Suno 推出 Suno Scenes：用照片和视频生成歌曲
Suno 发布新功能 Suno Scenes，可从相机拍摄的照片和视频生成独特歌曲，率先面向 iOS 移动端用户开放，入口位于歌曲创作体验的 Camera 模式。用户可用风景、自拍或日常视频作为素材创作并分享内容。
匹配字段标题、摘要
←搜索结果
搜索“视频”
Suno 启动 The Summer of Suno 第二期：10 万美元奖池征集音乐反应视频
Suno 于 7 月 15 日启动 The Summer of Suno, Vol. 2，主题为“打动我们的音乐”，从 100 万美元创作者奖池中拿出 10 万美元，平均分给 200 位创作者，每人 500 美元。活动持续至 7 月 31 日 23:59 ET，需提交真人出镜的反应视频，投稿不限数量但每人仅限一次获奖，并新增印度、以色列和日本创作者参与资格。
匹配字段标题、摘要
Sam Altman 谈 GPT-4o 的免费开放与语音视频交互
OpenAI 将 GPT-4o 免费提供给 ChatGPT 用户，并推出具有人类级响应速度和表现力的新语音及视频模式。Sam Altman 表示，这种交互快速、自然且实用，未来还将加入可选的个性化、信息访问和代用户执行操作等能力。
匹配字段标题、摘要
用于视频生成的扩散模型：从零训练与图像模型扩展
Lilian Weng 在 Lil'Log 撰文梳理扩散模型用于视频生成的两条技术路线：从零训练时，2D U-net 的 3x3 卷积扩展为 1x3x3，并在每个空间注意力块后加入时间注意力块以捕捉时序一致性；Imagen Video 用 7 个扩散模型级联输出 1280x768、24 fps 视频，经渐进蒸馏后每个模型仅需 8 步采样。另一路线是给预训练图像扩散模型插入时间层，如 Make-A-Video 复用文本-图像先验并加入帧插值网络，以缓解文本-视频配对数据稀缺问题。
匹配字段标题、摘要
SRT 文件指南：如何创建、编辑和打开 SRT 字幕文件
SRT 是一种纯文本字幕格式，用编号块把字幕文本与起止时间戳配对，大多数视频播放器和剪辑软件都能原生支持。每个块包含序号、HH:MM:SS,mmm 格式的时间戳和字幕文本，块之间以空行分隔。ElevenCreative 可通过自动语音转文字流程为纯文本生成时间戳，把 TXT 转成 SRT。
匹配字段摘要、正文
Manus Studio 支持导出至 Premiere Pro 等剪辑软件
Manus 宣布，Manus Studio 项目现在可以导出到 Premiere Pro、DaVinci Resolve、CapCut 或 Final Cut Pro。用户既可以在 Manus 中用 AI 创作并直接剪辑，也可以把视频导出到自选工具中编辑。
匹配字段摘要、正文
Generalist 展示 GEN-1.5 精细操作能力
Generalist 发布视频展示 GEN-1.5 完成更薄的 O 型圈操作任务，称这类任务考验模型的灵巧度以及对毫米级细节的感知能力。该帖同时引导用户阅读 GEN-1.5 详情并加入等待名单。
匹配字段摘要
MiniMax H3 用伪档案影像演绎中国典故
MiniMax Design（H3）发帖称，中国古代故事和成语往往难以解释，但 H3 找到了“档案影像”。该帖引用了用户 0xMomo 用 RunningHub 上的 MiniMax H3（ComfyUI）制作“司马光砸缸监控录像”的教程，其中介绍了分段生成视频、固定机位描述，以及用 VCR OSD Mono 和 GNU Unifont 制作低分辨率点阵时间戳、再用 FFmpeg 叠加的流程。
匹配字段摘要
NVIDIA 发布 Cosmos 3 系列四个开放权重世界模型
NVIDIA 在 Cosmos 世界模型平台下新增四个 Cosmos 3 开放权重检查点，均为 Cosmos 3 Nano 的后训练版本，含 16B 可训练参数，采用 OpenMDW1.1 许可，允许商用与非商用。四个模型分别面向多视角驾驶数据生成、相机与 LiDAR 同步流式仿真、由模拟器控制生成逼真视频，以及从双臂机器人动作预测视频。原文同时给出四阶段训练配方，覆盖双向适配、teacher forcing、一致性蒸馏与 self-forcing。
匹配字段摘要、正文
MiniMax H3 语言测试口语写作双满分
MiniMax Design（H3）发帖称，H3 在语言测试中口语和写作均拿到满分。该帖引用了用户用 Blender 预演结合 H3 制作原创商店街视频的案例，其中提到 H3 对日文招牌的保持能力最强。
匹配字段摘要
Krea 发布 Krea 3 技术报告
Krea 发布 Krea 3 技术报告，深入介绍该模型使用的数据、架构和训练技术。官方推文给出报告链接，并附有一段视频。
匹配字段摘要
Hao AI Lab 将 MiniMax H3 Flex 接入 FastVideo，推理最高提速 7 倍
Hao AI Lab 将 Pika Labs 开源的 MiniMax H3 Flex 接入 FastVideo，推理速度最高达到官方开源推理代码的 7 倍。在单张 GB200 上，同一提示词和随机种子生成 5 秒 480p 带音频视频，官方代码耗时 59.7 秒，FastVideo BF16 为 26.6 秒，NVFP4 QAD 为 16.8 秒，FP4 attention 为 15.2 秒。官方代码仅支持单 GPU，FastVideo 增加多 GPU 支持后，4 卡生成 15 秒视频提速 7 倍；单台 DGX Spark 生成 5 秒 480p 首尾帧视频耗时 59.5 秒。项目同时开放权重、推理代码和完整训练配方，并支持 Open-H3-Regenerate-2K 的 2K 模型。
匹配字段摘要、正文
Hao AI Lab 将 MiniMax H3 Flex 接入 FastVideo，单…
Hao AI Lab 把 Pika Labs 开源的 MiniMax H3 Flex 接入 FastVideo，官方开源推理代码在单 GB200 上生成 5 秒 480p 带音频视频需 59.7 秒，FastVideo BF16 为 26.6 秒、NVFP4 QAD 为 16.8 秒、FP4 attention 为 15.2 秒。团队称其比官方代码快至多 7 倍，并补充了多 GPU 支持，4 卡生成 15 秒片段快 7 倍。NVFP4 QAD 对 BF16 Flex 做蒸馏，比普通量化更接近 BF16 14-17%；FP4 attention 把 768p 15 秒片段从 101.8 秒降到 85.3 秒。该片段在单台 DGX Spark 上耗时 59.5 秒，FastVideo 同时支持 Open-H3-Regenerate-2K 的 2K 模型，权重、推理代码和完整训练配方均已开放。
匹配字段摘要
FastVideo 支持 Open-H3-Regenerate-2K 模型
Hao AI Lab 宣布 FastVideo 已支持来自 HaoZhe65347 与 NVIDIA AI 的 Open-H3-Regenerate-2K 模型，并给出 2K 模型链接。该系列此前介绍 FastVideo 对 Pika Labs 开源的 MiniMax H3 Flex 做了推理优化，单张 GB200 上 5 秒 480p 带音频视频耗时 5.8 秒，比官方开源推理代码快至多 7 倍，并新增多 GPU 支持。
匹配字段摘要
Hao AI Lab 将 MiniMax H3 Flex 接入 FastVideo，单卡…
Hao AI Lab 宣布 Pika Labs 开源的 MiniMax H3 Flex 已接入 FastVideo，官方称其推理速度最高比官方开源推理代码快 7 倍，在单张 NVIDIA GB200 上生成 5 秒 480p 带音频视频耗时 5.8 秒。同一提示词与随机种子下，5 秒带音频片段官方代码耗时 59.7 秒，FastVideo BF16 为 26.6 秒，NVFP4 QAD 为 16.8 秒，FP4 attention 为 15.2 秒；官方代码仅支持单 GPU，FastVideo 增加了多 GPU 支持，15 秒片段在 4 张 GPU 上快 7 倍。NVFP4 QAD 以 BF16 Flex 为蒸馏目标，比普通量化更接近 BF16 14-17%；FP4 attention 将 768p 15 秒片段从 101.8 秒降至 85.3 秒。5 秒 480p 首尾帧片段在单台 DGX Spark 上耗时 59.5 秒，并支持来自 Hao AI Lab 与 NVIDIA 的 Open-H3-Regenerate-2K 模型。权重、推理代码和完整训练配方均已开放。
匹配字段摘要
Apple 重新设计的健康 App 扩展语言支持
Apple 重新设计的健康 App 将语言支持扩展到全球英语、简体与繁体中文、法语、日语、韩语、挪威语、葡萄牙语、西班牙语、土耳其语和越南语，以 Apple Intelligence 为核心。新版新增 Insights 标签页汇总心脏、睡眠、体能等数据，Longevity 标签页以 Health Age 结合 Apple Watch 的 VO2 max、静息心率等指标反映身体状态。更新还引入居家运动评估，借助 iPhone 摄像头与 Apple Watch 在设备端测量柔韧性、力量、平衡与 VO2 max，不录制或存储视频。该版本今日进入 iOS 27.3 开发者测试版，今年晚些时候免费推送。
匹配字段摘要、正文
什么是通话转录？面向企业的实用指南
通话转录是把电话或视频通话转成文字记录，多数情况下由 AI 模型自动完成，可在通话中实时转录或录音后批量转录。流程包括采集音频、语音转文字、加时间戳与说话人标签，最终生成可搜索的文本，并可用于质检、合规存档和 CRM 记录。ElevenAgents 构建的语音 AI 智能体会随每次对话保存转录文本。
匹配字段摘要、正文
NVIDIA 发布 Cosmos Framework 与 Cosmos NIM，支持世界模型训练与部署
NVIDIA 发布面向物理 AI 的 Cosmos Framework 和 Cosmos NIM，前者提供训练、强化学习、优化与推理的模块化工具和智能体技能，后者以容器形式提供加速推理服务。Cosmos 3 Nano 仿真配方可从已发布 checkpoint 生成同步的相机视频与 LiDAR 观测，覆盖自动驾驶、机器人和手术场景。NIM 通过量化、投机解码和 KV-cache 感知路由，在 H200 上实测约 2–3 倍加速，Cosmos3-Nano 生成任务在 BF16 下需 58 GiB 显存。
匹配字段摘要、正文
MiniMax H3 与 ORB360 LoRA 实现交互式旋转
MiniMax Design 转发用户 monoradio 的演示：用 MiniMax H3 加 ORB360 LoRA，从单张图生成 360° 旋转视频，再随手机倾斜前后切换帧，营造立体效果。MiniMax Design 称该组合已引发关注，如今更进一步实现交互，并暗示 VR 是下一步方向。
匹配字段摘要
Meshy 生成 3D 模型，Blender 布景 Houdini 点火
Meshy 官方账号发布一段视频，展示 3D 艺术家的万圣节告别作品：模型在 Meshy 中生成，在 Blender 中布景，在 Houdini 中点火。
匹配字段摘要