机器之心报道 看到这里，大概就可以看出 Vidu Q1 参考生功能的不寻常之处了。 编辑：Youli 这次真的不一样，遇到了「想象力的神」！ 以前常说「要把自己活成一支队伍」，如今感谢 AI，真的实现了。 最近，生数科技旗下 AI 视频模型 Vidu Q1 推出参考生功能，极大简化传统内容生产流程，真正实现「一个人就是一个剧组」！ 首先，我们来看一个视频： 这几个人物形象大家应该都很熟悉。 摇着羽扇、说着「想不到世间还有如此厚颜无耻之人」出现在各大鬼畜视频中的诸葛亮，英国铁血首相丘吉尔，以及战绩可查的拿破仑，如今他们跨越时空，围 坐在会议室中密切交谈，实现「世纪大会晤」！ 如果用常规的 AI 图生视频来做的话，一般要经过写脚本、文生图 / P 图 / 融图、图片生成、图生视频、成片等步骤，但实际上，这里只用了三张图片和 Vidu Q1 的 参考生功能！ 就像把大象放进冰箱只需要三步一样，这里也只需要三个步骤：找到上传照片、写提示词、成片。 更炫技的操作是，X 网友 Alex，她是一名艺术家兼程序员，在她的操作下，1989 年版本的蝙蝠侠与 1993 年版的侏罗纪公园霸王龙，不仅同框出现，还上演激烈 「对打」， ...

马斯克：AI视频生成正按光速推进。 ...

视频大模型行业暂时不会出现一家独大的局面。 近一个月的视频模型产品更新之前，Sora的热度已带动一批新品面世。包括2024年上半年的爱诗科技PixVerse、Runway Gen-3、Luma Dream Machine，下半 年的生数科技Vidu、智谱清影、字节跳动PixelDance、MiniMax海螺等。 一方面，视频模型你追我赶。据AGI-Eval（上海交通大学、同济大学等高校和机构合作发布的大模型评测社区），2024年12月，PixVerse-V3、可灵1.5、 Video-01的得分（评测维度包括视频-文本一致性、视频质量、运动质量等）超越Sora。 但同时，受限于技术成熟度、商业化、成本高等因素，视频模型的创业热度并不及AI应用层，主要由大型互联网/科技企业组成，由爱诗科技、生数科技、 Pika、Runway、MiniMax等明星创业公司补充。 此前，MiniMax创始人闫俊杰表示，视频类工作复杂度比文本更难，上下文文本很长，一个5秒的视频就有几M（兆字节，MB）大小，但文本领域，5秒看 100个字的大小可能都不到1K（千字节，KB），这是几千倍的存储差距。该差距带来的挑战便是如果通过基本文本构 ...

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 ...

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 ...

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 ...

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 ...