新SelVA：基于文本指令的视频选择性配音技术
韩国科学技术院（KAIST）MAC 实验室与梨花女子大学 MMAI 实验室的研究人员共同提出了一项新任务：基于文本条件的选择性视频到音频生成（Text-Conditioned Selective Vi...
排序
新Netflix 推出 VOID：能理解物理交互的视频物体移除技术
Netflix 联合保加利亚索菲亚大学团队，发布了一项视频编辑技术——VOID (Video Object and Interaction Deletion)。 GitHub：https://gith...
阿里发布全模态可控视频生成模型Wan2.7-Video：不仅是生成器，更是你的“AI 导演套件”
阿里巴巴今日正式发布 视频生成模型Wan2.7-Video 。这不仅是一个文生视频工具，更是一套全模态、全链路的智能视频创作系统。Wan2.7 打破了传统 AI 视频“抽卡式”生成的局限，真正实现了让...
OmniWeaving：开源视频生成的“全能王”，首个具备推理与自由组合能力的统一模型
OmniWeaving 是由 腾讯混元、浙江大学 和 南洋理工大学的研究人员推出的基于HunyuanVideo-1.5的视频生成模型。它填补了开源社区与闭源顶尖系统（如 Seedance-2.0）之间...
谷歌推出 Veo 3.1 Lite：最具成本效益的视频生成模型，助力开发者大规模应用
谷歌今日正式宣布推出 Veo 3.1 Lite，这是其 Veo 3.1 系列中最具成本效益的视频生成模型。该模型现已通过 Gemini API 和 Google AI Studio 向开发者开放，旨在...
X-Dub：告别“面具式”配音，AI 让视频唇同步更自然逼真
在影视翻译、虚拟人互动和短视频创作中，音频驱动的视觉配音（Visual Dubbing）技术至关重要。然而，传统方法长期受困于一个核心难题：缺乏完美的成对训练数据（即除了嘴型不同，其他完全一致的视频...
daVinci-MagiHuman：单流架构重塑音视频生成，1080p 仅需 38 秒的开源新标杆
在 AI 生成内容（AIGC）领域，音视频联合生成一直被视为“皇冠上的明珠”。然而，现有的开源方案往往陷入两难：要么采用复杂的多流架构导致推理缓慢、难以优化，要么为了速度牺牲了人物表情与语音的自然度...
PrismAudio：阿里通义首创“思维链+强化学习”视频音效框架，让AI学会“先思考再发声”
在视频生成领域，画面与声音的同步一直是难以攻克的“最后一公里”。传统的视频转音频（Video-to-Audio）模型往往采用“端到端”的黑箱模式：输入视频，直接输出音频。这种“直觉式”生成容易导致声音...
ID-LoRA：让AI同时“克隆”你的长相和声音，还能配合场景表演
你有没有想过，如果AI能根据一张照片和一段声音，就能生成一个“数字分身”，让这个分身在任何场景中说话、表演，而且声音和口型都能完美匹配，这会带来什么可能？ 这正是特拉维夫大学等研究机构最新发布的 ID...
EffectMaker：腾讯混元新作，无需微调即可“克隆”电影级特效，让普通人也能做 VFX 大师
“好莱坞大片里那些令人震撼的火焰、冰霜、能量波，曾经需要数百万美元和数年训练才能制作。现在，只需一段参考视频和一张照片，AI 就能为你‘克隆’出同样的奇迹。” 由 腾讯混元 (Tencent HunY...
Lightricks 双重重磅发布：LTX-2.3 模型进化与 LTX Desktop 开源编辑器，本地视频生成时代正式来临
Lightricks 今日宣布同步推出两项里程碑式产品：LTX-2.3，一个经过实战打磨、架构全面升级的视频生成模型；以及 LTX Desktop，一款直接构建于该引擎之上的生产级本地视频编辑器。 这...
Helios：北大与字节联手打造 14B 实时长视频模型，单卡 19.5 FPS 刷新生成速度纪录
在 AI 视频生成领域，长期存在一个“不可能三角”：生成速度快、视频时长长、画面质量高，三者往往难以兼得。主流模型要么只能生成几秒的短视频，要么需要数十分钟才能渲染出几秒钟的画面，且长视频极易出现人物...
