VideoPainterは深層学習に基づいた編集ツールで、まるで魔法使いのように、簡単なプロンプトでビデオの内容を自動的に認識・修正します。特に長尺ビデオの処理に最適です。プロンプトを入力すれば、内容を自動認識します。想像してみてください。素晴らしいビデオを見ている最中に、ある細部が気に入らないことに気づいたとします。以前は、フレームごとに調整したり、場合によってはシーンを撮り直したりするなど、大変な作業が必要でした。しかし、VideoPainterを使えば、短いプロンプトを入力するだけで、システムが…

先日、魔楽コミュニティ（Modelers）で、階躍星辰が開発したオープンソースのマルチモーダル大規模モデルであるStep-VideoとStep-Audioが正式に公開されました。これらのモデルは、それぞれ動画生成と音声対話に使用され、開発者と企業ユーザーにより強力なAIツールを提供することを目指しています。Step-Videoモデルの正式名称はStep-Video-T2Vで、300億パラメーターという世界最大のオープンソース動画生成モデルです。このモデルは、20秒の動画を直接生成できます。

A Tencent anunciou o lançamento de código aberto de sua nova estrutura de geração de vídeo a partir de imagem — HunyuanVideo-I2V. O lançamento deste modelo representa mais um avanço importante após o sucesso do lançamento de código aberto do HunyuanVideo, e visa impulsionar a exploração aprofundada da comunidade de código aberto. O HunyuanVideo-I2V incorpora tecnologias avançadas de geração de vídeo, permitindo a transformação de imagens estáticas em conteúdo de vídeo dinâmico, oferecendo mais possibilidades aos criadores. O HunyuanVideo-I2V utiliza um pré-treinamento...

最近、腾讯混元ビデオモデル（Hunyuan Video）がXプラットフォームで正式にテストパートナーを募集し、この最先端のAIビデオ生成技術が重要なテスト段階に入ったことを示しています。公式によると、テスト終了後、このモデルは高い確率でオープンソース化され、世界のAIコミュニティにその技術成果が貢献される予定です。混元ビデオモデルは、テンセントのAIビデオ生成分野における重要なイノベーションであり、13B以上のパラメータを持ち、現在のオープンソースモデルの中で最大規模のビデオ生成モデルの一つです。その中核技術には、

世界の開発者の視線が再び中国に注がれています！注目を集めるグローバル・デベロッパー・カンファレンス（GDC）において、アリババクラウド魔搭コミュニティは、階躍星辰の最新オープンソースの2つのマルチモーダルモデルを初公開すると発表しました。これには、世界最大規模のパラメータを持つオープンソースのビデオ生成モデルStep-Video-T2Vと、業界初の製品レベルのオープンソース音声対話モデルStep-Audioが含まれます。このニュースは瞬く間に世界のAIオープンソースコミュニティを席巻し、中国の人工知能分野における強力なイノベーション能力を改めて示しました。中国最大のAI...

2月19日、北京智譜華章科技有限公司は、同社のマルチモーダル創作プラットフォーム「清影」とAIキャラクター創作プラットフォーム「捏Ta」が戦略的パートナーシップを締結し、AIキャラクターデザインからアニメーション制作までの完全なワークフローを共同で探求し、IPの一貫性を実現するための技術実装を進めると発表しました。今回の連携は、二次元ユーザーのニーズとAIの活用シナリオを深く掘り下げ、ユーザーにより高品質な生成効果と高速な推論速度を提供することを目的としています。

本日、階躍星辰と吉利汽車集団は、階躍Stepシリーズのマルチモーダル大規模モデル2つ——Step-Video-T2V動画生成モデルとStep-Audio音声モデル——を共同でオープンソース化すると発表しました。その中で、階躍Step-Video-T2V動画生成モデルは、パラメータ数と性能において世界をリードするレベルにあります。このモデルは300億個のパラメータを持ち、204フレーム、540Pの高解像度動画を直接生成でき、生成されたコンテンツの情報密度が高く、一貫性が高いことを保証します。評価結果によると、

近年、大規模データセットと事前学習済み拡散モデルのおかげで画像再照明技術は進歩し、一貫性のある照明の適用がより一般的になりました。しかし、ビデオ再照明の分野では、高額なトレーニングコストと多様で高品質なビデオ再照明データセットの不足により、進歩は比較的遅れています。画像再照明モデルをビデオにフレームごとに適用するだけでは、光源の一貫性のなさや再照明された外観の一貫性のなさが原因で、最終的に生成されたビデオにちらつきが生じるなど、様々な問題が発生します。この問題を解決するために、研究チームはLight-Aを提案しました。

この度、AdobeはAI動画生成ツールFirefly Videoの公開テスト版を正式リリースしました。ユーザーはテキストと画像を最大5秒の長さの短動画に変換できます。動画解像度は1080p、フレームレートは毎秒24フレームです。このツールの登場は、Adobeが動画生成分野で重要な一歩を踏み出したことを示しています。ユーザーは簡単なテキスト指示や画像のアップロードによって、短時間で精巧な動画コンテンツを生成できます。Firefly Videoのユーザーインターフェースは使いやすく、…

革新的なビデオ生成技術であるFlashVideoが先日オープンソースとして公開されました。このフレームワークは独自の二段階設計により、AIビデオ生成における速度と品質のバランス問題を巧みに解決しています。FlashVideoは、WebフロントエンドのLQIP（低画質画像プレースホルダー）に似たアプローチを採用し、ビデオ生成プロセスをプレビューと品質向上という2つの段階に分けています。プレビュー段階では、システムは極めて低い計算コストでビデオの下書きを迅速に生成し、ユーザーに即時のフィードバックを提供することで、ユーザーエクスペリエンスと商業的な応用可能性を大幅に向上させます。

豆包大模型チームの公式アカウントによると、北京交通大学と中国科学技術大学の共同研究により、豆包大模型チームが提案したビデオ生成実験モデル「VideoWorld」が近日、正式にオープンソース化されました。このモデルの最大のハイライトは、従来の言語モデルに依存せず、視覚情報のみで世界を認知・理解できる点です。この画期的な研究は、李飛飛教授がTED講演で述べた「幼児は言語に頼らずに現実世界を理解できる」という考えから着想を得ています。「Vide」

2025年1月22日、上海階躍星辰智能科技有限公司は、ビデオ生成モデルStep-Videoが正式にV2版にアップグレードされたことを発表しました。今回のアップグレードにより、技術的なブレークスルーと機能強化が実現し、現実世界のシミュレーションにおいてより強力になりました。

従来の動画理解モデルは、長尺動画の処理において、複雑なコンテキスト理解など多くの課題に直面していました。動画理解能力の向上を目指した研究は数多くありますが、訓練と推論の効率の低さを効果的に克服することは困難でした。本研究チームはこれらの問題に対し、HiCo技術を用いて動画情報の冗長部分を圧縮することで、計算需要を大幅に削減しつつ、重要な情報を保持することに成功しました。具体的には、HiCoは動画を階層的に圧縮し、長尺動画を短いセグメントに分割することで、処理を削減します

ビデオテクノロジーの急速な発展に伴い、ビデオは情報検索や複雑な概念の理解において重要なツールとなっています。ビデオは視覚、時間、コンテキストデータの組み合わせにより、静止画やテキストを超えるマルチモーダル表現を提供します。今日、ビデオ共有プラットフォームの普及と教育や情報ビデオの大量出現により、ビデオを知識源として活用することで、詳細な背景、空間的理解、プロセスデモを必要とするクエリの解決に前例のない機会が提供されます。しかし、既存の検索強化生成（RAG）システムは、ビデオデータの可能性を十分に活用できていません。これらのシステムは通常

南京大学の研究チームが、バイトダンス、西南大学と共同で、革新的な技術STAR（Spatial-Temporal Augmentation with Text-to-Video Models）を発表しました。これはテキストから動画を生成するモデルを利用し、現実世界の動画の超解像度処理を実現する技術です。この技術は時空間拡張手法を組み合わせることで、低解像度の動画の画質を効果的に向上させ、特に動画共有プラットフォームからダウンロードした低画質の動画に適しています。

Googleは、OpenAIのSoraと競合することを目指した次世代動画生成モデルVeo2を正式に発表しました。Googleによると、Veo2は動画生成においてより高いリアリズムと繊細さを実現しています。今回のアップデートでは、動画品質の向上だけでなく、現実世界の物理法則や人間の動き、表情の微妙な違いに対する理解も強化されました。Veo2の強力な機能について、GoogleはVeo2が「現実世界の物理学と、人間の動きや表情の微妙な違いをより良く理解している」と述べています。Google Labsで利用可能です。

Meta社は最近、Video Sealと呼ばれる新しいニューラルウォーターマークシステムを発表しました。このシステムは、AI生成ビデオの識別を目的としており、編集されたビデオでもそのソースを効果的に追跡できます。このウォーターマークは視聴者には見えませんが、検出することでビデオの真偽を検証できます。Meta社は、Video Sealウォーターマークモデル、研究論文、トレーニングおよび推論コードを含む、このシステム全体をMITライセンスのオープンソースソフトウェアとして公開しています。さらに、Meta社は…

イスラエルのテクノロジー企業Lightricksは最近、超高速AIビデオ処理プラットフォームであるLTX Video（LTXV）を発表しました。このプラットフォームは、高度なAIモデルを採用しており、一般的なグラフィック処理ユニット（GPU）で動作します。11月下旬にリリースされたLTXVは、768x512ピクセルの5秒間のAIビデオクリップを4秒で生成でき、他のAIビデオプラットフォームの中で際立っています。20億個のパラメータにより、…

ディープフェイクは今やあらゆる場所に浸透しています。生成AIの普及に伴い、オンライン上の偽情報は爆発的に増加しました。認証プラットフォームSumsubの統計によると、2023年から2024年にかけて、世界のディープフェイク数は4倍に増加。2024年には、ディープフェイクが不正行為全体の7％を占め、なりすまし、アカウント乗っ取りから高度なソーシャルエンジニアリング攻撃まで、あらゆるものにその影が見られます。Metaはディープフェイクに対抗するため、