2025 年已经过半，AI 领域依旧发展迅速。 作为最直观、最具感官冲击力的技术方向之一，图像、视频生成也迎来了前所未有的突破与热潮。 以扩散模型为代表的生成方法不断刷新着图像合成的质量上限，使得 AI 创作在分辨率、风格控制、语义理 解等维度上实现跨越式提升。而在此基础上，视频生成进一步打开了人们的想象空间。比如 Google 最近发 布的 Veo 3，首次实现了原生音频的同步生成，真正将视频生成带入有声电影时代。 而这些技术的跃升，离不开研究者们不断的交流与合作。 ICML 作为 AI 领域最具影响力的学术会议之一，汇聚了世界顶尖的研究成果。今年 ICML 将于 7 月 13 日至 7 月 19 日在加拿大温哥华会议中心举行。 想必很多从业者将前往现场参会，除了密集高强度的会议日程之外，不妨也为自己预留一些时间，参与一 场更轻松、更自由的线下交流活动「云帆・ICML 2025 AI Talent Meetup」。 这是一次聚焦前沿技术与人才对话的特别聚会，由机器之心与上海人工智能实验室、东方菁汇、全球高校 人工智能学术联盟共同发起，诚邀大家参加「云帆・ICML 2025 AI Talent Meetup」 ...

为什么AI生成的视频总是模糊卡顿？为什么细节纹理经不起放大？为什么动作描述总与画面错位？ 其中一个重要原因在于，现有的开源千万级视频数据集分辨率基本低于1080P（1920×1080），且大部分视频的说明（caption）简单粗糙， 不利于大模型学习。 当主流视频生成模型还在720P画质挣扎时，浙江大学APRIL实验室联合多家高校推出的 高质量开源UHD-4K（其中22.4%为8K）文本到视频 数据集——UltraVideo ，破解了这一困局。 浙大APRIL实验室团队 投稿 量子位 | 公众号 QbitAI 该数据集涵盖广泛主题（超过100种），每个视频配备9个结构化字幕及一个总结性字幕（平均824词）。 作为全球首个开源4K/8K超高清视频数据集， UltraVideo 配合结构化语义描述框架，让视频生成实现从"勉强能看"到"影院级质感"的跨越式 进化。 团队基于42K精选视频微调的UltraWan-4K模型，实现三大突破： 方法：四阶过滤打造高质量4K视频数据集 当前视频生成面临两大瓶颈： 分辨率陷阱 ：模型在低清数据训练后，直接生成4K视频会出现严重失真。如图2所示，naïve Wan-T2V-1.3 ...

现在是公元208年。这里最长的成之战 this is 208 adjthe battle of Chengban Slope AI视频生成技术正成为连接古今、沟通中外的崭新纽带，让尘封的历史记忆焕发出新的活力，也让文 化的交流更加生动可及。 如果陈子昂活在今天，或许不需要怆然涕下了——近日，"AI穿越直播"火了。 视频中，AI记者"穿越"至古代场景：或在烽火连天的赤壁战场奔走解说，或"现身"唐朝玄武门之变现 场，或"参与"秦朝长城修筑……这样的作品如雨后春笋般涌现，凭借"第一人称Vlog视角+历史名场 面"的独特叙事，营造出强烈的"在场感"，让观众在虚实交融中沉浸式感受历史的鲜活脉搏。 A n xx _ 我现在就在泰国会战的核心现场! I'm right in the heart of the battle of Red Cliffs 技术是把双刃剑，热闹之下也有隐忧。如果说，网上冒出一些让人哭笑不得的内容，比如"秦始皇直播 卖瓷砖""屈原代言粽子"，将历史娱乐化，还能让人一眼看破、一笑置之的话，有些AI作品把不同历史 时期的东西凑在一起，却又"一本正经"地讲述，则有可能误导儿童青少年，容易将AI生成的"历史 ...

从东方美学到赛博朋克，从黏土动画到三维写实，《新世界加载中》在不同画风的切换中，开启了全新 的AIGC微短剧叙事。《新世界加载中》是由快手可灵AI与星芒短剧联合出品、由异类Outliers团队制作 的全球首部AI单元故事集，已经在6月26日上线。 多模态大模型带动诸多行业重塑生产环节，由于短剧篇幅较短、市场规模处于快速增长期，且AI生成 能有效降低科幻等题材的特效成本，其成为AIGC最先落地的影视内容。在《新世界加载中》总导演、 异类Outliers创始人陈翔宇看来，AIGC相较于实拍和动画，不仅是效率的提升，更是试错空间的革命性 释放。 2024年开始，一个个视频大模型接踵登场，并在此后不断升级优化，试图抢占竞争高地。而随着AI行 业回归理性，越来越多的企业意识到大模型的商业化落地颇为重要。"可灵AI是一个商业化的产品，确 实有一些商业化目标，但从市场化来看，我们商业化的这些数字更多还是去印证市场和用户需求的可能 性，此刻我们单纯说数字没有什么意义，因为行业还在比较早期阶段，更希望和创作者一起共同探索和 摸索。"可灵AI产品及运营负责人李杨在6月25日接受《华夏时报》记者在内的媒体记者采访时表示。 据记者了 ...

在OpenAI发布的Sora爆火后，视频大模型开始出圈，国内就涌现出了腾讯混元、快手可灵等一系列视 频大模型，各有不同的优势特色。不过视频生成大模型行业高开低走，一年过去了，依旧处于不温不火 的状态。业内人士认为，一个重要原因在于，用户想看的短视频大都是由真人博主出演，而AI生成不 了这种视频。 对此，经济学家余丰慧告诉《中国经营报》记者："关于可灵、即梦、混元这三个视频生成大模型，它 们各自拥有独特的技术优势和应用场景。可灵在图像识别和转换方面表现出色，适合需要高质量图像处 理的任务；即梦则以其强大的自然语言处理能力著称，能够根据文本描述生成相应的视频内容，特别适 用于创意产业；而混元结合了前两者的优点，并增加了更多的自定义选项，使其在灵活性和应用范围上 更具优势。因此，不能简单地说哪一个更好，而是应根据具体的使用需求来选择最适合的模型。" 竞争激烈 从国际方面来看，首先当然是OpenAI的Sora，Sora能生成长达60秒的高质量视频，在画面细节、动作流 畅度和镜头语言把控上较为均衡。目前Sora与ChatGPT Plus深度绑定，用户可在对话中一键体验，但因 为模型规模庞大，对GPU算力要求高，生成延迟 ...

传媒行业 投资评级 推荐 维持 AI视频生成：商业化加速，国产厂商表现亮眼 ——AI应用系列报告 证券研究报告 2025年6月27日 证券分析师: 李典 邮箱: lidian@gyzq.com.cn SAC执业资格证书编码:S0020516080001 联系人: 郜子娴 邮箱:gaozixian@gyzq.com.cn 报告要点 请务必阅读正文之后的免责条款部分 2 技术路径：从GAN-Transformer-Diffusion Model-DiT，技术演进推动行业进入可商用阶段：20世纪90年代以来，AI视频生成持续迭 代，经历了多个关键技术的突破，经历了从静态图像序列拼接成视频流-GAN-Transformer-Diffusion Model-DiT的技术演进，生成内容 丰富度以及可控性持续提升。Sora验证了Diffusion和Transformer结合的有效性，并带动DiT架构逐渐成为当前重点方向。 行业进入商业化发展快轨，根据Fortune Business Insights预计2032年全球规模突破184亿人民币。根据Fortune Business Insights 测算，2024年AI视频生成 ...

大家好，这里是歸藏（guizang），今天带来新鲜出炉的 Hailuo Video Agent 体验。 前几天我就说随着视频生成模型成本的提高和提示词遵循效果变好，成熟的视频生成 Agent 应该马上就会出 现了。 没想到 MiniMax 先做了 ，他们将会分阶段打造 Hailuo Video Agent。 这个路径是非常务实而正确的，刚好前几天 Andrej Karpathy 也分享了类似的观点，应该先做半自动的钢铁 侠战甲组件，最后做完全自主的机器人。 我们应该专注于构建"钢铁侠战甲"（增强工具），而不是"钢铁侠机器人"（完全自主Agent） 这些产品应 具备自定义 GUI 和用户体验，以加速人类的生成-验证循环，同时仍提供自主性滑块，允许产品随时间变 得更加自主。 刚好今天他们开放了第一个阶段的 Agent 使用权限，我试用了一下。 打磨的非常好，选择你喜欢的模板，点"做同款"就行， 门槛超级低，基本上传图片完事了，真正的有手就 行。 模板覆盖了你能想到的所有AI 视频出圈玩法， 不管是外国山海经还是人像动态写真还是产品广告视频，你能 想到的品类这里都能找到。 然后再来个电商场景吧，产品展示类型的视频应 ...

文｜周鑫雨 编辑｜苏建勋 DeepSeek掀桌后，要想证明自己仍在牌桌上，六小虎（MiniMax、智谱、月之暗面、百川智能、零一万物、阶跃星辰）需要证明自己有同DeepSeek掰手腕的 能力。 此前，月之暗面、智谱已经发布了对标DeepSeek R1的推理模型。近期，六小虎又开始了新一轮的推理模型竞速。 MiniMax另一个证明自己仍然留在牌桌上的证据，则是IPO。 2025年4月，智谱成了六小虎中首家提交上市辅导备案的公司，正式走上IPO之路。而近期，另一家六小虎也有了IPO的迹象——彭博社援引知情人士的信息 称，MiniMax计划最早在今年港股上市，并且已为此次IPO聘请了财务顾问。 先是2025年6月17日凌晨，月之暗面开源了编程大模型Kimi-Dev-72B。在针对AI编程能力的SWE-bench测试中，这个仅有72B参数的模型，成绩超越了671B 参数量的R1。 紧接着，MiniMax效仿OpenAI，在同一日宣布了为期五天的新品发布。截至6月19日，MiniMax已经发布了MoE（混合架构）推理模型M1、视频生成模型 Hailuo 02，以及通用Agent产品MiniMax Agent。 △M1在 ...

Midjourney推出视频生成模型V1，主打高性价比、易于上手的视频生成功能，作为其实现"实时模拟世 界"愿景的第一步。用户现在可以通过动画化Midjourney图片或自己的图片来创作短视频，定位为有 趣、易用、美观且价格亲民。入门价格：每月10美元即可使用。 ...

鱼羊 一水 发自 凹非寺 量子位 | 公众号 QbitAI 满场观众瞩目之下，体操运动员稳稳完成一个跳步动作，然后……突然来了段木上芭蕾？？？ 这可不是什么网球王子排球少年真人版之类的运动电影特技—— 要知道，前段时间让谷歌出尽了风头的Veo 3，都还在这一挑战面前翻了车，让网友直呼： 体操就是视频生成模型的图灵测试。 新模型名叫Hailuo 02，主打一个"超清画质"、"精准响应"： 原生支持1080p，可以hold住 极端复杂的物理场景 。 不仅是体操，搞点城市特技也是信手拈来，并且连玻璃里的倒影都符合真实世界的客观规律。 以上画面， 完全由AI生成 。 没错，这一次 MiniMax视频生成模型上新 ，还真是把"体操"这个AI视频生成的亘古难题给搞定了！ △ 图源：@WuxiaRocks 总而言之就是：物理表现有点太强了吧。 如此水准，使得Hailuo 02深夜发布即炸场，海内外网友抹平时差第一时间纷纷玩嗨。 不少网友直言：比Veo 3更好。 值得一提的是，Hailuo 02一发布，也直接冲上了AI视频竞技场图生视频排行榜第二名，在基准测试中超越当红炸子鸡Veo 3。 | | Text to Video ...