智东西6月19日报道，今日凌晨，AI图像生成顶流Midjourney发布其首款AI视频生成模型V1。 V1支持用户上传Midjourney生成的或外部图像进行视频生成，有手动、自动生成动作提示词两个选项，可设置镜头移动更快的高速运动和相对静止的低速 运动。 从其生成效果来看，V1可以保证在画面背景变化的同时，主人公动作行为依旧连贯且流畅，即使凭空创造的怪物、科幻形象运动也流畅自然。 用户在Midjourney图像生成界面选项点击"Animate Image"就可以体验，最长可生成20秒视频。 目前，Midjourney的所有订阅者都可以体验V1，其会员起订费为10美元（折合人民币约71.9元）/月，用户每次生成视频需从每月预设的信用额度中扣除点 数，类似"按次消耗额度"的机制。Midjourney正在测试为每月60美元订阅费的会员开放"无限制轻松模式"。 Perplexity AI设计师Phi Hoang在X上评价：它超出了我所有的预期。 Phi Hoang在X上评价 V1的发布也意味着Midjourney开启了从图像生成走向全多媒体内容创作的重大转变。不过，相比于视频生成赛道的老玩家，V1的功能并不完善，其 ...

这仍然只是技术迭代的初期。 AI视频生成赛道又热闹起来了。4月，快手可灵发布2.0视频生成模型，6月，字节跳动发布了即梦3.0 Pro视频模型，就在昨天，谷歌宣布Veo3正式上线，今 天MiniMax也加入混战队列，开始卷性价比了。 6月18日，MiniMax在海内外官方平台宣布，新视频生成模型海螺AI（海螺02）上线，同时发布了一段大秀杂技的AI视频。官方表示，这段视频是由3位艺术 家耗时1.5天，使用海螺02生成的多个6-10s视频，再拼接剪辑而成。 杂技画面对AI视频生成来说一直是较有难度的内容，此前AI生成画面时往往肢体拼接混乱，无法准确模仿复杂的人类动作。从此次画面效果来看无论是光 影、人类动作、物理模仿都完成得很好。 不过，需要指出的是，有AI创作者对第一财经表示，AI视频生成还涉及一个成功率的问题，因此样片是完美的，但过程中他们进行了多少次"抽卡"，外界并 不能知晓。所谓抽卡指的是， AI往往不是一次就能成功生成用户想要的画面，可能会有出错的概率，因此行业会选择多次生成直到得到自己想要的画面。 不过，即便如此，上述AI创作者认为，这次海螺AI的更新是不错的，行业整体水平都在提升。 在竞技场Art ...

白交 发自 凹非寺 量子位 | 公众号 QbitAI 这样复杂精致的视频效果，都是AI生成的？都是最新国产AI大模型的新能力？？ 没错，都来自MiniMax刚刚发布海螺2.0版本，能处理极端物理情况，原生支持1080P。 它可以这样—— 提示词：The character in the frame juggles throwing knives with fast and fluid motion. 画面中的人物以快速、流畅的动作玩弄投掷刀具的游戏 即便是这种快速变化的场景也可以hold。 官方介绍说，这次新升级的大模型，在指令遵循、生成质量都达到了一流水平，其成本效率破纪录。 Hailuo02 在官方释出的最新案例中，能够看到此次升级的一些细节。 还可以在空中旋转跳跃不停歇—— 提示词：Acrobatic performance：a performer swings rapidly on an aerial executing high-difficulty moves as the camera follows. 杂技表演：表演者在空中快速摆动，做出高难度动作，镜头跟随。 比如在光影处理上。 即便是比较超 ...

爱诗科技旗下AI视频生成平台PixVerse作为本次研讨会联合举办方，很荣幸与全球顶尖的学者专家们一 起学术共创，行业赋能！ 近日，CVPR 2025 第二届高效端侧生成技术研讨会(EDGE)于美国田纳西州纳什维尔市圆满落幕，研讨 会期间《AdaVid:Adaptive Video-Language Pretraining(面向多场景迁移的自适应视频-语言预训练框架)》 和《Scaling On-Device GPU Inference for Large Generative Models(生成式大模型端侧GPU推理的规模化 加速)》两篇论文拔得头筹。 ...

闻乐 发自 凹非寺 量子位 | 公众号 QbitAI 可以看到跑步动作和人物、空间转换非常丝滑。 下面这个挖蛋糕的场景不仅逼真，勺子上还有倒影，非常细节了。 图像生成界的"大魔王" Midjourney 也来卷视频生成了？！ 一石激起千层浪，消息一出，Reddit点赞量直达2.5k。 上面展示的就是一个视频效果。 还引发了网友们激烈讨论。 有人说"这是第一次以为是人工拍摄的视频"、"几乎和现实无法区分"。 不仅视频模型表现良好，Midjourney的 图像模型V7 也在不断更新中。 不仅效果惊人，价格还由你来定 再来看看更多的效果演示。 多人物动作和视角切换也非常丝滑。 小猫的动作和人手的动作都很有物理真实感。 小狗滑滑板来了～ 汽车漂移也不在话下。 没有音频功能 。 是的，网友们也发现了这一点。 小猫美甲确实很精细，但更细节的是手部的纹路，手指上居然还有指纹 （虽然有一部分指纹是缺失的） 。 不过，也正如上面那位网友所说，有些地方还是不太合理的。 比如，这个叠毯子的场景中，虽然考虑到了手部发力扯出的褶皱，给人一定的物理真实感，但是后面像是毯子自己缩回去了…… 总体看下来，Midjourney的这个视频生成模 ...

仅基于一张参考图像，生成 主 体保持高 度一致 的视频， 多人同台也不串脸 ！ 字节发布多主体视频生成神器—— MAGREF （Masked Guidance for Any‑Reference Video Generation） 。 比如，爱因斯坦版风驰电掣**摩托，效果be like： 字节 投稿 量子位 | 公众号 QbitAI 提供一张图灵 的参考图，也能生成动起来的全身视频，人物面貌服饰在每一帧中保持高一致性，不会逐渐跑 偏： 根据多样文 本 提示，MAGREF可实现"一图千面"： 重要 的是， 不 仅是单一主体生成 。 无论输入 是谁、 来自哪个时 代、风格是否抽象，它都能精准复刻其身份特征，同时根据文本指令渲染出多变 的动作、环境和光影氛围。 MAGREF在不增加模型复杂度的前提下，通过引入掩码引导与通道拼接机制，实现了对多 样参考图像的统一处 理能力。 无论是 单 人演绎、多人物互动，还是人物与物体、背景共同出现在画面 中 ，MAGREF都能生成身份稳定、结 构一致、语义协调的视频序列。 牛顿纵情挥笔绘制大作： 每一位角色的面貌、发型、神态与参考图一致，表情自然，互动合理。 不论是两人同框还是 ...

Video-Bench 视频评估框架，能够通过模拟人类的认知过程，建立起连接文本指令与视觉内容的智能评估体系。 简单地说，能够让多模态大模型（MLLM）"像人一样评估视频"。 实验结果表明，Video-Bench不仅能精准识别生成视频在物体一致性（0.735相关性）、动作合理性等维度的缺陷，还能稳定评估美学质量等 传统难题，显著优于现有的评估方法。 Video-Bench团队 投稿 量子位 | 公众号 QbitAI 视频生成技术正以前所未有的速度革新着当前的视觉内容创作方式，从电影制作到广告设计，从虚拟现实到社交媒体，高质量且符合人类期望 的视频生成模型正变得越来越重要。 那么，要如何评估AI生成的视频是否符合人类的审美和需求呢？ Video-Bench的研究团队来自上海交通大学、斯坦福大学、卡内基梅隆大学等机构。 Video-Bench：基于MLLM的自动化视频评估框架 Video-Bench团队在面对已有的视频评估方法时，发现了两个问题： 1.简单的评分规则往往无法捕捉视频流畅度、美学表现等复杂维度—— 那么，当评判"视频质量"时，如何将人类出于"直觉"的模糊感受转化为可量化的评估指标？ 2.现有基于大语 ...

Video-Bench团队 投稿 量子位 | 公众号 QbitAI 视频生成技术正以前所未有的速度革新着当前的视觉内容创作方式，从电影制作到广告设计，从虚拟现实到社交媒体，高质量且符合人类期望 的视频生成模型正变得越来越重要。 那么，要如何评估AI生成的视频是否符合人类的审美和需求呢？ Video-Bench 视频评估框架，能够通过模拟人类的认知过程，建立起连接文本指令与视觉内容的智能评估体系。 简单地说，能够让多模态大模型（MLLM）"像人一样评估视频"。 实验结果表明，Video-Bench不仅能精准识别生成视频在物体一致性（0.735相关性）、动作合理性等维度的缺陷，还能稳定评估美学质量等 传统难题，显著优于现有的评估方法。 Video-Bench的研究团队来自上海交通大学、斯坦福大学、卡内基梅隆大学等机构。 Video-Bench：基于MLLM的自动化视频评估框架 Video-Bench团队在面对已有的视频评估方法时，发现了两个问题： 1.简单的评分规则往往无法捕捉视频流畅度、美学表现等复杂维度—— 那么，当评判"视频质量"时，如何将人类出于"直觉"的模糊感受转化为可量化的评估指标？ 2.现有基于大语 ...

海淀区高考模拟卷，豆包1.6文理科成绩全部突破700分，理科成绩更是比去年的豆包提升了154分。 | 海淀模拟全卷 | | | --- | --- | | 豆包大模型1.6: | 豆包-240615: | | 理科: 656+50=706 | 理科: 502+50=552 | | 文科:662+50=712 | 文科:572+50=622 | 视频领域， Seedance 1.0 Pro 亮相即登顶全球竞技场文生视频、图生视频双料第一。 明敏 发自 凹非寺 量子位 | 公众号 QbitAI 不愧是字节，一发大模型，各模态榜单格局全部被重构！ 最新豆包大模型1.6系列 ，"小版本"更新但推理、数学、多模态能力全部冲入 全球第一梯队 。 | Artificial Analysis Video Arena Leaderboard | | | | | | Artificial Analysis Video Arena Leaderboard | | | | | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | | | Text to Video | ...

NFD团队 投稿 量子位 | 公众号 QbitAI 在A100上用310M模型，实现 每秒超30帧 自回归视频生成，同时画面还保持高质量！ 视频生成现在都快这个程度了？ 最近，来自微软研究院的团队与北大联合发布新框架—— Next-Frame Diffusion (NFD) 。 通过实现帧内并行采样，帧间自回归的方式，NFD让视频生成在保持较高生成质量的同时，生成效率大幅提升。 或许不久之后的游戏，就是玩家直接跟模型交互打游戏了，无需通过传统的游戏引擎。 比如在《我的世界》中，下面每个视频在NVIDIA A100 GPU上生成 只需约 0.48秒 。 玩家在黑暗的走廊中不断前进： 玩家在攻击小动物后转动视角： 玩家跳跃后放置木块： 玩家跳上草地： 如今，NFD让生成速度又快了几倍。 玩家不停地放置石块： 值得一提的是，前段时间在X上火了的一款基于Minecraft的交互式自回归世界模型—— MineWorld ，也是这个微软研究院的团队做的。 它能够以每秒4-7帧的速度和模型进行交互。 为进一步提高生成效率，研究人员进一步通过以下技术来减少推理时的总采样次数： 引入块状因果注意力机制的Transformer ...