←搜索结果

搜索“视频”

按匹配度 · 共 2193 条结果 清除搜索

星期三

  2. 量子位

    Utopai X 视频模型在 Artificial Analysis 盲测榜单位列第二，同步推出制片平台 PAI

    独立评测机构 Artificial Analysis 的文生视频榜单中，影视公司 Utopai Studios 的模型 Utopai X 以 1150 分位列第二，与第一名阿里的 Wan 3.0 仅差 7 分。该模型以 MiniMax 开源的视频模型 H3 为底子做后训练，在 10 项能力中有 7 项比基座更接近顶尖水平，提升最明显的是音频同步、运镜控制和物理。与模型一同亮相的还有制片平台 PAI，导演可在同一工作台从剧本推进到剪辑，系统会自动拆出场次和镜头，其中的影响检查功能会在插入新镜头时提示后续镜头人物视线接不上并标记需重新生成。

    匹配字段标题、摘要、正文

    #chinese#行业动态#视频#评测/基准
  3. PixVerse

    PixVerse 插件在聊天中生成视频

    你的下一段视频从聊天开始。 PixVerse 插件让你在构思的地方直接用文本、图像或视频参考来创作。 试用方法：→ 选择 PixVerse 插件。→ 描述场景、添加图像或提供视频参考。→ 指定模型、时长、分辨率和宽高比。→ 让它生成。

    匹配字段标题、摘要

    #editorial#产品更新#视频#MCP/工具调用
  5. UCSD Hao AI Lab精选

    Hao AI Lab 发布 FastVideo FastH3，可在单张消费级显卡本地生成带音频视频

    Hao AI Lab 发布 FastVideo FastH3，可在单台消费级设备上运行，支持 NVIDIA RTX GPU、DGX Spark 和 Apple Silicon。FastH3 V2 在 8 步内超过 MiniMax H3 基座模型，单张 RTX 5090 生成 5 秒 480p 带音频片段耗时 15 秒，768p 约 35–39 秒。同时发布 FastH3 Trim，体积比基座 H3 小 4.2 倍，最低 8 GB 显存即可运行，并已开放模型、Cookbook 与代码。

    匹配字段标题

    #lab#产品更新#视频#端侧
  6. The Verge AI

    科技公司正在重新定义“录制”：AI 硬件不保存音视频也算录音吗？

    苹果被曝正研发一款不保存视频录像的智能家居摄像头，改用 AI 将视觉数据转成描述家中情况的文字片段，并支持人脸识别；该思路与传闻中未来 AirPods 的摄像头类似。Apple Watch Series 12 和 Apple Watch Ultra 4 的 Audio Intelligence 中，Live Rewind 可生成过去 15 秒的转录，Siri Recap 能生成全天对话摘要，苹果称这些功能不保存任何音频。Google 可穿戴设备高级总监 Sandeep Waraich 也表示，正在考虑智能眼镜摄像头不录制、仅用 AI 处理视觉数据、不保存片段的方案。

    匹配字段标题、摘要、正文

    #tech-media#现象/趋势#端侧#多模态
  7. 404 Media

    亚利桑那州上诉法院裁定 AI 生成受害者视频影响量刑，被告将重新量刑

    亚利桑那州一名过失杀人案被告将重新量刑，因为其量刑听证会上播放的 AI 生成受害者视频被上诉法院认定带有不当情感影响。该视频由受害者妹妹 Stacey Wales 撰写脚本，用 AI 生成受害者 Christopher Pelkey 的形象并说出原谅凶手的话，法官在判处 10 年半最高刑期时称很喜欢这段视频。上诉法院援引 2007 年 State v. Rose 案，认为该 AI 视频不反映真实事件，使量刑程序对被告不公，但维持过失杀人定罪。Wales 表示将亲自宣读同一份陈述，并称 AI 是全新媒介，她理解自己正在开创先例。

    匹配字段标题、摘要

    #analysis#政策/监管#多模态#现象/趋势
  8. Newcomer 新闻长文

    Machine Earning AI 峰会 9 场视频：Town、Lead Bank、Chime 等谈 AI 时代的金融科技

    Newcomer 在旧金山举办 Machine Earning AI Summit，Town 联合创始人 Jean-Denis Greze、Lead Bank CEO Jackie Reses、Chime 联合创始人 Ryan King、Haun Ventures 创始人 Katie Haun 等嘉宾分享 AI 时代金融科技的走向。Reses 提出一份 30 页的金融系统应对 AI 智能体提案，并追问“模型产生幻觉该由谁负责”；a16z 的 Anish Acharya 点名行业专属个人智能体、面向小企业的编程智能体和娱乐 AI 三个独角兽方向。

    Madeline Renbarger's avatar

    匹配字段标题

    #ai-news#行业动态#Agent#OpenAI

星期二

  2. MarkTechPost

    Reka 发布 19B 全模态推理模型 Rho-1，可生成视频并输出机器人动作

    Reka 发布 19B 全模态推理模型 Rho-1 的研究预览版，单一网络可理解并生成文本、图像和视频，同时输出机器人动作，官方称其可直接替代在多个模态专用模型间传递任务的智能体流水线。模型每个 Transformer 块包含理解与生成两套专家权重流，共享注意力和同一 KV cache，离散 token 承载文本与高层指令，连续 token 承载图像潜变量、视频帧、机器人动作和本体感知。蒸馏版本把去噪步数从 99 步降到 8 步，约 1 秒返回 5.3 秒片段；训练使用 320 张 H100 历时 3 个月，视频分辨率上限 672×384，目前仅研究预览，未公开权重、API 或定价。

    匹配字段标题、摘要

    #ai-vertical#模型发布#多模态#推理
  4. Manus

    Manus 为何推出视频编辑器

    Manus 为何推出视频编辑器？因为我们意识到，制作一支出色的视频不只是生成素材。 它还包括：- 浏览互联网，弄清什么内容正在走红 - 编写代码来制作动态图形、版式和地图路线 - 每一步都使用最好的模型和工具 https://t.co/Mg8VEwchpL

    匹配字段标题、摘要

    #company#产品更新#视频#Agent
  5. The Decoder

    Reka AI 发布 190 亿参数全能模型 Rho-1，统一处理文本、图像、视频与机器人控制

    Reka AI 发布研究预览版 Rho-1，这是一个 190 亿参数的全能模型，在单一神经网络中处理并生成文本、图像、视频和机器人控制动作。与多数把任务分派给专用模型的系统不同，Rho-1 将所有模态作为 token 放在同一个共享上下文窗口中运行，不调用工具或外部模型，可实时生成连续视频并即时响应新指令而无需重启。预测摄像头图像的同一套权重也驱动机器人动作，为绕开机器人训练数据稀缺，Reka AI 构建了逆动力学模型，从普通互联网视频中提取控制信号；Rho-1 在 320 块 H100 GPU 上训练了约三个月。

    匹配字段标题、摘要

    #ai-vertical#模型发布#多模态#视频

星期五

  1. The Rundown AI

    Tavus 预览 Griffin 实时视频交互模型

    AI 初创公司 Tavus 预览了 Griffin，一个可在实时视频中观看、聆听、说话并作出反应的 Human Interaction Model。Tavus 称在面对面测试中，48% 的参与者认为对话对象是真人，此前模型这一比例仅为 2.4%；该模型在 NVIDIA 的 VideoFDB 视频聊天测试中与真人相差 0.09 分，并领先次优 AI 模型超过 1 分。目前仅 Griffin-Lite 向受信任测试者开放，用于继续完善安全与披露功能，后续再公开推出。

    匹配字段标题、摘要

    #newsletter#行业动态#视频#多模态
  2. The Rundown AI

    Apple 研发代号 J450 的 AI 安防摄像头：不录视频，只给文字描述

    Apple 正在研发代号 J450 的 AI 安防摄像头，据 Bloomberg 的 Mark Gurman 称，它不录制任何视频，而是通过低帧率传感器和端侧 AI 向用户提供家中活动的文字描述，并支持人脸识别标记有人进入房间等事件。该摄像头与传闻中的 J490 智能家居中枢配对，并共享 Apple 带摄像头 AirPods 的技术。它能否在真正出事时仅靠文字描述满足需求，仍有待观察。

    匹配字段标题、摘要

    #newsletter#行业动态#端侧#多模态

星期六