阿里巴巴集团旗下的通义宣布，其最新研发的AI视频生成大模型——通义万相AI生视频，已正式上线。该技术凭借其强大的画面视觉动态生成能力，能够根据文本提示词快速生成具有多种艺术风格和影视级质感的视频内容。

今日，字节跳动火山引擎宣布，豆包大模型将在9月24日发布视频生成模型，并将带来更多模型家族的能力升级。据了解，豆包大模型在2024年5月15日的火山引擎原动力大会上正式发布。

在人工智能快速发展的今天，AI视频生成技术迎来了一个重要的里程碑。来自纽约的Runway和旧金山的Luma AI几乎同时向市场推出了各自的视频生成API，为开发者和企业提供了前所未有的创意工具，引发业界广泛关注。Runway率先亮相的是其Gen-3Alpha Turbo AI视频模型API。这款产品目前处于逐步推广阶段，初期仅向特定合作伙伴开放使用。Runway采用了积分定价策略，每个积分售价1美分，生成1秒钟的视频需要消耗5个积分。换言之，制作一段4秒钟的视频，用户需要支付20美分。尽管具体应用场景尚未公

阿里通义将在即将举行的云栖大会上发布视频生成大模型，引发业界高度关注。目前，通义App频道和通义万相PC端已悄然上线了“视频生成”入口，但功能尚未开放，用户仅可进行预约。据页面信息显示，这一全新视频生成大模型是由阿里旗下通义实验室自主研发，包含“文生视频”和“图生视频”两种主要创作模式，用户可通过文字或图像生成相应的视频内容。此次发布无疑将为内容创作者带来全新的视频制作体验，也标志着阿里在AI生成内容领域迈出了重要一步。预约地址:https://tongyi.

​快手公司宣布启动“可灵AI”导演共创计划，这标志着影视行业与人工智能技术的深度融合迈入了新阶段。该计划将邀请李少红、贾樟柯、叶锦添、薛晓路、俞白眉、董润年、张吃鱼、王子川、王卯卯等九位知名导演，利用快手自研的“可灵AI”视频生成技术，共同创作9部AIGC（人工智能生成内容）电影短片。

MiniMax推出首款AI高清视频生成模型后，其子公司海螺AI新增了“AI创作音乐”与“AI生成视频”功能。用户可通过歌词创作与曲风选择自动生成音乐，输入创意描述即可生成视频。音乐功能提供多种曲风，生成的音乐质量一般；视频功能则能根据输入描述自动创作，展示效果较为意境，但画质仍有提升空间。目前，这两项功能正限时免费供用户体验。

MiniMax近期秘密推出了首款视频生成大模型，并同步展示了由该模型生成的2分钟视频《魔法硬币》。创始人闫俊杰透露，该模型在视频生成效果上优于Runway，但具体参数和技术细节暂未公开。MiniMax计划在后续版本中持续迭代，增强数据、算法和使用细节，并计划在未来加入图生视频和文图结合生成视频的能力。关于商业化，公司将在新版本达到满意状态后考虑。尽管MiniMax的视频生成模型推出时间晚于快手可灵，但闫俊杰解释称，团队一直在攻克训练算力较高内容的技术难题。他认为，视频生成的核心动机是提高用户覆盖度和使用度，多模态内容生成是发展趋势，尽管面临如处理长上下文、存储需求和基础设施升级等挑战。MiniMax开放平台负责人魏伟业指出，当前大模型面临的挑战包括幻觉、高成本和多模态应用开发，但随着API成本降低，将激发更多应用场景。面对行业争议，MiniMax对技术进步、用户和产品迭代保持乐观态度。

智谱AI公司开源了视频生成模型CogVideoX-5B，显著提升了视频生成的质量、视觉效果和推理性能。新模型兼容较低配置的GPU，如早期的GTX1080Ti和桌面端的RTX3060。这款基于大规模DiT模型的工具，采用3D因果变分自编码器和专家变换器技术，通过3D-RoPE位置编码与3D全注意力机制，实现高效文本到视频的生成。详细信息和代码可访问指定链接。

国产开源视频生成模型CogVideoX-5B在魔搭ModelScope社区正式开源，显著提升了视频生成的质量和视觉效果。基于大规模DiT模型，该模型采用3D因果变分自编码器、专家Transformer技术，通过3D-RoPE位置编码和3D全注意力机制实现时空联合建模。渐进式训练技术的运用，使得模型能够生成具有明显运动特征、连贯且高质量的长时间视频。

自7月6日快手"可灵"AI网页端上线以来，收获了大量创作者的欢迎，累计生成超过1600万视频。截至8月27日的2024光合创作者大会，已有超过160万人使用该AI模型，显示出其巨大潜力。"可灵"AI能生成高清、时长2分钟内的视频，支持自由宽高比调整，为创作者提供创作自由度。7月30日，AI正式面向全球上线会员体系，成为全球首个真实影像级视频生成大模型。近期，快手还推出了会员首购优惠活动，为创作者提供了更经济的使用方式。"可灵"AI的成功应用，不仅提升了创作者的生产力，也为AI技术在视频制作领域的应用提供了新范例。

​爱诗科技宣布全球上线其视频生成产品PixVerse的 V2.5版本，该版本在视频生成的速度、动态表现和画质上实现了显著提升。新版本特别优化了模型，增强了提示词理解能力和视频生成的美学水平，将视频生成速度提高了200%，同时支持最高4K分辨率的输出，确保了视频细节的清晰度。

今年7月，爱诗科技发布了全新升级的AI视频生成产品PixVerse V2，该产品采用Diffusion+Transformer（DiT）基础架构，实现了视频生成技术的多项创新。PixVerse V2能够提供更长、更一致、更有趣的视频生成能力，支持一次生成多个视频片段

马斯克通过发布与特朗普共舞的视频，借助一款名为Viggle AI的AI视频生成工具，引发了全网关注，视频播放量迅速突破1.3亿。Viggle AI的魔力在于其模板化操作，用户仅需上传照片和选择动作模板，就能生成流畅自然的舞蹈视频。该工具的多角色控制功能Multi进一步激发了用户的创意，用户制作出各种创意视频在网上传播，为Viggle AI带来了大量用户。Viggle AI的模板化操作降低了创作门槛，使普通用户也能轻松制作专业水准的视频。这一成功不仅体现了AI技术在日常生活中的广泛应用，也展示了AI在提升用户体验和激发创意方面的重要作用。

Runway ML推出了AI视频生成模型Gen-3Alpha Turbo，相比其前身，速度提升7倍，成本降低50%，使得AI视频制作更亲民。Turbo适用于所有计划，包括免费试用，用户可在不增加成本的情况下享受高效视频生成体验。Gen-3Alpha Turbo的生成速度之快，甚至超过打字速度，显著解决了AI视频生成模型的时间滞后问题。定价方面，每秒视频仅需5个积分点，较前款降低一半，通过1000积分点套餐购买，售价10美元，让从业者和业余爱好者都能轻松使用。用户反馈满意，作品展示了从现实主义到动画的多种风格。Runway未来计划在控制机制和实时互动方面进行更多创新，并积极应对AI模型训练中的法律和道德问题。

一段以土耳其射手迪凯奇为主角的AI生成视频在社交媒体上大热，吸引了科技界大佬埃隆·马斯克的注意。迪凯奇在奥运会上的松弛姿态使其成为网络热议焦点，AI创作者利用最新技术将他的比赛照片转化为充满想象力的视频，展示其从紧张比赛到轻松日常的反差，融合幽默感，瞬间吸引大量关注。该视频浏览量突破1.7亿，彰显AI创作在社交媒体的影响力。这一现象不仅反映了公众对AI创作的兴趣，也体现了网络文化中的创新与流量趋势。AI二创作品，如将《权力的游戏》演员置于非传统场景，展现超现实主义视觉效果，进一步印证了AI在创作领域的广泛影响力。技术进步，如AI视频制作平台更新的"首尾帧"功能，为创作者提供了更多可能性，创造出前所未有的视觉体验。

苹果公司近期推出了一种名为Matryoshka Diffusion Models（MDM）的创新图像和视频生成技术，形象地称为"套娃扩散模型"。MDM采用了一种在不同分辨率下同时处理图像的突破性方法，实现了从低清晰度草图到高清晰度细节的无缝生成，其核心技术理念类似于俄罗斯套娃，每个层次都包含一个更小但功能完整的子结构。这种创新方法的核心架构被称为NestedUNet，能够同时驾驭多个分辨率的图像处理，通过在多个分辨率上进行联合去噪，生成的图像细节更加丰富，更具真实感。MDM在高质量图像和视频生成模型中展现出卓越性能，特别是在类条件图像生成、文本到图像和文本到视频的转换应用中。即使在相对有限的数据条件下，MDM也能生成高达1024x1024像素分辨率的图像，具有惊人的零样本泛化能力。未来，MDM有望在虚拟现实、增强现实、电影制作、游戏开发等领域发挥重要作用，为数字创意世界带来新的可能性。

智谱AI宣布将其视频生成模型CogVideoX开源，旨在推动视频生成技术的快速发展和应用。CogVideoX模型基于先进的大型模型技术，能够满足商业级应用的需求。目前开源的CogVideoX-2B版本在FP-16精度下的推理仅需18GB显存，微调则需要40GB显存，使得单张4090显卡即可进行推理，而单张A6000显卡即可完成微调。

随着全球会员服务的正式上线，官网显示会员体系分为三个等级，类似于国内的设置。以月卡为例，三个等级的会员价格分别是10美元、37美元和92美元，分别对应660、3000和8000灵感值，这些灵感值可以用来生成66个、300个或800个5秒的高质量视频。除了月卡，还提供了季卡、半年卡和年卡等多种套餐选择。

​百度智能云与生数科技合作推出的视频大模型Vidu正式上线，为创意领域带来新的可能。Vidu是国内首个全自研的视频大模型，性能全面对标OpenAI的Sora，面向艺术设计、游戏制作、影视动画、社交娱乐等创意领域，致力于激发全人类的生产力和创造力。

​今日，北京生数科技宣布AI视频生成模型 Vidu 官网全球上线。Vidu 是一个利用人工智能技术，通过文本或图片生成视频的模型。今年4月，生数科技与清华大学联合发布了中国首个视频大模型——"Vidu"，这标志着中国在视频生成技术方面迈出了重要一步。