传统的视频理解模型在处理长视频时面临着许多挑战，包括理解长视频所带来的复杂上下文。尽管已有不少研究致力于提升视频理解能力，依然难以有效克服训练和推理效率低下的问题。针对这些问题，研究团队通过 HiCo 技术，将视频信息中的冗余部分进行压缩，从而显著降低计算需求，同时保留关键信息。具体而言，HiCo 通过对视频进行层次化压缩，将长视频分割成短片段，进而减少处理的标记数量。这一方法不仅降低了模型对计算资源的要求，还提升了上下文窗口的宽度，增强了模型

字节跳动近日推出了一款针对中文开发者的 AI 集成开发环境（IDE）——Trae。这一产品旨在与 Cursor 和 Windsurf 等国际知名工具竞争，特别是在中文开发者的使用体验上，Trae 希望能填补现有工具的短板。在编程的日常中，许多开发者常常需要在英文和中文之间切换，这种中英混合的工作模式虽然习以为常，却让不少中文开发者感到不便。现有的 IDE 如 Cursor、Windsurf 和 Vscode，虽然功能强大，却未能对中文用户进行特别优化，造成使用时的不适感。Trae 的出现正是为了解决这一问题。Trae IDE 从底

随着视频技术的快速发展，视频已成为信息检索和理解复杂概念的重要工具。视频结合了视觉、时间和上下文数据，提供了超越静态图像和文本的多模态表现。如今，随着视频分享平台的普及和大量教育及信息视频的涌现，利用视频作为知识源为解决需要详细背景、空间理解和过程演示的查询提供了前所未有的机会。然而，现有的检索增强生成（RAG）系统往往忽视了视频数据的全部潜力。这些系统通常依赖文本信息，偶尔使用静态图像来支持查询响应，却未能捕捉视频所包含的视觉动态和

近日，南京大学的研究团队与字节跳动、西南大学联合推出了一项创新技术 ——STAR（Spatial-Temporal Augmentation with Text-to-Video Models），旨在利用文本到视频模型，实现真实世界视频的超分辨率处理。该技术结合了时空增强方法，能够有效提高低分辨率视频的质量，尤其适用于在视频分享平台上下载的低清晰度视频。为了方便研究者和开发者使用，研究团队已经在 GitHub 上发布了 STAR 模型的预训练版本，包括 I2VGen-XL 和 CogVideoX-5B 两种型号，以及相关的推理代码。这些工具的推出标志着在视频处

Ibiden Co.作为英伟达（Nvidia）尖端半导体的主要芯片封装基板供应商，正在考虑加快生产能力的提升，以应对日益增长的市场需求。Ibiden首席执行官川岛浩二(Koji Kawashima)表示，公司的 AI 用途基板销售强劲，客户正在迅速消耗现有库存，这种需求预计将持续到明年。目前，Ibiden在日本岐阜县正在建设一座新的封装基板工厂，预计将在2025年第四季度以25% 的产能投入使用，并在2026年3月达到50% 的产能。然而，川岛浩二指出，这样的产能可能仍然无法满足市场需求。他透露，公司正在与客户洽谈

蚂蚁集团旗下的AI IDE——CodeFuse IDE近期发布了0.7版本，该版本主要增强了对Lint Error类型的智能改写能力，并扩展了对zsh类型终端的自然语言生成命令的支持。CodeFuse IDE是一款基于蚂蚁自研大模型CodeFuse和自研IDE框架OpenSumi开发的人工智能集成开发环境，它支持主流编程语言，并在开发过程中提供代码编写建议、代码解释、单测生成、问题修复和智能终端等功能，旨在提升开发质量和效率。CodeFuse IDE具备开放的扩展能力，支持VS Code插件生态，并能接入任意模型服务。

AI图像生成平台Ideogram近日推出一项全新功能——批量图像生成工具，该工具允许用户通过上传包含提示词和设置的表格（例如Excel文件）来实现大规模图像生成。这一创新功能旨在简化繁琐的图像生成流程，大幅提高工作效率，为专业设计师和创意人士带来更便捷的创作体验。图源备注：图片由AI生成，图片授权服务商Midjourney批量生成:告别逐条输入，效率倍增传统的AI图像生成过程往往需要用户逐条输入提示词，并对每张图片进行单独设置，这无疑耗费了大量时间和精力。而Ideogram的批量

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

Meta 公司近日发布了一项名为 Video Seal 的新型神经水印系统，该系统旨在帮助识别 AI 生成的视频，即使视频经过编辑也能有效追踪其来源。这种水印对于观众而言是不可见的，但可以通过检测来验证视频的真实性。Meta 将整套系统以 MIT 许可的开源软件形式发布，包括 Video Seal 水印模型、研究论文以及训练和推理代码。此外，Meta 还发布了一个交互式演示，允许用户亲自测试这项技术。除了 Video Seal 之外，Meta 还推出了两款辅助工具:Omni Seal Bench，用于比较不同类型媒体的神经水印性能;以及

以色列科技公司 Lightricks 近日推出了一款名为 LTX Video （LTXV） 的闪电般快速的 AI 视频处理平台。该平台采用先进的人工智能模型，可以在常用的图形处理器 (GPU) 上运行。LTXV 于11月下旬发布，它可以在4秒内生成一个分辨率为768x512的5秒 AI 视频片段，这使其在其他 AI 视频平台中脱颖而出。其20亿个参数使其即使在英伟达 H100GPU 甚至 RTX4090上以每秒30.25帧的速度运行时，也能提供快速的处理时间，且不影响视频的质量和一致性。除了短片段外，LTXV 还支持长篇 AI 视频，为创作者提供了更大的控

如今，Deepfake 已经无孔不入。随着生成式 AI 的普及，网络上的虚假内容呈爆炸式增长。据身份验证平台 Sumsub 统计，2023年至2024年，全球 Deepfake 数量增加了4倍。2024年，Deepfake 占所有欺诈行为的7%，从身份冒充、账户盗用到复杂的社会工程攻击，无不涉及 Deepfake 的身影。为了有效打击 Deepfake，Meta 公司近日发布了一款工具，可以在 AI 生成的视频片段上添加难以察觉的水印。这款名为 Meta Video Seal 的工具于周四宣布开源，旨在集成到现有软件中。 该工具与 Meta 的其他水印工具 Watermark Anything（

亚马逊正在测试一项新功能，为 Prime Video 用户提供更加智能的内容推荐。这项名为 “AI Topics” 的功能，采用人工智能技术，而非传统的推荐算法，旨在根据用户的兴趣定制观看内容。如果你参与了测试，将会看到一些新鲜的内容推荐类别，例如 “脑洞大开的科幻”、“奇幻探险” 或 “紧张刺激的人物旅程”。每个类别下都将汇集相关的电视剧、电影以及直播频道，确保用户能够轻松找到符合自己口味的节目。用户可以进一步通过选择与当前类别相关的话题来细化推荐内容。亚马逊表示

随着深度伪造技术的普及，网络上虚假内容的数量激增。据 ID 验证平台 Sumsub 的数据，从2023到2024年，深度伪造的数量增长了四倍，2024年深度伪造内容占所有欺诈的7%。这其中包括身份冒充、账户接管以及复杂的社会工程攻击等各种形式。为了应对这一挑战，Meta 公司最近推出了一款新的水印工具 ——Meta Video Seal，旨在为 AI 生成的视频片段添加几乎不可察觉的水印。该工具已开源，并且设计上能够与现有软件无缝集成。Meta Video Seal 加入了 Meta 现有的其他水印工具，如 Watermark Anything 和 Audi

随着生成式人工智能的商业化，网上虚假内容的数量急剧增加。根据身份验证平台Sumsub的数据显示，从2023年到2024年，全球深度伪造的数量增长了四倍。2024年，深度伪造占所有欺诈行为的7%，涉及从冒名顶替、账户接管到复杂的社会工程活动等多种形式。为应对这一问题，Meta发布了一款新的工具——Meta Video Seal，旨在通过在AI生成的视频中加入不可察觉的水印来打击深度伪造。这款工具于周四开源发布，旨在便于集成到现有的软件中，并与Meta之前推出的其他水印工具Watermark Anything和Audio Se

阶跃星辰宣布视频生成大模型 Step-Video 开启内测，用户可在跃问视频官网申请内测资格。Step-Video模型目前支持从文本生成视频（文生视频），能够生成高达1080P分辨率、最长10秒的高清视频，平均需要2.5分钟来完成一条视频，但其在自动优化提示词、美学风格表现以及运动控制方面展现出了显著优势。

随着人工智能工具和应用案例的迅速增长，教育技术专家们创建了一个视觉辅助工具，以使AI工具的格局更加清晰易懂。由Edtech Insiders公司牵头，这个新的生成性AI地图和数据库将超过250个AI赋能工具分类到教学和学习的用例中。地图的用例类别包括教学材料、评估与反馈、教师实践支持、教师专业学习、学生支持和社交工具。每个类别中都有更具体的用例，例如课程计划生成和作业帮助。地图展示了每个用例中“覆盖范围最广”的教育科技公司的logo，这是基于公司规模和网络流量来确定的

近日，视频生成人工智能企业 Runway宣布推出其最新功能 “Expand Video”，这一创新工具将帮助用户通过简单的文本提示，轻松在原始视频画面基础上生成额外的视觉内容。用户不仅可以自由调整视频的比例，还能确保扩展后的画面在视觉效果上的统一性，提升视频的灵活性和专业性。“Expand Video” 功能的推出，让用户能够通过多次扩展，创造出如 “快速变焦（crash zoom）” 和 “拉远镜头(pull-back shot)” 等具有动态效果的摄像体验。这意味着，静态的视频画面可以通过这一功能转变为更加生

在人工智能技术飞速发展的背景下，Codeium 近日推出了其首款智能集成开发环境（IDE）——Windsurf。Windsurf 的发布标志着开发者与编程工具互动方式的重大转变，旨在提供更高效、更智能的编程体验。Windsurf 的设计理念是将人工智能与直观的用户界面结合，帮助开发者更轻松地进行代码编写。其安装过程十分简单，用户只需从现有的 VS Code 中提取插件和设置，即可迅速完成配置。这种便捷的上手方式确保了开发者在更换工具时不会受到太大影响，能够无缝过渡到新的工作环境中。Windsurf 的几

视频编辑平台 InVideo 近日推出重磅升级版本 v3.0，引入了基于人工智能的文本生成视频功能。用户只需输入文字提示，即可创建真人实拍、动画或二次元风格的视频内容，并可针对 YouTube、Instagram Reels 和 LinkedIn 等不同平台进行定制化调整。这项新功能虽然依赖第三方 AI 模型构建，但用户可以通过追加文字提示对视频进行实时动态编辑。InVideo 为此专门推出了名为"Generative Plan"的订阅计划，起步价为每月120美元，可生成15分钟的视频内容，用户可根据需求购买更多时长。尽管这次升级显著提升

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