视频模型

苹果最新发布的 STARFlow-V 为视频生成领域带来了全新技术路径——作为一款基于标准化流（Normalizing Flows）的端到端模型，它打破了当前扩散模型主导的格局，凭借全局-局部架构、因...

人体图像动画技术迎来颠覆性突破！南京大学、腾讯与上海AI实验室联合推出的SteadyDancer框架，通过彻底摒弃传统参考图到视频（R2V）范式，转向图像到视频（I2V）全新思路，从根源上解决了长期困...

在视频生成模型多追求大参数堆料的当下，腾讯混元项目组推出的HunyuanVideo-1.5走出了一条“小而精”的差异化路线。这款仅搭载83亿参数的轻量级视频生成模型，不仅实现了开源领域顶尖的视觉质量与...

来自俄罗斯的AI企业Sber AI，正式推出新一代扩散模型家族 Kandinsky 5.0，以“全场景覆盖+开源开放”为核心亮点，涵盖视频生成（T2V/I2V）、图像生成（T2I）、图像编辑三大核心能...

美团LongCat团队推出 LongCat-Video，这是一个基础视频生成模型，拥有 13.6B 参数，在文本到视频、图像到视频以及视频续接生成任务中表现出色。它特别擅长高效且高质量的长视频生成，标...

视频超分辨率（Video Super-Resolution, VSR）的目标是将低分辨率视频高质量地重建为高分辨率版本。近年来，扩散模型在图像和视频恢复任务中展现出强大能力，但其高延迟、高计算开销和对...

谷歌正式发布视频生成模型 Veo 3.1 ，并同步更新其面向创作者的 AI 工具 Flow。新版本在视觉真实感、音频支持和编辑能力上均有显著提升，目标是让 AI 生成的视频更接近专业影视水准。 目前...

对于研究人员来说，将一篇论文转化为一场高质量的学术演示视频，往往意味着数小时的设计、录制与剪辑——即使最终视频只有5到10分钟。 幻灯片排版、语音同步、字幕对齐、讲解节奏控制……这些重复性工作消耗大量...

尽管当前文生视频模型在短片段合成上取得进展，但在生成结构严谨、知识准确、视觉连贯的教育视频方面仍面临挑战。这类内容不仅要求语义正确，还需具备清晰的空间布局、逻辑动画过渡和教学节奏控制。 为此，新加坡国...

由加州大学伯克利分校、麻省理工学院、斯坦福大学、德克萨斯大学奥斯汀分校与 First Intelligence 联合研发的 StreamDiffusionV2 正式开源。这是一个面向交互式直播场景的实...

在高分辨率、长时序视频生成任务中，扩散变换器（Diffusion Transformer, DiT）已成为主流架构。然而，其核心组件——自注意力机制——面临着一个根本性瓶颈：计算复杂度随序列长度呈平方...

在文本到视频（T2V）生成领域，高分辨率、长时长与低延迟三者往往难以兼得。现有大模型虽能生成高质量视频，但动辄数千秒的推理时间与高昂的训练成本严重限制了其落地应用。 为此，由英伟达、香港大学、麻省理工...