←搜索结果

搜索“视频”

按匹配度 · 共 2263 条结果 清除搜索

星期四

星期三

  2. Google Developers Blog

    Google 如何在 TPU 上加速视频扩散模型的时空注意力

    Google Developers Blog 发布案例研究，介绍如何把视频扩散模型注意力中的理论稀疏性转化为 TPU 上的实际端到端加速。在单块 TPU v6e、75.6K tokens、10 heads、head 维度 128 的 BF16 合成输入下，朴素块遍历的稀疏原型保留约 39% query-key 对，却因边界 tile 仍需逐元素掩码而耗时 96.37 ms，比稠密 Splash 的 78.70 ms 还慢 22%。

    匹配字段标题、摘要

    #engineering#教程/实践#部署/工程#视频

星期二

  1. AWS Machine Learning

    Condé Nast 如何用 Amazon Bedrock 构建多模态视频检索

    Condé Nast 与 AWS 生成式 AI 创新中心合作，基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频检索方案，并选用 TwelveLabs Marengo 嵌入模型联合编码画面、音频与字幕。该方案将单次内容检索耗时从平均 250 分钟降至 2 分钟以内，覆盖超 14 万条视频库，支持自然语言意图搜索、图像查询和精确时间戳定位。

    匹配字段标题、摘要

    #lab#教程/实践#多模态#RAG
  2. Latent Space

    Opus 5.5 发布一周：社区用它生成动态图形视频

    Latent Space 的 AINews 汇总称，Claude Opus 5.5 发布约一周后在 OpenRouter 上成为 Anthropic 模型里支出和 token 份额第一的模型，切换速度尤其快。社区大量分享用 Opus 5.5 生成的动态图形视频，有人称整段视频全部由代码生成、未使用 After Effects，并开源了提示词模板。榜单方面，Opus 5.5 以 88.4% 领跑 SimpleBench，在 Terminal-Bench-Science 上从低推理强度的 24% 升至 xhigh 的 62%，max 档回落到 59%。

    匹配字段标题、摘要

    #newsletter#行业动态#多模态#视频
  3. AWS Machine Learning

    在 SageMaker AI 上用 vLLM-Omni 生成图像与视频（第二部分）

    在 Amazon SageMaker AI 上，用同一个 AWS vLLM-Omni DLC 镜像部署两个端点：实时端点跑 FLUX.2-klein-4B 生成图像，异步端点跑 Wan2.1-VACE-1.3B 做图像条件视频生成。文本提示词先生成 PNG，再连同运动提示词送入视频端点，生成的 MP4 从 Amazon S3 取回，示例还提供命令行流程和可选的 Streamlit 界面。

    匹配字段标题、摘要、正文

    #lab#教程/实践#部署/工程#多模态

星期一

  2. MarkTechPost

    Google Research 推出 AI 视频联合导演：4 个智能体框架实现连贯的分钟级视频生成

    Google Research 发布一套 AI 视频联合导演系统，用 4 个智能体框架把短片段串成连贯的分钟级故事，针对多镜头 AI 视频管线中的身份漂移与级联错误。系统基于 Gemini 和 Veo，模型无关，输出继承 SynthID 水印；其中 Co-Director 与 CANVAS 分别被 COLM 2026 和 EMNLP 2026 接收，A²RD 为免训练架构并生成了 10 分钟影片，VQQA 无需访问模型内部。团队还构建了 GenAD-Bench、HardContinuityBench 和 LVBench-C 三个新基准。

    匹配字段标题、摘要

    #ai-vertical#论文/研究#视频#Agent

星期六

  1. ElevenLabs Blog

    ElevenLabs 上线图像、视频与 Templates API

    ElevenLabs 将图像生成、视频生成和 Flows 中的模板能力开放为 API，图像与视频 API 可调用 Google、OpenAI、ByteDance 和 Creatify 的模型，定价与应用内一致。模板把图像、视频、语音、音乐和音效模型打包成无需配置的工作流，团队在 Flows 中搭建一次后，后续只需传入新的产品图和名称即可批量产出成品素材。这些模型也可通过 ElevenLabs MCP 在 Claude、ChatGPT 或 Cursor 中使用，一次 OAuth 安装即可，无需管理 API key。

    匹配字段标题、摘要

    #company#产品更新#图像生成#视频
  2. Suno

    Suno 发布《Take Me Back》音乐视频

    《Take Me Back》现已在 Suno 上线。由 Braylon Browner 演绎，音乐视频由同为编舞师的 Nina McNeely 执导，他们的合作从舞蹈走向歌曲，再围绕 Braylon 的动作构建出一个完整世界。 音乐使用 v6 创作，并在 Studio 2.0 中完成。

    匹配字段标题、摘要

    #company#行业动态#视频#多模态

星期五

  1. Amazon Science

    Reactor 与 AWS 用 Neuron Kernel Interface 在 Trainium 上优化实时视频生成

    Reactor 与 Amazon Neuron Science 团队合作，借助 Neuron Kernel Interface 在 Trainium 芯片上优化自回归扩散模型的实时视频生成，针对动态形状、内存访问模式和缓存管理等问题提出可跨模型泛化的技术。双方选用 Rolling Forcing 模型，看重其能稳定生成 30 秒高质量视频且体量相对较小，但序列长度很大、内存消耗高。

    匹配字段标题、摘要

    #company#教程/实践#部署/工程#视频
  2. Wan

    Wan3.0 工作流：10 秒 1080p 视频成本 1.82 美元

    AI 视频质量引人关注，但经济性决定什么能真正规模化。 在这个 Wan3.0 工作流中：10 秒。1080p。在 @AskVenice 上花费 $1.82。 这把讨论从：“AI 能生成这个吗？”变成了：“我们现在能负担得起生产多少内容？”阿里云的 Johnny Mai × Jordan Urus，见 https://t.co/2SEzpYcjB2。 想把 Wan3.0 带给你的团队？了解更多 → https://t.co/cFNvlheWNE #Wan3 #CreatorEconomy #AIProduction #ContentCreation

    匹配字段标题、摘要

    #company#行业动态#视频#部署/工程
  4. Google Research

    Google Research 提出多智能体框架，自动生成长视频叙事

    Google Research 发布一套统一多智能体框架，用于自动生成时间上连贯的长视频叙事，以解决现有线性流水线中的身份漂移和级联失败问题。该框架作为编排层构建在 Gemini 和 Veo 之上，包含四个部分：AI video co-director 用多臂老虎机做全局创意搜索，CANVAS 通过持久视觉记忆规划多镜头视觉连续性，A²RD 以自回归方式逐段生成并维护多模态视频记忆，VQQA 用视觉问答生成语义梯度做闭环提示词优化。评测显示 AI video co-director 在 GenAD-Bench 上达到 81.4 的峰值质量分，CANVAS 在 ST-Bench 和 HardContinuityBench 上提升场景重现连续性，A²RD 在 VBench-Long 和 LVBench-C 上减少布局漂移，VQQA 在 T2V-CompBench、VBench2 和 VBench-I2V 上取得质量提升。

    A man and woman sit at a table looking at a glowing blue 3D holographic projection of a house emerging from a blueprint.

    匹配字段标题、摘要、正文

    #lab#模型发布#多模态#视频

星期四

  2. AI at Meta

    Meta 用蒸馏实现 2 步扩散实时视频流

    实时视频流需要即时响应，同时在长时间对话中保持视觉一致性。 我们通过将带 3-way CFG 的大型 40 步扩散教师模型（每个视频块 120 次评估）蒸馏为带固定长度 KV cache 的无引导 2 步因果学生模型，实现了这一点。 Self-forcing 帮助学生模型抵抗漂移，以少 60 倍的评估次数保持接近教师模型的质量。

    匹配字段标题、摘要

    #company#模型发布#视频#多模态
  3. Wan

    Wan3.0 端到端文生视频工作流演示

    这是 AI 视频开始变得有趣的地方。 一个提示词。→ 电影级运动 → 1080p 输出 → 生成声音 来自阿里云的 Johnny Mai 和来自 Venice ai 的 Jordan Urus 用一个简单的端到端工作流测试了 Wan3.0。 从一个想法到完成一个场景之间的距离正变得非常小。 想把 Wan3.0 带到你的团队？了解更多 → https://t.co/cFNvlhfuDc #Wan3 #TextToVideo #AIVideo #GenerativeAI

    匹配字段标题、摘要

    #company#现象/趋势#视频#多模态