AITOP

视频生成

共 508 条相关 AI 资讯 · 查看话题观测
5月28日
10:04
10:04官方账号Runway ML@runwayml
Runway 推出了 MCP（Model Context Protocol）服务，允许用户将 Runway 的图像和视频生成能力直接集成到 Claude、ChatGPT、Cursor、Replit 等主流 AI 平台中。该服务支持 Gen-4.5、Seedance 2.0、GPT Images 2.0、Kling 等先进模型，用户无需切换工具即可在原有工作流中生成高质量内容。连接过程仅需数秒，大幅降低了 AI 视频创作的门槛。此举标志着 Runway 从独立工具向平台化生态的转变，为开发者和创作者提供了更灵活的内容生成方式。
AI产品RunwayMCP/工具视频生成
事件专题
推荐理由：Runway MCP 让视频生成能力直接嵌入你日常使用的 AI 助手和开发环境，做内容创作或 AI 应用的团队可以秒级接入，省去切换工具的麻烦，值得一试。
原文
09:50
03:53
5月27日
10:52
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
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
22:56官方账号NVIDIA AI@NVIDIAAI
NVIDIA AI 官方账号发布了一段由 Julia Turc 制作的关于“世界模型”的讲解视频。视频澄清了世界模型与视频生成的区别，探讨了其超越“AI 垃圾”的潜力，并幽默回应了 Yann LeCun 的争议。该视频旨在帮助观众理解这一当前 AI 领域最热门但最模糊的概念之一。
AI模型世界模型NVIDIA视频生成
事件专题
推荐理由：世界模型是当前 AI 最模糊的概念之一，这个视频帮你理清它与视频生成的区别，想搞懂 AI 前沿方向的建议点开。
原文
12:23
12:23官方账号arXiv cs.LG@Ali Rouzbayani, Bidhan Roy, Marcos Villagra, Zhiying Jiang
精选72°
巴黎 2.0 是首个通过去中心化计算预训练的视频生成模型，解决了去中心化训练中时间连贯视频生成的难题。相比相同算力预算下的集中式模型，它在低分辨率文本到视频任务中将 FVD 从 561.04 降至 279.01，提升约 2 倍，同时提高了 CLIP 文本-视频相似度和美学评分。该模型基于巴黎 1.0 的去中心化扩散模型架构，无需单一 GPU 集群即可完成训练。这项工作证明了去中心化训练在视频生成领域的可行性，为降低大规模模型训练门槛提供了新路径。
论文视频生成去中心化训练扩散模型
推荐理由：去中心化训练让视频生成模型不再依赖昂贵 GPU 集群，做视频生成或分布式训练的团队可以关注这个开源方案，直接降低算力成本。
原文
11:34
11:34IT之家（博客/媒体）
76°
小米汽车发布了全新的世界模型框架 Xiaomi Auto World Model，首次将三维重建与视频生成深度耦合，打破了行业长期将两者独立的技术路线。该框架通过重建提供几何锚点、生成填补未观测场景，实现了高稳定性、高一致性和高真实性，在 Waymo、nuScenes 等主流基准测试中全面取得 SOTA。目前该模型已在小米汽车的合成数据生成、仿真测试和智能座舱辅助驾驶学堂三大场景落地，交付了超过 10 万 clips 高质量合成数据。这一技术路径有望推动辅助驾驶从“场景感知”向“认知推演”的高阶形态跃迁。
AI产品世界模型自动驾驶三维重建
推荐理由：小米汽车把世界模型的两条路线拧成一股绳，解决了重建缺想象、生成易漂移的行业难题。做自动驾驶感知或仿真的团队，建议看看他们的论文和技术主页，或许能启发新的技术路径。
原文
5月25日
11:47
11:47美团技术团队@美团技术团队
美团开源了 LongCat-Video-Avatar 1.5，这是一款从 SOTA 迈向商业级应用的数字人视频模型。它在唇形同步、物理合理性、长视频稳定性、多人互动和高效推理上实现了全面提升，能稳定输出高质量内容。该模型解决了数字人视频在复杂商业场景中不自然、不稳定、成本高的问题，让数字人从实验室走向真实应用。开源版本可供开发者直接使用，推动数字人视频生成技术的普及。
AI模型数字人视频生成开源/仓库
推荐理由：做数字人视频生成或虚拟主播的团队，终于有了一个能直接商用的开源模型——唇形同步和长视频稳定性提升明显，建议试试 LongCat 1.5 来降低制作成本。
原文
5月24日
16:36
5月23日
04:21
5月22日
14:37
14:37IT之家（博客/媒体）
76°
美团技术团队正式开源了数字人视频生成模型 LongCat-Video-Avatar 1.5，该版本在唇形同步、物理合理性、长视频稳定性、多人互动及推理效率方面全面升级。模型采用 DMD 蒸馏技术，将生成步数从 50 步压缩至 8 步，推理效率提升约 15 倍，生成 10 秒视频仅需约 1 分钟。在用户偏好对比中，该模型相比 Kling Avatar 2.0 胜率为 65.9%，相比 OmniHuman-1.5 胜率为 61.1%，相比 HeyGen 胜率为 54.3%。美团表示，数字人视频生成正从展示效果走向真实使用，希望开源能成为可验证、可改进、可共建的技术基座。
AI模型数字人视频生成开源/仓库
推荐理由：数字人视频生成终于从演示走向了可商用——10 秒视频 1 分钟生成，效率提升 15 倍，做虚拟主播、在线教育、客服视频的团队可以直接拿来用，省去大量渲染时间。
原文
12:29
12:29官方一手pandaily@contact@pandaily.com (Pandaily)
oiioii 是一个新兴的视频生成平台，提供超过 150 种视频动画风格，旨在满足创作者对特定艺术风格的控制需求。该平台在视频智能体时代推出，强调风格多样性和定制化，帮助用户从文本或图像生成具有独特视觉效果的视频。这一举措反映了 AI 视频生成领域从通用模型向专业化、风格化方向发展的趋势。
AI产品视频生成动画风格创作者工具
推荐理由：对于追求视频艺术风格多样性的创作者，oiioii 提供了超过 150 种动画风格，解决了通用模型风格单一的问题。做短视频、广告或动画的团队可以直接尝试，找到适合项目的独特视觉语言。
原文
07:53
02:34
5月21日
15:20
15:14
11:41
11:41官方账号快手可灵 Kling@Kling_AI
Kling AI 在戛纳电影节上展示了其参与的全 AI 生成电影项目 RAPHAEL。该片由 Mateo AI Studio 与韩国 MBC C&I 的 AI 内容实验室合作开发，计划于 2026 年院线上映。项目全程使用 Kling AI 的视频模型来生成独特视觉效果，旨在证明纯 AI 电影制作的工业可行性，并推动 AI 原生影院电影的新趋势。
AI产品Kling AIAI 电影视频生成
推荐理由：这是 AI 视频生成从短片走向长片院线电影的关键一步，做影视制作、AI 内容创作的团队值得关注——它展示了 AI 工具在工业级项目中的实际落地能力。
原文
08:01
08:01官方账号Andrew 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
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
08:00HeyGen@HeyGen_Official
83°
HeyGen 发布了其最高质量的 AI 虚拟形象模型 Avatar V API，定价为每秒 0.05 美元。该模型在跨场景说话头像生成任务中，与 Veo 3.1、Kling O3 Pro、OmniHuman 1.5 和 Seedance 2.0 进行了基准测试，并在所有类别中胜出。HeyGen 同时发布了研究论文和 API 接口，供开发者直接使用。这标志着 AI 虚拟形象生成在质量和成本上迈出了重要一步，尤其适合需要高保真数字人视频的应用场景。
AI产品虚拟形象API数字人
推荐理由：HeyGen 的 Avatar V 在跨场景说话头像生成上全面领先竞品，做数字人、虚拟主播或视频生成的开发者可以直接用 API 接入，成本可控且效果顶级。
原文
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
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官方一手歸藏(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
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
11:53
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
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
事件专题
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
事件专题
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
23:38TestingCatalog@testingcatalog
Google 在 I/O 大会上宣布 Google Flow 新增角色和场景功能，用户可以创建可复用的角色用于视频生成，并支持多种角色语音。此外，Google Flow 的 Android 应用已上架 Google Play。这些更新使视频创作更灵活高效，适合内容创作者和开发者测试使用。
AI产品Google Flow视频生成角色
推荐理由：做视频创作的团队终于有了可复用的角色和场景功能，还能选不同语音，Android 用户可以直接下载体验，建议试试。
原文
14:21
14:21官方账号阿里云 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
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
13:28