标签：视频生成模型

Magi-1由sand.ai团队开发，其背后团队实力雄厚，创始人曹越和张拯曾在微软亚洲研究院共事，并参与了Swin Transformer的研究项目。此外，曹越还是光年之外的联合创始人之一。在这样的技术支持下，成立仅一年多的sand.ai推出了这款创新的视频生成模型。 Magi-1的独特之处在于它能够实现无限时长的视频续写，而市面上大多数视频生成模型的极限通常只有几十秒。更值得一提的是，Magi-1还可以精细控制每秒生成的，同时支持一次性生成多达16个1至10秒的视频片段。为了推动技术发展，sand.ai在4月21日开源了Magi-1，并提供了产品de...

（由多段落组成） 马斯克在视频生成领域迈出了重要一步，xAI团队收购了一家专注于视频生成的初创公司。这家仅有4人的团队，在短短13个月内成功开发出类似于Sora的模型，并推出了名为Hotshot的产品。这一举动引发了广泛关注。 根据官方公告，Hotshot已经开发了三款基础视频生成模型。然而，在被收购后，Hotshot停止了新功能的发布，并设定了用户下载过往创作视频的截止日期为3月30日。这引起了网友们的热议，许多人回想起马斯克在今年初的一次直播中提到的计划：几个月内推出Grok视频模型。 随着Hotshot联创兼CEO宣布这一...

随着人工智能技术的迅猛发展，越来越多的企业开始涉足AI视频生成领域。近日，埃隆·马斯克旗下的xAI公司宣布收购了一家专注于开发AI视频生成工具的初创企业——Hotshot。这一消息迅速引起了业界广泛关注。 根据科技博客TechCrunch的报道，此次收购标志着xAI在视频生成领域的进一步布局。Hotshot由阿卡什·萨斯蒂（Aakash Sastry）和约翰·穆兰（John Mullan）创立，总部位于旧金山。在过去两年中，Hotshot团队成功开发了三个重要的视频基础模型：Hotshot-XL、Hotshot Act One以及Hotshot。这些模型的技术水平与OpenAI的Sora视频...

国内 AI 创企阶跃星辰联合吉利汽车发布两款多模态开源大模型，性能全球领先 本周二，国内人工智能创业公司阶跃星辰与吉利汽车集团联合宣布，开源发布了两款多模态大模型：视频生成模型 Step-Video-T2V 和语音交互模型 Step-Audio。根据官方测评报告，Step-Video-T2V 是目前参数量最大、性能最好的开源视频生成模型。 Step-Video-T2V 模型部署及技术报告链接： - GitHub： [https：//github.com/stepfun-ai/Step-Video-T2V](https：//github.com/stepfun-ai/Step-Video-T2V) - Hugging Face： [https：//huggingface.co/ste...

2024年的最后一个月，国产大模型在视频生成领域的应用突然加速。特别是视频生成模型的发展，如同密集射出子弹后的枪管，热度持续攀升。12月19日，快手旗下的可灵更新至1.6版本，相较于两周前高调推出的AI导演共创计划，这次升级显得较为低调。然而，选择在这个时间点进行升级似乎别有深意。 就在前一天，12月18日，字节跳动在火山原动力大会上首次对外发布了豆包视频生成大模型。会上，张楠首次以剪映掌门人的身份亮相，并简短介绍了今年5月推出的即梦——一款类似于可灵的视频生成工具。张楠将其定义为“想象力相机”，与抖音...

近期，记者了解到，字节跳动旗下的视频生成模型 PixelDance 已在豆包电脑版正式启动内部测试，部分用户已经获得了体验权限。据内测页面显示，每位用户每天可以免费生成十段视频。 PixelDance 视频生成模型在9月底首次亮相，最初通过即梦AI和火山引擎向创作者和企业客户进行了小范围邀请测试。外界对这款模型的多镜头组合、运镜切换以及人物运动能力给予了高度评价。早期参与内测的创作者分享了他们的使用经验，指出当 PixelDance 生成10秒视频时，切换3到5次镜头的效果最为理想，能够确保场景和角色的一致性。 此外，通过...

9月24日，字节跳动旗下的火山引擎在深圳举办了一场AI创新巡展，发布了两款视频生成大模型：PixelDance（简称P模型）和Seaweed（简称S模型）。这两款模型在审美和动态表现方面有了显著提升，并且解决了多主体互动和一致性的问题。 为了让大家更好地了解这两款模型的能力，我们进行了实际测试。首先展示的是一个10秒的视频片段：一位年轻女子微皱眉头，生气地戴上墨镜，此时男主角进入画面，紧紧抱住她。整个过程中，人物的表情变化自然流畅，没有出现任何虚化或崩坏的现象。另一段视频中，一只金毛小狗在草地上追逐泡泡，画...

智东西8月6日报道，智谱AI发布了其视频生成模型CogVideoX-2B的开源版本，这一消息无疑为业界带来了振奋。该模型已在GitHub和Hugging Face平台上线，支持FP16精度下的高效运行，显著降低了硬件门槛——仅需配备18GB显存即可进行推理，而微调所需显存也不过40GB，这意味着单张4090或A6000显卡就能胜任相应任务。 核心特点 - 提示词限制：CogVideoX-2B支持最多226个token的提示词； - 输出规格：生成视频长度为6秒，帧率为8帧/秒，分辨率为720 * 480； - 未来规划：计划发布性能更优、参数量更大的版本。 性能表现 根据相关论...

引言 随着技术的飞速发展，开源图像生成模型领域迎来了新的竞争者。黑森林实验室，由Stable Diffusion的核心团队创立，近日推出了其最新的图像生成模型FLUX.1，这款模型以其卓越的表现迅速引起了业界的关注。 模型亮点 FLUX.1提供了三种不同版本的模型：专业版、开发者版和快速版。这些模型在文字生成、复杂构图以及人手描绘方面表现出色。尤其值得一提的是，即便是快速版的FLUX.1[schnell]也能在保持高质量的同时实现快速生成，这使得它在同类模型中脱颖而出。 技术表现 在性能测试中，FLUX.1[pro]和FLUX.1[dev]两款...

国产视频生成模型“Vidu”：打造独特动画风格与高效创作工具 国产视频生成模型“Vidu”由清华系初创企业生数科技推出，该模型专攻动画风格视频生成，具备快速生成、高质量渲染及多镜头切换等特色功能。Vidu支持4秒和8秒固定时长的高清视频输出，并能够根据文本描述精确还原场景细节，适用于二次元文化爱好者及动画创作者。 快速生成与细节呈现：Vidu的亮点 - 高速生成：仅需30秒即可完成4秒视频的渲染。 - 精准语义理解：即使面对长文本描述，也能准确捕捉并展现关键信息。 - 多镜头切换：单一文本提示即可实现不同视角的视...