快手科技近日发布的2024年第三季度财报显示，公司在AI领域的布局正在收获显著成果。伴随着快手整体日活跃用户突破4亿大关，其AI产品可灵的发展态势尤为引人关注。自今年6月推出以来，可灵AI已经完成了一系列重要里程碑。数据显示，平台累计服务超500万用户，共生成5100万个视频和1.5亿张图片。特别值得关注的是，可灵AI已实现单月流水超千万元人民币，展现出强劲的商业化潜力。在技术创新方面，可灵AI持续保持高频迭代节奏。9月发布的1.5版本模型带来了原生1080P视频支持，并开发

在视频创作领域，如何实现一致且可控的动画效果一直是研究者们关注的重点。近日，研究团队推出了名为 “AnimateAnything” 的新方法，旨在通过精准的视频操作，使动画创作更加灵活和高效。该技术可以在不同的条件下，如摄像机轨迹、文本提示和用户动作注释等，进行精确的视频处理。“AnimateAnything” 通过设计一种多尺度控制特征融合网络，构建了一个统一的运动表示。这一网络能够将所有控制信息转化为逐帧的光流，从而指导视频的生成。在这个过程中，光流作为运动先验，帮助提

近日，字节跳动研究院和清华大学的研究人员联合发布了一项新研究，指出目前的 AI 视频生成模型，比如 OpenAI 的 Sora，虽然能创造出令人惊叹的视觉效果，但在理解基本物理规律方面却存在重大缺陷。这项研究引发了人们对 AI 在模拟现实时能力的广泛讨论。研究团队对 AI 视频生成模型进行了测试，设定了三种不同的场景，分别是已知模式下的预测、未知模式下的预测，以及熟悉元素的新组合。他们的目标是看看这些模型是否真的学习了物理规律，还是仅仅依赖于训练中的表面特征。通过

TikTok日前宣布，其人工智能驱动的视频生成工具Symphony Creative Studio已向所有TikTok商业用户全面开放，这一工具将为广告主和内容创作者带来前所未有的创作体验。这款集视频生成、转换和扩展功能于一体的智能工具，旨在帮助广告主和创作者突破创意到制作之间的瓶颈，让视频制作过程更简单高效。用户无需承担额外费用即可使用全套功能。Symphony Creative Studio提供了多项革新性功能:首先，商家和营销人员只需输入相关信息和素材，或直接导入URL链接，就能快速生成视频内容。系统将结合T

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，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。

最近，可灵推出了全新"自定义模型"（Custom Models）功能，这一重要更新将彻底解决AI视频生成中角色一致性的技术难题。依据平台上早期测试用户的反馈，该功能允许创作者上传10至30个不同的视频片段进行模型训练，每段视频需要至少10秒。与传统仅依赖图像训练的模型相比，KLING创新性地采用视频素材作为训练基础，甚至支持使用可灵自身生成的AI视频进行训练，这为创作者提供了更大的灵活性。训练完成后，用户只需在提示词中标注已训练的角色模型并描述所需场景，系统即可生成保持

生成高质量、时间连续的视频需要大量的计算资源，尤其是对于较长的时间跨度而言。最新的扩散Transformer 模型（DiTs）虽然在视频生成方面取得了显著进展，但由于其依赖于更大的模型和更复杂的注意力机制，导致推理速度较慢，反而加剧了这一挑战。为了解决这个问题，Meta AI 的研究人员提出了一种名为 AdaCache 的免训练方法来加速视频 DiTs。AdaCache 的核心思想是基于“并非所有视频都相同”这一事实，这意味着某些视频比其他视频需要更少的去噪步骤即可达到合理的质量。 基于此，该方

日前正式推出视频生成内测，意味着继快手、商汤、Minimax等公司后，字节跳动正式杀入AI视频生成领域。豆包官网称，豆包视频生成，支持图片文字一键成片，“能将信息转化为生动逼真的视频内容。 支持酷炫的动态和运镜，多镜头保持一致，风格比例随意挑选。”据了解，豆包视频生成采用AI算法，能够自动将用户提供的图片和文字转化为视频内容。用户可以选择不同的风格和比例，甚至可以添加动态和运镜效果，创造出独特的视频内容。豆包视频生成的推出，标志着字节跳动正式进入

知名 AI 视频生成平台 Runway 近日宣布推出全新功能——高级摄像机控制。 该功能允许用户像操控真实摄影机一样，精准控制虚拟场景中的镜头移动，为 AI 视频创作带来前所未有的灵活性和掌控力。用户可以自定义镜头移动的方向和力度，实现水平移动、环绕拍摄、位置探索、循环拍摄、快速缩放和慢速滑动等多种效果。 结合速度变化的循环拍摄功能尤其适合生成吸睛的视觉循环或过渡，极大拓展了创作潜力。 快速缩放则可以像电影镜头一样深入场景，而慢速滑动则能让镜头平稳地滑过场

在众多 AI 视频生成模型中，Pika 无疑是最受欢迎的一个，尤其是在主流创作者和观众中。这个位于加州帕洛阿尔托的初创公司，由两位斯坦福 AI 博士辍学生共同创立，迄今为止已获得了1.35亿美元的融资。就在这个月初，Pika 推出了1.5版本的文本到视频和图像到视频的 AI 生成模型，并新增了六种让人惊艳的特效，包括 “爆炸”、“挤压”、“融化”、“压扁”、“膨胀” 和 “蛋糕化”，用户可以轻松地将这些效果添加到自己的照片中，制作出超现实且引人注目的短视频。为了庆祝万圣节

最近，Meta 与沙特阿拉伯的阿卜杜拉国王科技大学（KAUST）合作，推出了一款全新的视频扩散模型系列 ——MarDini。这个模型让高质量视频的创作变得更加简单和灵活，能够完成多种任务，比如填补视频中缺失的帧，将单张图片转换为动态场景，甚至还可以通过添加自然的连续帧来扩展短片段。在去年的基础上，Meta 在生成 AI 视频领域进一步发力。此前，它推出了 Emu Video 和 Emu Edit 等文本转视频和编辑模型。今年在发布 MarDini 之前，还推出了先进的视频编辑器 Movie Gen。由此可见，Meta 正在致

北京爱诗科技有限公司宣布，其最新版本的视频生成大模型PixVerse V3已全球同步公开上线。该版本在底层模型能力上实现了显著提升，提供了包括创意模板、口型匹配、故事续写和风格转换在内的多模态生成能力和丰富的AI玩法。

在全球AI视频生成领域掀起新一轮竞争浪潮之际，中国科技企业MiniMax的"海螺AI"以其惊人的表现强势出圈。数据显示，这款诞生于今年4月的AI产品在9月份创下了867.41%的访问量增速，一跃成为全球AI产品访问增速榜首。这款产品的核心竞争力来自于其底层技术支撑。MiniMax基于万亿参数的MoE模型abab-6.5打造了海螺AI，使其具备了与GPT-4、Claude3Opus和Gemini1.5Pro比肩的实力。在实际应用中，海螺AI不仅支持语音通话、文本交互、图像识别等基础功能，更令人瞩目的是其视频生成能力。真正让海螺AI在全

2024中国计算机大会上，快手副总裁、大模型团队负责人张迪宣布，可灵AI将内测视频人脸模型功能。该功能基于创新的ID保持能力，支持用户自助训练人脸模型，完成训练后，可使用该模型进行5s/10s的文生视频。该功能旨在解决以往AI视频生成中，无法打造稳定人物IP角色的难题。通过自助训练人脸模型，用户可以创建自己的虚拟角色，并使用该模型生成视频。自今年六月发布以来，可灵AI已有超过360万用户，累计生成3700万个视频和超过一亿张图片。可灵AI在视频生成领域的技术进步和应用

最近，AI 视频公司 Genmo 宣布推出 Mochi1，这是一个全新的开源视频生成模型，用户可以通过文本提示生成高质量的视频。Mochi1的表现被认为与当前市场上领先的闭源竞争对手如 Runway、Luma AI 的 Dream Machine、快手的 可灵、Minimax 的 Hailuo 等等相媲美，甚至更优。该模型在 Apache2.0许可证下开放，用户无需支付费用就能享受到尖端的视频生成技术，而其他竞争产品的收费标准则从有限的免费计划到每月高达94.99美元不等。用户可以在 Hugging Face 上免费下载 Mochi1的模型权重和代码，不过，想要在个人

日前，AI视频生成器 Haiper AI正式上线其最新版本 ——Haiper2.0，新版本支持更犀利的动作、令人惊叹的视觉效果和动态模板，帮助用户制作出令人惊艳的视频。对比旧版，Haiper2.0进行了优化和升级，有两个主要亮点:其一，具备了更加真实的运动效果和细节，其二，新增的易用模板让视频创建变得更加简单。新增模板功能让用户只需简单的选择和点击，用户就能在几分钟内完成视频制作。Haiper背后是一个拥有超过100亿参数的强大 AI 模型，经过优化后可以在小型设备上高效运行，确保高质量输

快手、北京大学和北京邮电大学的研究团队联手推出了一项重磅科技成果——Pyramid-Flow超高清视频模型。这一开源项目在人工智能生成视频领域取得了显著突破，为行业带来了新的可能性。Pyramid-Flow模型展现了惊人的能力，仅需文本输入即可生成长达10秒、分辨率高达1280x768、帧率24fps的高质量视频。无论是光影效果、动作连贯性、整体画质、文本语义还原，还是色彩搭配，Pyramid-Flow都表现出色，生成的视频令人叹为观止。这项技术的一大亮点在于其高效的训练过程。研究团队仅使用A100GPU在