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
←搜索结果
搜索“视频”
MiniMax H3 视频编辑越来越有趣
用 H3 做视频编辑越来越有趣了。🕺
匹配字段标题
Karpathy 离开 X，Ben Affleck 谈微调视频模型
Karpathy：从 X 上消失 Ben Affleck：好，大家围过来，你要先冻结基础权重，学习率 2e-4 https://t.co/CG9GvBnmil
匹配字段标题
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
Yuchen Jin 盼 AI 生成 Karpathy 视频
我真希望能直接给 AI 一个提示词，就生成一段 Andrej Karpathy 的视频。 可惜，今天没有任何 AI 能做到这一点。 Andrej，我们需要你回来。你上次在 YouTube 上传视频已经是一年多以前了。
匹配字段标题
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
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
PixVerse 插件：把产品创意变成开箱视频
用 PixVerse 插件把产品创意变成开箱视频 描述产品、场景和出镜者的反应。你的 AI 智能体用 PixVerse 生成视频！
匹配字段标题
Perplexity Computer 集成 Seedance 2.5 生成品牌视频
在 Computer 里用 Seedance 做营销和品牌内容，效果相当惊艳！ 在 Perplexity Computer 中用 Seedance 2.5 为你的小企业生成商业或品牌视频。 这支广告完全在 Computer 内制作，包括品牌视觉、产品样机和完整视频剪辑。
匹配字段标题
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
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
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
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
HiDream-O1-Video-1.0 登图生视频榜第 7
HiDream_AI 的 Hidream-O1-Video-1.0 刚以 1456 分登上 Image-to-Video Arena 第 7 名！ 该模型已在 @vivago_ai 上线，距 gemini-omni-flash 差 8 分，距 dreamina-seedance-2.0 和 2.5 均在 20 分以内。 恭喜 @HiDream_AI 发布！
匹配字段标题
Arena.ai 图生视频排行榜上线
前往查看图生视频排行榜：https://t.co/dAaKcypuH6
匹配字段标题
Artificial Analysis 文生视频榜单前四名均为中国模型或基于中国模型构建
Artificial Analysis 文生视频排行榜前四名均为中国模型或基于中国模型构建。阿里 Wan 3.0 以微弱优势领先 Utopai X、字节 Seedance 2.5 和 MiniMax H3，Google 最好的模型排在第六。新上榜即位列第二的 Utopai X 基于 MiniMax H3 构建。
匹配字段标题
Krea Agent 打造视频动效应用 Window Lab
Krea 在帖子中介绍，Window Lab 是用 Krea Agent 创建的应用，用户只需上传视频并调整运动控制参数，即可得到想要的效果。
匹配字段标题
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
Danny Trinh 分享 OpenAI 幕后视频
Danny Trinh 发布了一条关于 OpenAI 的幕后内容，并 @ 了 muse，附有一段视频链接。
匹配字段标题
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