हाल ही में, मॉडलर्स समुदाय (Modelers) ने आधिकारिक तौर पर स्टेप स्टार द्वारा विकसित Step-Video और Step-Audio दो ओपन सोर्स मल्टी-मॉडल मॉडल लॉन्च किए हैं। ये दो मॉडल क्रमशः वीडियो जेनरेशन और वॉयस इंटरैक्शन के लिए हैं, जिनका उद्देश्य डेवलपर्स और व्यावसायिक उपयोगकर्ताओं को अधिक शक्तिशाली AI उपकरण प्रदान करना है। Step-Video मॉडल का पूरा नाम Step-Video-T2V है, जो 300 बिलियन पैरामीटर्स वाला दुनिया का सबसे बड़ा ओपन सोर्स वीडियो जेनरेशन मॉडल है। यह मॉडल सीधे 20

पिका 2.2 के साथ, AI वीडियो जनरेशन तकनीक में एक महत्वपूर्ण उन्नयन आया है। इस नए संस्करण में कई नई विशेषताएँ और सुधार शामिल हैं जो वीडियो बनाने की प्रक्रिया को और अधिक कुशल और प्रभावी बनाते हैं।

हाल ही में, टेनसेंट ह्यूनयुआन वीडियो मॉडल (Hunyuan Video) ने X प्लेटफॉर्म पर परीक्षण भागीदारों के लिए आधिकारिक रूप से आमंत्रण जारी किया है, जो इस अग्रणी AI वीडियो जनरेशन तकनीक के महत्वपूर्ण परीक्षण चरण में प्रवेश करने का प्रतीक है। आधिकारिक सूत्रों के अनुसार, परीक्षण समाप्त होने के बाद, इस मॉडल के ओपन-सोर्स होने की उच्च संभावना है, ताकि वैश्विक AI समुदाय को इसके तकनीकी परिणामों का लाभ मिल सके। ह्यूनयुआन वीडियो मॉडल टेनसेंट की AI वीडियो जनरेशन क्षेत्र में एक महत्वपूर्ण नवाचार है, जिसमें 13B से अधिक पैरामीटर हैं, जो मौजूदा ओपन-सोर्स मॉडलों में सबसे बड़े वीडियो जनरेशन मॉडल में से एक है। इसके मुख्य तकनीकी पहलुओं में शामिल हैं

गूगल ने हाल ही में अपने वीडियो जनरेशन AI मॉडल Veo2 की कीमतों की जानकारी चुपचाप जारी की है, Veo2 को सबसे पहले पिछले साल दिसंबर में पेश किया गया था, और इस नए मॉडल ने काफी ध्यान आकर्षित किया है। गूगल के मूल्य निर्धारण पृष्ठ के अनुसार, Veo2 का उपयोग करने की लागत प्रति सेकंड 50 सेंट है, इस हिसाब से, एक मिनट के वीडियो की लागत 30 डॉलर है, जबकि एक घंटे के वीडियो की लागत 1800 डॉलर तक पहुँच जाती है। गूगल DeepMind के शोधकर्ता जॉन बैरोन (Jon Barron) ने इस मूल्य निर्धारण की एक दिलचस्प तुलना की, उन्होंने उल्लेख किया...

आज, चरण तारे और जिल्ली ऑटोमोबाइल ग्रुप ने संयुक्त रूप से दो चरण Step श्रृंखला के बहु-मोडल बड़े मॉडल - Step-Video-T2V वीडियो जनरेशन मॉडल और Step-Audio वॉयस मॉडल को ओपन-सोर्स करने की घोषणा की। जिनमें, चरण Step-Video-T2V वीडियो जनरेशन मॉडल स्पष्ट रूप से वैश्विक स्तर पर पैरामीटर संख्या और प्रदर्शन दोनों में अग्रणी है। इस मॉडल में 30 बिलियन पैरामीटर हैं, जो सीधे 204 फ्रेम, 540P रिज़ॉल्यूशन का उच्च गुणवत्ता वाला वीडियो उत्पन्न कर सकते हैं, यह सुनिश्चित करता है कि उत्पन्न सामग्री में सूचना की घनत्व उच्च और संगति मजबूत हो। मूल्यांकन परिणाम बताते हैं,

14 फ़रवरी 2025, कुनलुन वानवे समूह ने आधिकारिक रूप से Matrix-Zero विश्व मॉडल लॉन्च किया, जो चीन की स्पatial intelligence क्षेत्र में एक महत्वपूर्ण कदम का प्रतीक है। Matrix-Zero में दो उप-मॉडल शामिल हैं: 3D दृश्य जनरेशन बड़ा मॉडल और इंटरैक्टिव वीडियो जनरेशन बड़ा मॉडल, जिसका उद्देश्य AI तकनीक के माध्यम से डिजिटल कंटेंट निर्माण के तरीके को पुनः आकार देना और फिल्म निर्माण, गेम विकास, एम्बॉडेड इंटेलिजेंस जैसे उद्योगों में नवाचार को बढ़ावा देना है।

हाल ही में, Adobe ने अपने AI वीडियो जनरेशन टूल Firefly Video का सार्वजनिक परीक्षण संस्करण लॉन्च किया है, जो उपयोगकर्ताओं को टेक्स्ट और इमेज को अधिकतम 5 सेकंड के शॉर्ट वीडियो में बदलने की अनुमति देता है, वीडियो का रिज़ॉल्यूशन 1080p है, और फ़्रेम दर प्रति सेकंड 24 फ़्रेम है। इस टूल का लॉन्च Adobe के वीडियो जनरेशन के क्षेत्र में एक महत्वपूर्ण कदम का प्रतीक है, उपयोगकर्ता सरल टेक्स्ट निर्देशों या इमेज अपलोड करके जल्दी से सुंदर वीडियो सामग्री उत्पन्न कर सकते हैं। Firefly Video का यूजर इंटरफेस उपयोगकर्ता के अनुकूल है, जिससे अनुमति मिलती है.

एक नवोन्मेषी वीडियो जनरेशन तकनीक FlashVideo ने हाल ही में ओपन-सोर्स करने की घोषणा की है, यह ढांचा अद्वितीय डुअल-स्टेज डिज़ाइन के माध्यम से AI वीडियो जनरेशन में गति और गुणवत्ता के संतुलन की समस्या को चतुराई से हल करता है। FlashVideo ने वेब फ्रंटेंड LQIP (कम गुणवत्ता वाली छवि प्लेसहोल्डर) के समान विचार को अपनाया है, वीडियो जनरेशन प्रक्रिया को पूर्वावलोकन और गुणवत्ता संवर्धन के दो चरणों में विभाजित किया है। पूर्वावलोकन चरण में, सिस्टम बहुत कम गणना लागत पर तेजी से वीडियो ड्राफ्ट उत्पन्न कर सकता है, जिससे उपयोगकर्ताओं को तात्कालिक प्रतिक्रिया मिलती है, जो उपयोगकर्ता अनुभव और व्यावसायिक अनुप्रयोग की व्यवहार्यता को महत्वपूर्ण रूप से बढ़ाता है।

डौबाओ बड़े मॉडल टीम की आधिकारिक सार्वजनिक खाता जानकारी के अनुसार, बीजिंग जियाओटॉन्ग विश्वविद्यालय और चीन विज्ञान और प्रौद्योगिकी विश्वविद्यालय के संयुक्त अनुसंधान में, डौबाओ बड़े मॉडल टीम द्वारा पेश किया गया “VideoWorld” वीडियो जनरेशन प्रयोगात्मक मॉडल हाल ही में औपचारिक रूप से ओपन-सोर्स किया गया है। इस मॉडल की सबसे बड़ी विशेषता यह है कि यह पारंपरिक भाषा मॉडल पर निर्भर नहीं करता है, बल्कि केवल दृश्य जानकारी के माध्यम से दुनिया को पहचान और समझ सकता है। यह ब्रेकथ्रू अनुसंधान प्रेरणा प्रोफेसर ली फेई फेई के TED व्याख्यान में उल्लेखित “बच्चे बिना भाषा के असली दुनिया को समझ सकते हैं” के सिद्धांत से मिली है।

हाल ही में, अली मामा ने अपने विकसित ताओबाओ स्टार वीडियो जनरेशन मॉडल पर आधारित, व्यावसायिक स्तर पर चित्र से वीडियो एआई नेटिव एप्लिकेशन - ताओबाओ स्टार·चित्र से वीडियो का औपचारिक शुभारंभ किया, और इसे ताओबाओ और तियानमाओ व्यापारियों के लिए उपयोग के लिए खोला गया है। यह नया एआई नेटिव उपकरण विशाल ई-कॉमर्स डेटा, समृद्ध डिजाइन भाषा और उद्योग में अग्रणी मार्केटिंग अनुभव को मिलाकर, ई-कॉमर्स एआई सामग्री निर्माण के पूरे प्रक्रिया को智能化 उन्नति की दिशा में आगे बढ़ाने के लिए डिज़ाइन किया गया है।

AI क्षेत्र में, प्रतिभा प्रवास हमेशा एक तीव्र प्रतिस्पर्धा का स्थान रहा है। हाल ही में, टिम ब्रूक्स के पदांतरण की घटना ने व्यापक ध्यान आकर्षित किया। उन्होंने सोरा में केवल तीन महीने काम करने के बाद, प्रतिस्पर्धी गूगल डीपमाइंड में शामिल होने की घोषणा की। यह कदम सोरा की तकनीक को गंभीर चुनौतियों का सामना करने के लिए माना गया, खासकर जनरेशन स्पीड और प्रदर्शन में, जो उद्योग में अन्य प्रतिस्पर्धियों की तुलना में अच्छा नहीं कर पा रही है। रिपोर्टों के अनुसार, सोरा में तकनीकी समस्याओं की संख्या काफी है, जिससे लूमा, स्टेबिलिटी जैसी कंपनियों के साथ प्रतिस्पर्धा करना मुश्किल हो गया है।

जनरेटिव AI तकनीक की तेजी से प्रगति के साथ,越来越更多企业开始利用这些技术制作产品宣传视频。हाल ही में, Peak XV और Tiger Global द्वारा समर्थित स्टार्टअप Avataar ने 'Velocity' नामक एक नया टूल लॉन्च किया है, जो उत्पाद लिंक के आधार पर सीधे वीडियो बनाने की सुविधा प्रदान करता है। इस नवीनतम टूल की शुरूआत से वीडियो निर्माण की प्रक्रिया और भी सरल हो जाएगी, यहां तक कि इसे पेशेवर ज्ञान की आवश्यकता नहीं है। Avataar के संस्थापक श्रवण्थ

Runway प्लेटफॉर्म में एक महत्वपूर्ण अपडेट आया है, उपयोगकर्ता अब वीडियो जनरेशन में न केवल शुरुआत और अंत के फ्रेम चुन सकते हैं, बल्कि नियंत्रण के लिए मध्य फ्रेम भी डाल सकते हैं। पहले, कई उपयोगकर्ताओं ने इस की-फ्रेम सुविधा की प्रतीक्षा की थी, इस नए विशेषता के माध्यम से, उपयोगकर्ता वीडियो निर्माण प्रक्रिया में अधिक रचनात्मक स्वतंत्रता और लचीलापन प्राप्त कर सकते हैं। विशेष रूप से, सभी लोग चित्र से वीडियो सुविधा में, शुरुआत और अंत के फ्रेम अपलोड करने के अलावा, मध्य फ्रेम भी जोड़ सकते हैं, जिससे उत्पन्न वीडियो चित्र और अधिक समृद्ध और समर्पित हो जाते हैं। पहले से ही कुछ उपयोगकर्ताओं ने अनुभव करना शुरू कर दिया है, देख सकते हैं x पर उपयोगकर्ता @aroh।

हाल ही में OpenAI ने बताया कि उसके AI वीडियो जनरेशन मॉडल Sora API को जारी करने की कोई योजना नहीं है। Sora मॉडल टेक्स्ट विवरण या संदर्भ छवि के आधार पर अत्यधिक यथार्थवादी वीडियो उत्पन्न कर सकता है। OpenAI डेवलपर टीम के एक AMA (Ask Me Anything) कार्यक्रम के दौरान, OpenAI के डेवलपर एक्सपीरियंस डायरेक्टर रोमन ह्यूट ने स्पष्ट रूप से कहा कि वर्तमान में Sora API योजना में नहीं है। "हमारे पास अभी Sora API की कोई योजना नहीं है,"

2024 ज्वालामुखी इंजन FORCE ट्रांसवर्जेंस सम्मेलन·विंटर में, ज्वालामुखी इंजन ने डौबाओ बड़ा मॉडल परिवार के नए अपग्रेड की घोषणा की, जिससे एआई क्षेत्र में इसके नवीनतम प्रगति का प्रदर्शन हुआ। डौबाओ बड़े मॉडल का दैनिक टोकन उपयोग 40 ट्रिलियन से अधिक हो गया है, जो मई के रिलीज़ समय की तुलना में 33 गुना से अधिक की वृद्धि दर्शाता है, जो इसे उद्योग में व्यापक उपयोग और तेज़ विकास दिखाता है।

चीन की एआई वीडियो जनरेशन स्टार्टअप एशियन टेक्नोलॉजी ने हाल ही में A2 से A4 दौर के वित्त पोषण को पूरा करने की घोषणा की है, जिसकी कुल राशि लगभग 300 मिलियन युआन है। इससे पहले, A2 दौर का वित्त पोषण एंट ग्रुप द्वारा निवेशित किया गया था, जबकि हाल के A3 और A4 दौर के वित्त पोषण को बीजिंग आर्टिफिशियल इंटेलिजेंस इंडस्ट्री इनवेस्टमेंट फंड, चाइना नेशनल रिसर्च फंड और लाइटसोर्स कैपिटल ने मिलकर वित्त पोषण किया। यह दौर का वित्त पोषण मुख्य रूप से तकनीकी अनुसंधान और विकास क्षमता को बढ़ाने, कंप्यूटिंग संसाधनों का विस्तार करने, प्रतिभा टीम का निर्माण करने और उत्पाद कार्यक्षमता के अद्यतन और बाजार कवरेज को तेज करने के लिए उपयोग किया जाएगा, ताकि एआई वीडियो जनरेशन तकनीक के सामान्य उपयोग को निरंतर बढ़ावा दिया जा सके। एशियन टेक्नोलॉजी का मुख्य एआई वीडियो जनरेशन...

हाल ही में, OpenAI ने एक प्रश्न और उत्तर सत्र में खुलासा किया कि वर्तमान में उसके वीडियो जनरेशन मॉडल Sora के API को लॉन्च करने की कोई योजना नहीं है। Sora पाठ वर्णन या संदर्भ छवि के आधार पर अपेक्षाकृत यथार्थवादी वीडियो उत्पन्न कर सकता है, जो काफी ध्यान आकर्षित कर रहा है। लेकिन OpenAI विकास टीम के प्रमुख रोमैंन ह्यूट (Romain Huet) ने कहा कि वर्तमान समय में API लॉन्च करने की कोई योजना नहीं है। उन्होंने बैठक में कहा: "हमारे पास अभी Sora API के लिए कोई योजना नहीं है।" इस निर्णय का कारण संभावित रूप से क्षमता समस्याएं हो सकती हैं।

कृत्रिम बुद्धिमत्ता वीडियो जनरेशन के क्षेत्र में अग्रणी Pollo AI ने हाल ही में चार नए एआई इफेक्ट्स लॉन्च किए हैं, जिन्होंने फिर से उद्योग का ध्यान आकर्षित किया है। उपयोगकर्ताओं को केवल स्थैतिक चित्र अपलोड करना है, और उन्नत एआई तकनीक का उपयोग करते हुए, वे आसानी से 'संकुचन', 'विस्तार', 'विस्फोट' और 'पिघलना' जैसे प्रभाव प्राप्त कर सकते हैं, जिससे कोई भी चीज़ (या कोई भी व्यक्ति) वीडियो में 'जीवित' हो जाती है। इसके अतिरिक्त, Pollo AI ने त्योहारी थीम टेम्पलेट्स का भी शुभारंभ किया है, जिससे उपयोगकर्ताओं को क्रिसमस के माहौल से भरे छोटे वीडियो जल्दी से बनाने में मदद मिलती है। इस बार जारी किए गए चार इफेक्ट्स में से प्रत्येक की अपनी विशेषता है। 'संकुचन'

गूगल ने अपने नए पीढ़ी के वीडियो जनरेशन मॉडल Veo2 को आधिकारिक रूप से लॉन्च किया है, जिसका उद्देश्य OpenAI के Sora के साथ प्रतिस्पर्धा करना है। गूगल का कहना है कि Veo2 वीडियो जनरेट करते समय अधिक यथार्थता और बारीकी प्रदर्शित करता है। इस अपडेट ने न केवल वीडियो की गुणवत्ता को बढ़ाया है, बल्कि वास्तविक भौतिकी और मानव الحركة तथा अभिव्यक्ति की सूक्ष्मताओं की समझ को भी मजबूत किया है। गूगल ने कहा है कि Veo2 की शानदार क्षमताएं 'वास्तविक दुनिया की भौतिकी और मानव आंदोलन तथा अभिव्यक्ति की सूक्ष्मताओं की बेहतर समझ' प्रदान करती हैं। यह Google Labs में उपलब्ध है।

बाइट डांस के तहत डौbao डेस्कटॉप वीडियो जनरेशन सुविधा का बीटा परीक्षण शुरू किया गया है, कुछ उपयोगकर्ताओं को पहले से अनुभव करने का मौका मिला है। उपयोगकर्ता बीटा परीक्षण के लिए आवेदन करने के बाद, doubao.com पर जा सकते हैं, "वीडियो जनरेशन" सुविधा चुन सकते हैं, चित्र अपलोड कर सकते हैं और संकेत शब्द दर्ज कर सकते हैं, साथ ही शूटिंग और स्क्रिप्ट जानकारी जोड़ सकते हैं ताकि वीडियो सामग्री उत्पन्न की जा सके। बीटा परीक्षण चरण में, उपयोगकर्ता प्रति दिन मुफ्त में दस वीडियो बना सकते हैं।