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。

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。

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。

​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。

智谱AI发布新一代视频生成模型CogVideoX，通过3D VAE结构与3D RoPE模块提升时间维度帧间关系捕捉，增强模型对文本的理解与指令遵循能力，实现文本、时间和空间三维融合的transformer架构，以高效生成符合用户需求的视频。该模型已上线智谱清言平台，支持免费体验文本与图像生成视频服务，其特点是快速生成、高效指令遵循、内容连贯性和画面调度灵活。智谱大模型开放平台bigmodel.cn也提供API调用服务。智谱AI通过此模型验证了Scaling Law在视频生成领域的有效性，并承诺持续扩大数据与模型规模，优化压缩视频信息与融合文本内容的能力。

["OpenAI发布了名为Sora的视频生成模型，其引发了广泛热议。","Sora吸引了科技界、股民和影视从业者的关注，被认为将改变电影、广告行业。","该模型结合了谷歌DeepMind的成果，采用扩散模型和transformer相结合的方式。","OpenAI利用GPT训练模型，使得用户输入更简单的提示就能得到符合需求的视频。","Sora的发布再次展示了OpenAI站在谷歌的技术基础上，取得了引人注目的成就。"]