 生成或编辑的媒体。
AI产品Gemini Omni视频生成视频编辑自然语言交互AI 水印
推荐理由：视频创作者和内容团队终于有了一个能像导演一样反复指导修改的 AI 工具，而非一次性的 prompt 生成。做短视频、广告或影视后期的人，可以直接用自然语言调整画面细节，值得关注。
原文
03:31
03:17
03:07
01:23
01:17
00:47
00:47berryxia@berryxia
88°
NVIDIA研究员Yukang Chen开源了LongLive 2.0，这是全球首个端到端支持4-bit量化的超长视频生成基础设施，覆盖训练和推理全流程。核心技术包括FP4量化和并行加速，在5B模型上实现45.7 FPS的实时生成速度。该工具支持真实视频训练、few-step蒸馏、多shot训练/推理、序列并行、NVFP4 KV cache和异步VAE解码部署。此前长视频生成面临速度慢或长度受限的问题，LongLive 2.0将4-bit长视频实时生成能力推向开源社区。
AI产品NVIDIALongLive 2.04-bit量化视频生成开源/仓库
推荐理由：做视频生成或AI基础设施的开发者终于有了一个能跑长视频的4-bit开源方案，NVIDIA把训练到推理的整套加速打法打包好了，建议直接试代码。
原文
5月19日
23:48
23:38
14:21
14:21阿里云 Alibaba Cloud@alibaba_cloud
阿里云宣布成为2026年摩纳哥AI电影节的冠名赞助商，该电影节是电影与人工智能交汇的盛会。作为云计算和AI基础设施的全球领导者，阿里云将为创作者、工作室和创新者提供训练大模型、生成沉浸式视频内容以及高性能渲染等工具。电影节将于2026年6月9日至10日在摩纳哥蒙特卡洛举行，旨在支持新一代AI驱动的创意制作。此举标志着阿里云在AI创意领域的重要布局，推动技术与艺术的融合。
行业阿里云AI电影节云计算视频生成创意工具
推荐理由：阿里云冠名AI电影节，说明云厂商正在认真押注AI创意工具赛道——做视频生成、影视渲染的团队可以关注其提供的底层基础设施，看看能否降低自己的制作成本。
原文
12:35
12:10
5月18日
20:10
12:16
11:50
5月15日
14:41
00:24
5月13日
09:11
09:11
09:11
5月12日
18:40
18:07
17:19
17:19