文本驱动的风格转换是图像合成领域的一项重要任务，旨在将参考图像的风格与文本提示所描述的内容相融合。 近期，文本到图像生成模型取得了显著进展，能够实现更精细的风格转换，同时保持内容的高保真度。这项技术在数字绘画、广告和游戏设计等领域具有巨大的实用价值。然而，现有的风格转换技术仍存在一些不足之处，主要挑战包括:风格过拟合:现有模型倾向于复制参考图像的所有元素，导致生成图像过于贴近参考风格图像的特征，限制了生成图像的审美灵活性和适应性。文本

OpenAI近日表示，目前暂无发布其AI视频生成模型Sora API的计划。Sora模型能够根据文本描述或参考图像生成相当逼真的视频。在OpenAI开发者团队的一次AMA（Ask Me Anything）活动中，OpenAI开发者体验主管罗曼·休特(Romain Huet)明确表示，目前Sora API不在计划之内。“我们目前还没有Sora API的计划，”他写道。这一决策的原因可能是产能问题。在推出由Sora驱动的视频创作和编辑套件后不久，OpenAI就因流量超出预期而被迫关闭了申请通道。OpenAI首席执行官山姆·奥特曼（Sam Altman）在X上为此道歉。奥特曼

在2024火山引擎FORCE原动力大会·冬上，火山引擎宣布了豆包大模型家族的全新升级，展示了其在人工智能领域的最新进展。豆包大模型的日均tokens使用量已超过4万亿，较5月发布时期增长超过33倍，显示出其在行业中的广泛应用和快速增长。

谷歌正式发布了其新一代视频生成模型 Veo2，旨在与 OpenAI 的 Sora 展开竞争。谷歌表示，Veo2在生成视频时表现出更高的真实感和细腻度。此次更新不仅提升了视频质量，还加强了对现实物理和人类运动与表情细微差别的理解。Veo2的强大功能谷歌表示，Veo2“对现实世界的物理学以及人类运动和表情的细微差别有更好的理解”。它可以在 Google Labs 的 VideoFX 平台上使用，但仅限于候补名单。用户需要通过 Google 表单注册，并等待 Google 在其选择的时间临时授予访问权限。谷歌介绍称，用户可以根

OpenAI 最近推出了其视频生成模型 Sora，但该模型的训练数据可能包含了许多版权游戏内容，这引发了法律问题的担忧。Sora 可以根据用户的文字提示或图片生成最长20秒的视频，支持多种画幅和分辨率。在发布之初，OpenAI 就提到 Sora 的训练数据包括 Minecraft 视频，这引发了人们对其他可能被使用的游戏内容的好奇。在实际测试中，Sora 能够生成与多个知名游戏相似的视频，包括看起来像是《超级马里奥兄弟》的克隆版、受到《使命召唤》和《反恐精英》启发的第一人称射击游戏，以及风格类

Shakker AI 今天宣布推出了其最新的高级图像生成模型——Zeno-1。这一模型不仅继承了前身 FLUX.1的卓越美学和艺术性，还通过内部推荐系统实现了风格多样性的飞跃。Zeno-1的推出标志着数字艺术创作工具的一个新时代。它提供了一系列控制工具，使用户能够以前所未有的方式塑造和细化他们的数字艺术作品。以下是 Zeno-1模型的主要特点:调色板控制:用户可以依据特定的调色板来控制生成图像的视觉色调，并通过不同的控制强度来满足个性化需求。实体控制:给定一个角色或主题，Zeno-1能够生成

还记得那些年，我们苦苦等待视频生成模型渲染每一帧的漫长时光吗?现在，告别龟速，迎接光速!Adobe和MIT强强联手，推出一款名为CausVid的“因果”视频生成模型，它能以每秒9.4帧的速度实时生成高质量视频，首帧延迟仅需1.3秒!这项突破性技术将彻底改变视频内容创作方式，为游戏、虚拟现实和流媒体等领域带来无限可能!传统的视频生成模型，就好比一位慢工出细活的“老工匠”，他们需要仔细分析整个视频序列，才能生成每一帧画面，因此生成速度非常慢。用户必须耐心等待数分钟甚至

北京智源人工智能研究院（BAAI）近日宣布推出一款创新的3D生成模型See3D，该模型能够利用大规模无标注的互联网视频进行学习。这一技术突破标志着向“See Video， Get3D”的理念迈进了重要一步。See3D模型不依赖于传统的相机参数，而是采用视觉条件技术，仅通过视频中的视觉线索生成相机方向可控且几何一致的多视角图像。这种方法避免了昂贵的3D或相机标注的需求，能够高效地从互联网视频中学习3D先验。

OpenAI在今日的直播中发布了备受期待的产品——Sora Turbo，标志着2024年生成式AI领域的一大突破。Sora Turbo的生成效率显著提升，能够通过文本直接生成最多20秒的1080P视频，成为目前全球生成时长最高的视频模型之一。该模型支持文本加图片或视频的输入，生成特定视频内容，使生成效果更加可控。

近日，谷歌云部门宣布，其最新的视频和图像生成模型——Veo和Imagen3，现已在Vertex AI平台上线，进一步推动了AI在营销与广告领域的应用。Veo模型首次亮相于Google I/O开发者大会，是谷歌DeepMind对竞争对手如Runway的Gen-3和OpenAI的Sora等产品的回应。该模型能够将文本或图像提示转化为长达60秒的高清电影风格视频，具备出色的帧级一致性，确保主体在镜头内流畅移动。Imagen3则专注于图像生成，能够根据文本生成照片级逼真的视觉效果，并在细节、照明和伪影减少方面超越前代产品。此外，Image

在周二的re:Invent大会上，亚马逊网络服务（AWS）宣布推出其新型多模式生成AI模型系列——Nova。此次发布的Nova系列包括四种文本生成模型:Micro、Lite、Pro和Premier，此外还推出了图像生成模型Nova Canvas和视频生成模型Nova Reel。亚马逊首席执行官Andy Jassy表示，Micro、Lite和Pro模型将在当天开始向AWS客户推出，而Premier模型预计将在2025年初发布。Nova系列专为处理多种输入形式（包括文本、图像、视频）而设计，其中文本生成模型特别优化了15种语言，主要支持英语。Nova文本生成模型Nova文本生成模型

可口可乐最近发布了三则用人工智能制作的圣诞广告，结果却引来了不少嘲讽和质疑。尽管广告的构思可能挺不错，但实际效果却令人失望:那些画面扭曲、面部表情怪异、动作不自然、比例失调的广告让观众们哭笑不得。显然，AI 技术在这次尝试中并没有发挥应有的作用。这三则广告分别由三个 AI 工作室制作，分别是 Secret Level、Silverside AI 和 Wild Card。它们使用了几种生成模型，包括 Leonardo、Luma、Runway，以及在最后阶段引入的新模型 Kling。最受关注的那一则广告是致敬1995年经典可口可乐

近日，阿里巴巴宣布开源其最新研发的图像生成模型 Qwen2vl-Flux，该模型不仅具备编辑、融合和混合等多种功能，还能够在用户输入图像或文本的情况下，生成具有高度相似性的全新图像。Qwen2vl-Flux 提供了强大的图像变化功能。用户只需输入一张图像，无需任何文本提示，模型便能根据原图生成多幅相似的图像。例如，用户上传一张人物照片，模型便可以生成多个角度下的人物表现，展现出不同的视角与情感。模型还支持文本引导图像混合。当用户输入一张图片并附加相关文本提示时，Qwe

AI 音乐初创公司 Suno 最近发布了其音乐生成模型的4.0版本，带来了音频质量、歌词准确性和歌曲结构等多方面的改进。本次更新有一个称为 “Remaster” 的新功能，可以让用户将使用旧版本 Suno 制作的曲目升级为4.0的高质量版本。此外，Suno 还推出了一个名为 “ReMi” 的 AI 歌词助手，旨在帮助用户进行创作。目前，4.0版本已在测试阶段开放给 Pro 和 Premier 订阅用户，但尚未公布免费用户的上线时间。除了音乐质量的提升，Suno 还对其封面艺术创作系统进行了全面升级，声称新系统能够创作出

近日，Play AI 正式推出其最具雄心的产品 ——PlayDialog beta版本，能生成对话式的播客音频。这款端到端的 AI 语音模型，利用对话的历史上下文，能够调控语调、情感和语速，以实现更自然的语音合成，标志着人机对话的新高度。PlayDialog 特别适合于制作真实的对话体验，例如旁白、语音配音、合成播客等，也能在商业环境中提供沉浸式的一对一语音交流体验，效果类似谷歌的NotebookLM与此同时，Play AI 还推出了 PlayNote，这是一款可以将多种媒体文件（如 PDF、文本、视频等）转化为对话体验的

在Vidu上线逾百日之际，生数科技自豪地宣布Vidu1.5新版本的问世，该版本实现了世界领先水平的突破，特别是在理解多样化输入和突破“一致性”难题方面。Vidu1.5的推出标志着视觉模型进入了全新的“上下文”时代，加速了通用人工智能（AGI）的到来。Vidu在全球上线之初便具备了角色一致性生成能力，通

近日，Suno 公司发布了其最新的 v4音乐生成模型的音频样本。这些演示音频展现了与之前版本相比，音质、音色多样性和一致性都有了显著提升。Suno 的 v4模型通过深度学习技术对大量音乐数据进行训练，旨在生成更自然、更丰富的音乐作品。与以往版本相比，v4模型在音频合成方面的表现更为出色，能产生更具表现力的乐曲，增强了音乐的情感表达。听众在试听样本时，能够明显感受到音质的细腻程度和旋律的流畅性，给人以耳目一新的体验。为了使这一新模型的功能更为全面，Suno 还对

近日，即梦AI宣布，即日起由字节跳动自研的视频生成模型Seaweed面向平台用户正式开放。用户登陆后，在“视频生成”功能下，视频模型选择“视频S2.0”即可体验。Seaweed视频生成模型是豆包模型家族的一部分，具备专业级光影布局及色彩调和，画面视觉极具美感和真实感。基于DiT架构，Seaweed视频生成模型还能实现大幅度运动画面流畅自然。测试显示，该模型仅需60s就能生成时长5s的高质量AI视频，大幅领先于国内业界3-5分钟的前沿水平。即梦AI官方透露，近期，Seaweed和Pixeldance两款视频生

今日，智谱技术团队发布了其最新的视频生成模型 CogVideoX v1.5，并将其开源。这一版本是自8月以来，智谱技术团队推出的 CogVideoX 系列中的又一重要进展。据了解，此次更新大幅提升了视频生成能力，包括支持5秒和10秒的视频长度、768P 的分辨率以及16帧的生成能力。同时，I2V（图像到视频）模型也支持任意尺寸比例，进一步增强了复杂语义的理解能力。CogVideoX v1.5包含两个主要模型:CogVideoX v1.5-5B 和 CogVideoX v1.5-5B-I2V，旨在为开发者提供更强大的视频生成工具。更值得关注的是，CogVideoX v1.5将

北京智谱华章科技有限公司宣布，其旗下的CogVideoX系列模型推出了最新版本——CogVideoX v1.5，并已对外开源。自8月初发布以来，该系列模型凭借其行业领先的技术和深受开发者喜爱的特性，已经成为视频生成领域的佼佼者。新版本CogVideoX v1.5在原有基础上进行了显著升级，包括增强了视频生成能力，现在支持5/10秒、768P、16帧的视频生成，并且I2V模型能够支持任意尺寸比例，大幅提升了图生视频的质量和复杂语义理解。