←搜索结果

搜索“视频”

按匹配度 · 共 2263 条结果 清除搜索

星期二

  2. Manus

    Manus 为何推出视频编辑器

    Manus 为何推出视频编辑器？因为我们意识到，制作一支出色的视频不只是生成素材。 它还包括：- 浏览互联网，弄清什么内容正在走红 - 编写代码来制作动态图形、版式和地图路线 - 每一步都使用最好的模型和工具 https://t.co/Mg8VEwchpL

    匹配字段标题、摘要

    #company#产品更新#视频#Agent
  3. The Decoder

    Reka AI 发布 190 亿参数全能模型 Rho-1，统一处理文本、图像、视频与机器人控制

    Reka AI 发布研究预览版 Rho-1，这是一个 190 亿参数的全能模型，在单一神经网络中处理并生成文本、图像、视频和机器人控制动作。与多数把任务分派给专用模型的系统不同，Rho-1 将所有模态作为 token 放在同一个共享上下文窗口中运行，不调用工具或外部模型，可实时生成连续视频并即时响应新指令而无需重启。预测摄像头图像的同一套权重也驱动机器人动作，为绕开机器人训练数据稀缺，Reka AI 构建了逆动力学模型，从普通互联网视频中提取控制信号；Rho-1 在 320 块 H100 GPU 上训练了约三个月。

    匹配字段标题、摘要

    #ai-vertical#模型发布#多模态#视频

星期五

  1. The Rundown AI

    Tavus 预览 Griffin 实时视频交互模型

    AI 初创公司 Tavus 预览了 Griffin，一个可在实时视频中观看、聆听、说话并作出反应的 Human Interaction Model。Tavus 称在面对面测试中，48% 的参与者认为对话对象是真人，此前模型这一比例仅为 2.4%；该模型在 NVIDIA 的 VideoFDB 视频聊天测试中与真人相差 0.09 分，并领先次优 AI 模型超过 1 分。目前仅 Griffin-Lite 向受信任测试者开放，用于继续完善安全与披露功能，后续再公开推出。

    匹配字段标题、摘要

    #newsletter#行业动态#视频#多模态
  2. The Rundown AI

    Apple 研发代号 J450 的 AI 安防摄像头：不录视频，只给文字描述

    Apple 正在研发代号 J450 的 AI 安防摄像头，据 Bloomberg 的 Mark Gurman 称，它不录制任何视频，而是通过低帧率传感器和端侧 AI 向用户提供家中活动的文字描述，并支持人脸识别标记有人进入房间等事件。该摄像头与传闻中的 J490 智能家居中枢配对，并共享 Apple 带摄像头 AirPods 的技术。它能否在真正出事时仅靠文字描述满足需求，仍有待观察。

    匹配字段标题、摘要

    #newsletter#行业动态#端侧#多模态
  5. Suno

    Suno 分享新功能演示视频

    Suno 官方账号发布了一条视频链接，未附文字说明。引用帖中用户 OmnipotentCEO 对其中名为 Speech 的功能提出异议，建议改名为 Vocal Booth。

    匹配字段标题、摘要

    #company#其他
  7. Suno

    Suno 回应音质批评：发布视频链接

    Suno 官方账号发帖仅附一条视频链接，未作文字说明。被引用用户此前批评 Suno 生成的音乐带有“合成感”，音质粗糙、缺乏打磨与母带处理，并称若维持当前质量 Suno 走不远。

    匹配字段标题、摘要

    #company#其他
  8. The Decoder

    Tavus 推出实时视频对话模型 Griffin，48% 测试者误认其为真人

    Tavus 推出名为 Griffin 的 Human Interaction Model，可在实时视频通话中同时接收和生成语音、面部表情、语气、手势与停顿。Tavus 研究显示，48% 的参与者在一次一分钟视频通话后认为 Griffin 是真人，此前系统最高为 2%。在 Tavus 称为 Nvidia 独立测试的拟人度评分中，Griffin 得 3.83 分，真人为 3.92 分，此前最佳 AI 模型为 2.80 分。名为 Griffin-Lite 的预览版已向部分测试者开放，能力更强的版本将在安全问题解决后推出。

    匹配字段标题、摘要

    #ai-vertical#模型发布#多模态#视频

星期六

星期四

  2. Wan精选

    Wan3.0 在 Artificial Analysis 新视频生成基准中排名第一

    Wan3.0 在 Artificial Analysis 新推出的 AA-Video-T2V v2.0 文本生成视频基准中综合排名第一，并在 20 个分类榜中领先 10 个，包括卡通与动漫风格、动画与游戏用例，视频成本为每分钟 12 美元。该基准基于 1000 多个提示词、超过 68000 条来自美英私人评估者的人类偏好投票，统一以 1080p 高码率评判模型。Wan 官方对团队、评估者及使用 Wan 的创作者表示感谢。

    匹配字段标题、摘要

    #company#评测/基准#视频#图像生成
  3. A6 a6-070 · 字节 Seed：Research Papers精选

    字节 Seed 发布 SeedRealtime 原生音视频全双工 LLM

    字节 Seed 正式发布 SeedRealtime，一个原生音视频全双工 LLM，用统一架构原生融合音频、视频和文本，支持连续多模态流上的实时交互。官方称其实现音视频联合理解、主动交互和自然对话节奏三项突破，端到端人工评测显示相比级联模型，音视频对话节奏问题减少一半。目前 SeedRealtime 已全面上线，官方称这是音视频全双工技术的大规模部署。

    匹配字段标题、摘要

    #a6-editorial#模型发布#多模态#语音
  4. A6 a6-070 · 字节 Seed：Research Papers精选

    字节 Seed 发布视频生成模型 Seedance 2.5

    字节 Seed 团队正式发布新一代视频创作模型 Seedance 2.5，单次可生成 30 秒音视频片段并支持多轮续写，单次最多可输入 30 张图片、10 段视频和 10 段音频作为参考素材。模型新增时间戳级编辑能力，并强化绿幕、镜头视角和参考编辑等功能，已在即梦 AI、豆包 Pro 等平台上线，API 将通过 BytePlus ModelArk 提供。

    匹配字段标题、摘要

    #a6-editorial#模型发布#视频#多模态
  5. PixVerse

    PixVerse 将在 NAB Show NY 展示 AI 视频工作流

    AI 视频正在超越一次性生成。真正的机会在于更快、更灵活的制作工作流，从概念到成品内容。 我们将在 #NABShowNY 现场展示该工作流，10 月 21-22 日于纽约。 欢迎参加 10 月 21 日 Day 1 之后的 happy hour。https://t.co/2AhlDiAZjQ

    匹配字段标题、摘要

    #editorial#行业动态#视频