跳到正文

AI 视频

AI 视频生成与理解：文生视频模型、视频编辑工具与影视创作变革的追踪。

29条精选相关主题图像生成多模态语音与音频

最新精选

第 21–29 条 · 共 29 条
5月20日周三
  1. @minchoi81

    Google 发布新模型 Gemini Omni，可从任意输入创建内容，首发支持视频，被形容为视频版 Nano Banana。该模型已在 Gemini App、Flow 和 YouTube 上线，API 支持即将推出。

    引用Logan Kilpatrick (@OfficialLoganK)@OfficialLoganK

    Introducing Gemini Omni 🔮........ Omni is our new model that can create anything from any input — starting with video (think Nano Banana but for video). Available in the Gemini App, Flow, and YouTube, with API support coming soon! Video

    推荐理由：原文给出 Gemini Omni 从任意输入生成视频的能力，以及 Gemini App、Flow 和 YouTube 的上线入口。

  3. @kimmonismus82

    Gemini Omni 发布，官方介绍这是一款可从任意输入生成内容的新模型，首批聚焦视频，已在 Gemini App、Flow 和 YouTube 上线，API 支持即将推出。转发的作者 @kimmonismus 称这是真正的惊艳时刻，认为它是迈向 AGI 的世界模型，能从任何输入生成任何内容。

    引用Logan Kilpatrick (@OfficialLoganK)@OfficialLoganK

    Introducing Gemini Omni 🔮........ Omni is our new model that can create anything from any input — starting with video (think Nano Banana but for video). Available in the Gemini App, Flow, and YouTube, with API support coming soon! Video

    推荐理由：官方说明了 Gemini Omni 从任意输入生成内容的能力和首批视频场景，读者可据此了解当前可用渠道与范围。

  5. @Google78

    Google 在 GeminiApp 上线 Gemini Omni，支持任意组合文本与视觉输入生成电影感视频，即日起面向全球 Google AI Plus、Pro 和 Ultra 订阅用户开放。它提供对话式的视频创建与编辑方式，用户用简单提示词即可实现电影级变焦或更换背景，无需昂贵设备或技术术语。

    推荐理由：原文给出 Gemini Omni 的输入方式与开放订阅档位，读者可据此判断视频创作门槛的变化。

  7. @berryxia65

    NVIDIA 研究员 Yukang Chen 开源了 LongLive 2.0，一套端到端长视频生成基础设施，训练与推理都以 FP4 量化和并行加速为核心。该方案在 5B 模型上达到 45.7 FPS，并支持真实视频训练、few-step 蒸馏、多 shot 训练与推理、序列并行、NVFP4 KV cache 和异步 VAE 解码部署。

    引用Yukang Chen (@yukangchen_)@yukangchen_

    🚀 Excited to release LongLive 2.0! 🎬 An end-to-end infrastructure for long video generation, with FP4 and parallelism at the core of both training and inference. ⚡45.7 FPS generation speed on 5B model⚡ ✨ LongLive 2.0 supports real-video training, few-step distillation, multi-shot training/inference, sequence-parallel acceleration, NVFP4 KV cache, and async VAE decoding deployment. 🧩 To our knowledge, this is the first open-source 4-bit long video generation infra that covers both training and inference. 🙌 Welcome to check it out, try it, and share feedback! 🔗 Code: github.com/NVlabs/LongLive 📰 Paper: huggingface.co/papers/2605.1… 🎥 Demo: nvlabs.github.io/LongLive/Lo… #LongVideoGeneration #VideoGeneration #Realtime #AIInfra #EfficientAI #FP4 #Parallel #NVIDIA Video

    推荐理由：开源方案把 FP4 量化与并行加速同时用在训练和推理，读者可据此了解长视频实时生成的技术路线。

5月18日周一
5月13日周三
  1. Runway News64

    Runway 发布 Runway Agent，对话式生成可发布的成片视频

    Runway 推出 Runway Agent，一个智能体创意伙伴，可在单次对话中从想法产出可发布的成品视频，包含多镜头画面、旁白、对白和音乐。用户用自然语言描述需求，可上传参考图、选择画幅比例和时长，逐步对话确定概念与故事结构后生成视频，再用时间线编辑器做最终调整，官方称可在数分钟内产出高分辨率多镜头视频。产品面向品牌团队、营销人员、创意机构、社媒内容团队和影视创作者，现已开放使用。

    推荐理由：Runway 官方宣布 Agent 上线并给出工作方式与适用场景，读者可以据此判断对话式视频生产对内容团队的适用度。