DeepBeepMeepチームがGitHub上で、ローエンドGPUユーザー向けに最適化されたビデオ生成モデルWan2.1GPを公開しました。このモデルはアリババのWan2.1をベースにしており、高性能GPUリソースにアクセスできないユーザーに強力なビデオ生成能力を提供することを目指しています。Wan2.1GPの登場は、特にオープンソースの分野において、ビデオ生成技術の重要な進歩を示しています。画像出典：AI生成画像、画像ライセンスプロバイダーMidjourney

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。

かつて、ビデオ生成モデルが1フレームずつレンダリングされるのを辛抱強く待っていた時代を覚えていますか？もう、ノロノロ速度とはお別れです！AdobeとMITが強力タッグを組み、CausVidという「因果関係に基づく」ビデオ生成モデルを発表しました。毎秒9.4フレームの速度で高品質なビデオをリアルタイムで生成し、最初のフレームの遅延はわずか1.3秒！この画期的な技術は、ビデオコンテンツ制作の方法を根本から変え、ゲーム、仮想現実、ストリーミングなどの分野に無限の可能性をもたらします！従来のビデオ生成モデルは、まるでゆっくりと丁寧に作業を進める職人さんのようでした。

Google Cloud部門は先日、最新のビデオおよび画像生成モデルであるVeoとImagen 3をVertex AIプラットフォームで公開したと発表し、マーケティングと広告におけるAIの応用をさらに推進しました。Google I/O開発者会議で初公開されたVeoモデルは、RunwayのGen-3やOpenAIのSoraなど、競合他社の製品に対するGoogle DeepMindからの回答です。このモデルは、テキストまたは画像のプロンプトを最大60秒の長さのHD映画スタイルのビデオに変換できます。

この度、即夢AIは、バイトダンスが独自開発したビデオ生成モデルSeaweedを、本日よりプラットフォームユーザー向けに正式公開することを発表しました。ユーザーはログイン後、「ビデオ生成」機能で、ビデオモデルに「ビデオS2.0」を選択することで体験できます。Seaweedビデオ生成モデルは、Doubaoモデルファミリーの一部であり、プロレベルの光の配置と色彩調整を備え、視覚的に美しく現実的な映像を実現しています。DiTアーキテクチャに基づいており、Seaweedビデオ生成モデルは大幅な動きのあるシーンでも滑らかで自然な映像を実現します。テストによると、このモデルは…

多くのAIビデオ生成モデルの中でも、Pikaは特にメインストリームのクリエイターや視聴者の間で最も人気のあるものの1つです。カリフォルニア州パロアルトに拠点を置くこのスタートアップ企業は、スタンフォード大学のAI博士課程を中退した2人の学生によって設立され、これまでに1億3500万ドルの資金調達を実現しています。今月初め、Pikaはテキストからビデオ、画像からビデオへのAI生成モデルのバージョン1.5をリリースし、6つの驚くべき特殊効果（「爆発」、「圧縮」、「溶解」、「扁平化」など）を追加しました。

快手、北京大学、北京郵電大学の研究チームが共同で、画期的なテクノロジー成果である超高解像度ビデオモデルPyramid-Flowを発表しました。このオープンソースプロジェクトは、人工知能によるビデオ生成分野で著しい進歩を遂げ、業界に新たな可能性をもたらします。Pyramid-Flowモデルは驚くべき能力を示し、テキスト入力のみで最大10秒間、解像度1280x768、フレームレート24fpsの高画質ビデオを生成できます。光と影の効果、動作の滑らかさ、全体的な画質、テキストとの整合性など、あらゆる点で高いクオリティを実現しています。

2024年9月4日、北京智源人工知能研究院（BAAI）は、テキストからビデオ生成を含むモデルの対抗評価サービス「FlagEval大規模モデル闘技場」の世界初の提供を発表しました。このサービスはユーザー向けに公開されており、国内外の約40種類のLLMを網羅し、言語応答、マルチモーダル画像テキスト理解、テキストから画像生成、テキストからビデオ生成の4つのタスクに対応した、オンラインまたはオフラインでのカスタム評価をサポートしています。

中国産のオープンソースビデオ生成モデルCogVideoX-5BがModelScopeコミュニティで正式にオープンソース化されました。ビデオ生成の質と視覚効果が大幅に向上しています。大規模DiTモデルをベースとし、3D因果変分オートエンコーダー、エキスパートTransformer技術を採用し、3D-RoPE位置エンコーディングと3D全アテンション機構により時空間の統合モデリングを実現しています。漸進的学習技術の活用により、顕著な動き、一貫性があり高品質な長時間のビデオ生成が可能になりました。

智譜AIは、ビデオ生成モデルCogVideoXのオープンソース化を発表しました。これは、ビデオ生成技術の急速な発展と応用を促進することを目的としています。CogVideoXモデルは、高度な大規模モデル技術に基づいており、商業レベルのアプリケーションのニーズを満たすことができます。現在オープンソース化されているCogVideoX-2Bバージョンは、FP-16精度での推論に18GBのビデオメモリのみ、微調整には40GBのビデオメモリのみが必要であり、単一の4090グラフィックカードで推論を実行でき、単一のA6000グラフィックカードで微調整を行うことができます。

デジタルメディアの黄金時代において、高品質なビデオ制作には高度なスキルと高価な機材が必要とされてきました。しかし、新たに登場したSnap Videoプラットフォームはこの伝統を覆しました。自然言語を入力するだけで、瞬時にビデオを生成できるのです。最新の画像生成モデルの成果を基に開発されたSnap Videoは、時間的および空間的な冗長性要素を取り入れることで、生成ビデオの品質と一貫性を向上させています。Snap Videoは空間および時間的なピクセルを協調的に処理し、自由に視覚表現を生成します。

最新情報！Gen-3 Alphaテキストからビデオへの生成機能が誰でも利用可能になりました！高忠実度、高速、制御可能な方法でビデオを生成できる画期的な技術です。今すぐ公式サイト http://runwayml.com で体験してみましょう！このニュースは大きな注目を集め、多くの人がこの新機能の登場を心待ちにしていました。

著名ハリウッドプロデューサーのタイラー・ペリー氏が、8億ドルの投資プロジェクトを中止しました。新しく発表されたテキストからビデオを生成するモデルSoraが、映画業界に大きな影響を与えるだろうと考えたためです。Soraは映画制作のプロセスを簡素化し、一部の職種の失業につながる可能性があります。ペリー氏はAI技術の発展速度に衝撃を受け、映画業界が今後大きな課題に直面すると述べています。