←搜索结果

搜索“视频”

按匹配度 · 共 2193 条结果 清除搜索

星期五

  1. Suno

    Suno 分享新功能演示视频

    Suno 官方账号发布了一条视频链接，未附文字说明。引用帖中用户 OmnipotentCEO 对其中名为 Speech 的功能提出异议，建议改名为 Vocal Booth。

    匹配字段标题、摘要

    #company#其他
  3. Suno

    Suno 回应音质批评：发布视频链接

    Suno 官方账号发帖仅附一条视频链接，未作文字说明。被引用用户此前批评 Suno 生成的音乐带有“合成感”，音质粗糙、缺乏打磨与母带处理，并称若维持当前质量 Suno 走不远。

    匹配字段标题、摘要

    #company#其他
  4. The Decoder

    Tavus 推出实时视频对话模型 Griffin，48% 测试者误认其为真人

    Tavus 推出名为 Griffin 的 Human Interaction Model，可在实时视频通话中同时接收和生成语音、面部表情、语气、手势与停顿。Tavus 研究显示，48% 的参与者在一次一分钟视频通话后认为 Griffin 是真人，此前系统最高为 2%。在 Tavus 称为 Nvidia 独立测试的拟人度评分中，Griffin 得 3.83 分，真人为 3.92 分，此前最佳 AI 模型为 2.80 分。名为 Griffin-Lite 的预览版已向部分测试者开放，能力更强的版本将在安全问题解决后推出。

    匹配字段标题、摘要

    #ai-vertical#模型发布#多模态#视频

星期四

  2. Wan精选

    Wan3.0 在 Artificial Analysis 新视频生成基准中排名第一

    Wan3.0 在 Artificial Analysis 新推出的 AA-Video-T2V v2.0 文本生成视频基准中综合排名第一，并在 20 个分类榜中领先 10 个，包括卡通与动漫风格、动画与游戏用例，视频成本为每分钟 12 美元。该基准基于 1000 多个提示词、超过 68000 条来自美英私人评估者的人类偏好投票，统一以 1080p 高码率评判模型。Wan 官方对团队、评估者及使用 Wan 的创作者表示感谢。

    匹配字段标题、摘要

    #company#评测/基准#视频#图像生成
  3. A6 a6-070 · 字节 Seed：Research Papers精选

    字节 Seed 发布 SeedRealtime 原生音视频全双工 LLM

    字节 Seed 正式发布 SeedRealtime，一个原生音视频全双工 LLM，用统一架构原生融合音频、视频和文本，支持连续多模态流上的实时交互。官方称其实现音视频联合理解、主动交互和自然对话节奏三项突破，端到端人工评测显示相比级联模型，音视频对话节奏问题减少一半。目前 SeedRealtime 已全面上线，官方称这是音视频全双工技术的大规模部署。

    匹配字段标题、摘要

    #a6-editorial#模型发布#多模态#语音
  4. A6 a6-070 · 字节 Seed：Research Papers精选

    字节 Seed 发布视频生成模型 Seedance 2.5

    字节 Seed 团队正式发布新一代视频创作模型 Seedance 2.5，单次可生成 30 秒音视频片段并支持多轮续写，单次最多可输入 30 张图片、10 段视频和 10 段音频作为参考素材。模型新增时间戳级编辑能力，并强化绿幕、镜头视角和参考编辑等功能，已在即梦 AI、豆包 Pro 等平台上线，API 将通过 BytePlus ModelArk 提供。

    匹配字段标题、摘要

    #a6-editorial#模型发布#视频#多模态
  5. PixVerse

    PixVerse 将在 NAB Show NY 展示 AI 视频工作流

    AI 视频正在超越一次性生成。真正的机会在于更快、更灵活的制作工作流，从概念到成品内容。 我们将在 #NABShowNY 现场展示该工作流，10 月 21-22 日于纽约。 欢迎参加 10 月 21 日 Day 1 之后的 happy hour。https://t.co/2AhlDiAZjQ

    匹配字段标题、摘要

    #editorial#行业动态#视频

星期三

  2. Google Developers Blog

    Google 如何在 TPU 上加速视频扩散模型的时空注意力

    Google Developers Blog 发布案例研究，介绍如何把视频扩散模型注意力中的理论稀疏性转化为 TPU 上的实际端到端加速。在单块 TPU v6e、75.6K tokens、10 heads、head 维度 128 的 BF16 合成输入下，朴素块遍历的稀疏原型保留约 39% query-key 对，却因边界 tile 仍需逐元素掩码而耗时 96.37 ms，比稠密 Splash 的 78.70 ms 还慢 22%。

    匹配字段标题、摘要

    #engineering#教程/实践#部署/工程#视频

星期二

  1. AWS Machine Learning

    Condé Nast 如何用 Amazon Bedrock 构建多模态视频检索

    Condé Nast 与 AWS 生成式 AI 创新中心合作，基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频检索方案，并选用 TwelveLabs Marengo 嵌入模型联合编码画面、音频与字幕。该方案将单次内容检索耗时从平均 250 分钟降至 2 分钟以内，覆盖超 14 万条视频库，支持自然语言意图搜索、图像查询和精确时间戳定位。

    匹配字段标题、摘要

    #lab#教程/实践#多模态#RAG
  2. Latent Space

    Opus 5.5 发布一周：社区用它生成动态图形视频

    Latent Space 的 AINews 汇总称，Claude Opus 5.5 发布约一周后在 OpenRouter 上成为 Anthropic 模型里支出和 token 份额第一的模型，切换速度尤其快。社区大量分享用 Opus 5.5 生成的动态图形视频，有人称整段视频全部由代码生成、未使用 After Effects，并开源了提示词模板。榜单方面，Opus 5.5 以 88.4% 领跑 SimpleBench，在 Terminal-Bench-Science 上从低推理强度的 24% 升至 xhigh 的 62%，max 档回落到 59%。

    匹配字段标题、摘要

    #newsletter#行业动态#多模态#视频
  3. AWS Machine Learning

    在 SageMaker AI 上用 vLLM-Omni 生成图像与视频（第二部分）

    在 Amazon SageMaker AI 上，用同一个 AWS vLLM-Omni DLC 镜像部署两个端点：实时端点跑 FLUX.2-klein-4B 生成图像，异步端点跑 Wan2.1-VACE-1.3B 做图像条件视频生成。文本提示词先生成 PNG，再连同运动提示词送入视频端点，生成的 MP4 从 Amazon S3 取回，示例还提供命令行流程和可选的 Streamlit 界面。

    匹配字段标题、摘要、正文

    #lab#教程/实践#部署/工程#多模态

星期一

  2. MarkTechPost

    Google Research 推出 AI 视频联合导演：4 个智能体框架实现连贯的分钟级视频生成

    Google Research 发布一套 AI 视频联合导演系统，用 4 个智能体框架把短片段串成连贯的分钟级故事，针对多镜头 AI 视频管线中的身份漂移与级联错误。系统基于 Gemini 和 Veo，模型无关，输出继承 SynthID 水印；其中 Co-Director 与 CANVAS 分别被 COLM 2026 和 EMNLP 2026 接收，A²RD 为免训练架构并生成了 10 分钟影片，VQQA 无需访问模型内部。团队还构建了 GenAD-Bench、HardContinuityBench 和 LVBench-C 三个新基准。

    匹配字段标题、摘要

    #ai-vertical#论文/研究#视频#Agent