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

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

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。

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

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

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

最近，快手和北京大学以及北京邮电大学的研究团队共同开源了一个名为 Pyramid-Flow 的超高清视频生成模型。这个模型能够通过文本描述生成最高10秒、1280x768分辨率、24帧的视频，质量相当出色，光影效果、动作一致性、视频质量等方面表现都很不错。Pyramid Flow 的工作原理与现有的视频扩散模型不同。现有模型通常在全分辨率下运行，这样做虽然能产生高质量的结果，但却消耗了大量计算资源。而 Pyramid Flow 则采用了流匹配的灵活性，可以在不同分辨率和噪声水平之间进行插值，这样就能

​在今日举行的百度云智大会上，生数科技联合创始人兼CEO唐家渝宣布，旗下国内首个视频大模型Vidu正式开放API，并接入百度智能云千帆大模型平台，成为该平台接入的首个视频大模型。Vidu自研视频生成技术，具备高动态性、多风格化和极致推理等领先优势，并在全球率先上线“主体参照”功能，有效解决了视频模型一致性生成的难题。自7月底上线以来，已收到数万企业用户的接入申请。用户现可通过Vidu官网或百度智能云平台申请体验。

在今日的2024火山引擎 AI 创新巡展上，出了视频生成模型，字节跳动还发布了豆包·音乐模型和豆包·同声传译模型，并宣布对豆包通用模型pro、文生图模型、语音合成模型等垂类模型进行了大幅升级。豆包·音乐模型的推出，标志着火山引擎在音乐创作领域的深度布局。该模型通过强大的算法支持，实现了高品质的音乐创作自由。歌词生成方面，仅需简单几个字的输入，即可快速生成情感表达精准、意境深远的歌词内容。旋律创作上，豆包·音乐模型提供了超过10种不同的音乐风格和情绪表达选项，满足了创作者多样化的需求。

在2024年火山引擎AI创新巡展上，火山引擎总裁谭待揭晓了最新的豆包·视频生成模型。该模型具备多项先进技术，包括高效的DIT融合计算单元，这一单元能够实现视频和文本的深度压缩编码;同时，它采用了一种全新的扩散模型训练方式，确保了在生成多镜头视频时的一致性;此外，模型还整合了深度优化的Transformer结构，显著增强了视频生成的泛化能力。

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。