Video wird geladen...

Video konnte nicht geladen werden

Zur Startseite

今天玩 seedance2 越玩越心里害怕，下午即梦已经做人物生成限制了。 非常可怕在于，基于大量视频数据集（可能是抖音？），我试着把上周年会活动随便找张照片发上去生成视频，画面是包厢里的一角，结果视频能把画面外大差不差给还原回来，包括另外两面墙和天花板。这只是一家不出名也开没几年的普通饭店。 影视飓风 Tim 也紧急发了一条影片，讲了只要用他的照片，就能自动生成他的声音，以及也能生成他办公室前后的对应画面。 可以说 seedance2.0 是一个掌握大量现实世界的空间和声音的模型，这可能是未来世界模型的极高起点。 人类可能已经打开了潘多拉的魔盒？

_kaichen's profile picture

kAI

4,801 subscribers

36,418 Aufrufe • vor 4 Monaten •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。 这是全球第一个实时多模态世界模型。 它不只是生成画面，还能同时生成真实世界的声音。 视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。 以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。 这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。
2:15

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。 这是全球第一个实时多模态世界模型。 它不只是生成画面，还能同时生成真实世界的声音。 视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。 以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。 这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。

Berryxia.AI

37,141 Aufrufe • vor 24 Tagen

基于藏师傅 PPT Skill 的讲解视频生成 Skill，差不多搞定了！ Codex 配合远程控制不在家也可以一键产出视频内容 可以用非常低的成本保证视频内容的可用性和表现力 这里的视频是我随便找了一个徒步文案一次生成的。 主要的内容用前端生成，只有配音和部分分镜使用音频和Seedance 2.0 模型
2:06

基于藏师傅 PPT Skill 的讲解视频生成 Skill，差不多搞定了！ Codex 配合远程控制不在家也可以一键产出视频内容 可以用非常低的成本保证视频内容的可用性和表现力 这里的视频是我随便找了一个徒步文案一次生成的。 主要的内容用前端生成，只有配音和部分分镜使用音频和Seedance 2.0 模型

歸藏(guizang.ai)

21,709 Aufrufe • vor 24 Tagen

Seedance2.0 刚上线一天由于太过强大立马被要求整改，目前真人脸已不能使用。 只因圆通速递总裁的儿子-影视飓风tim发布测评指出，没给任何提示只上传一张他的照片，就能自动生成他的声音。 这一举动引起风波导致团队紧急下架人脸功能暂时调整。 我昨天刚生成前两个人脸视频准备参加币安光明顶的，这会角色衔接不上了，只能换卡通风格重来了。。
9:04

Seedance2.0 刚上线一天由于太过强大立马被要求整改，目前真人脸已不能使用。 只因圆通速递总裁的儿子-影视飓风tim发布测评指出，没给任何提示只上传一张他的照片，就能自动生成他的声音。 这一举动引起风波导致团队紧急下架人脸功能暂时调整。 我昨天刚生成前两个人脸视频准备参加币安光明顶的，这会角色衔接不上了，只能换卡通风格重来了。。

0x鸣人

57,129 Aufrufe • vor 4 Monaten

最近发现之前推荐过的 Midreal AI 互动小说游戏更新了网页版本，不需要在 Discord 里面使用了。 我尝试了一下将每句话都生成图片做视频小说，效果很不错。 这次升级非常强大，Midreal已经不只是小说生成工具，正在朝着互动式内容消费平台进化。 网页版本的Midreal每一句话都可以生成对应的图片，现在还是免费的，做互动小说生成视频搞流量也不错，还没有原创性问题。 每句都能生成图片之后，比之前到分支的时候才生成会强非常多，图片从原来的DALL-E3 变成了他们自己训练的 SD 模型，图像质量和提示词遵循都比之前强很多。 除了支持生成图片之外，现在网页版的Midreal分享功能也非常好用，分享出去就是一个带插图的完整小说页面，阅读体验很不错，还有评论和转发能力。 他们自己训练的图像模型现在也有一个专门的页面可以使用，只用来生成图片也是可以的。 感觉模型能力也有了比较大的提升，之前中文的小说都会有逻辑问题，这次尝试之后好了很多。 这里尝试网页版Midreal：
4:20

最近发现之前推荐过的 Midreal AI 互动小说游戏更新了网页版本，不需要在 Discord 里面使用了。 我尝试了一下将每句话都生成图片做视频小说，效果很不错。 这次升级非常强大，Midreal已经不只是小说生成工具，正在朝着互动式内容消费平台进化。 网页版本的Midreal每一句话都可以生成对应的图片，现在还是免费的，做互动小说生成视频搞流量也不错，还没有原创性问题。 每句都能生成图片之后，比之前到分支的时候才生成会强非常多，图片从原来的DALL-E3 变成了他们自己训练的 SD 模型，图像质量和提示词遵循都比之前强很多。 除了支持生成图片之外，现在网页版的Midreal分享功能也非常好用，分享出去就是一个带插图的完整小说页面，阅读体验很不错，还有评论和转发能力。 他们自己训练的图像模型现在也有一个专门的页面可以使用，只用来生成图片也是可以的。 感觉模型能力也有了比较大的提升，之前中文的小说都会有逻辑问题，这次尝试之后好了很多。 这里尝试网页版Midreal：

歸藏(guizang.ai)

48,079 Aufrufe • vor 2 Jahren

这才是真正的 AI 剪辑神器。 开源项目 Pixelle-Video — 一个把短视频做成流水线的工具。 以前做一个视频： 写脚本、找素材、配音、剪辑 一套下来，半天没了。 Pixelle-Video 直接把流程砍到只剩一步： 输入一个主题 剩下的全自动： 写文案、出画面、配音、加 BGM，最后直接给你成片。 但真正厉害的，不是自动。 而是你可以完全掌控它： 模型自己选 声音自己换 画面 workflow 自己搭 这已经不仅仅是工具了，是一条能批量出片的流水线 你甚至可以直接批量跑内容，做账号矩阵。 你不再做视频，你已经可以生产视频了。
0:38

这才是真正的 AI 剪辑神器。 开源项目 Pixelle-Video — 一个把短视频做成流水线的工具。 以前做一个视频： 写脚本、找素材、配音、剪辑 一套下来，半天没了。 Pixelle-Video 直接把流程砍到只剩一步： 输入一个主题 剩下的全自动： 写文案、出画面、配音、加 BGM，最后直接给你成片。 但真正厉害的，不是自动。 而是你可以完全掌控它： 模型自己选 声音自己换 画面 workflow 自己搭 这已经不仅仅是工具了，是一条能批量出片的流水线 你甚至可以直接批量跑内容，做账号矩阵。 你不再做视频，你已经可以生产视频了。

开发者Hailey

54,098 Aufrufe • vor 2 Monaten

网飞开源了一个很强的视频编辑模型。 它可以直接删除视频中的某个物体。 但真正夸张的点是： 它连这个物体对周围画面的影响，也能一并消掉。 不只是“把东西抹掉”， 而是在重新生成一段合理的视频。
0:38

网飞开源了一个很强的视频编辑模型。 它可以直接删除视频中的某个物体。 但真正夸张的点是： 它连这个物体对周围画面的影响，也能一并消掉。 不只是“把东西抹掉”， 而是在重新生成一段合理的视频。

梦想夏乡

15,444 Aufrufe • vor 2 Monaten

兄弟们 这个配的上炸裂啊 PixVerse 推出了世界收一个“实时生成世界模型” 可以连续、无限、实时的生成视频画面，包括声音... 下面是我测试的一个实时效果 我选择了个战争场面 我让GPT帮我写好的文案和剧情 我来复制粘贴进行操作 它根据我的文案实时机械能画面和剧情生成，有点牛P啊 随时这只是个技术预览展示，但是对我的震撼还是蛮大的 你输入一句话 → 它开始生成视频； 你再继续说出你的需求 → 场景立刻改变、角色动作和画面等跟着变。 它可以做到： 🧠 语义理解：你说一句话，AI 能理解你这句话的意图和画面背景信息 🧩 实时生成：场景几乎零延迟渲染，像玩游戏一样流畅 🔁 持续生成：世界不会“结束”，而是会一直延伸和变化 🎮 可交互性：每一次输入都会即时影响画面、声音、结构
4:35

兄弟们 这个配的上炸裂啊 PixVerse 推出了世界收一个“实时生成世界模型” 可以连续、无限、实时的生成视频画面，包括声音... 下面是我测试的一个实时效果 我选择了个战争场面 我让GPT帮我写好的文案和剧情 我来复制粘贴进行操作 它根据我的文案实时机械能画面和剧情生成，有点牛P啊 随时这只是个技术预览展示，但是对我的震撼还是蛮大的 你输入一句话 → 它开始生成视频； 你再继续说出你的需求 → 场景立刻改变、角色动作和画面等跟着变。 它可以做到： 🧠 语义理解：你说一句话，AI 能理解你这句话的意图和画面背景信息 🧩 实时生成：场景几乎零延迟渲染，像玩游戏一样流畅 🔁 持续生成：世界不会“结束”，而是会一直延伸和变化 🎮 可交互性：每一次输入都会即时影响画面、声音、结构

小互

12,587 Aufrufe • vor 4 Monaten

老高和小茉的传言估计是坐实了 老高26年第一次更新油管视频，独自语音回应了，声音变得低沉许多；没有了双人出镜，照片合成的视频看着也有点山寨。 看样子很可能以后都不露面，只有语音了；更可能下次露面出现的搭档是另一位“小茉”。 油管链接：
15:03

老高和小茉的传言估计是坐实了 老高26年第一次更新油管视频，独自语音回应了，声音变得低沉许多；没有了双人出镜，照片合成的视频看着也有点山寨。 看样子很可能以后都不露面，只有语音了；更可能下次露面出现的搭档是另一位“小茉”。 油管链接：

KK.aWSB

292,367 Aufrufe • vor 3 Monaten

一个模型搞定视频+音频+口型! 你看到的这个就是 LTX 刚刚发布的 LTX-2 开放权重大模型, 这个模型可以文生视频或者图生视频, 这个模型最大的特点是在保证了画质和一致性的同时, 可以生成音频! 而且音频和口型完全适配! 并且说话人神态也非常棒! 模型大小是 19B, 相当可用! 演示视频是我用 HuggingFace Zero GPU 生成的 demo, 10秒视频大概需要5分钟左右生成时间. 我测试目前来看最大的优点就是口型和声音生成得非常好, 并且一致性很高. 指定人物使用什么样的银色就能稳定生成. 当然模型也有不足之处, 主要是还是偶尔能看到模型生成人物皮肤的那种油腻感. 当然官方的 pro 版本在这点上处理的更好, 并且 pro 版本支持4K分辨率输出, 当然 pro 版本是没有开源的.
1:06

一个模型搞定视频+音频+口型! 你看到的这个就是 LTX 刚刚发布的 LTX-2 开放权重大模型, 这个模型可以文生视频或者图生视频, 这个模型最大的特点是在保证了画质和一致性的同时, 可以生成音频! 而且音频和口型完全适配! 并且说话人神态也非常棒! 模型大小是 19B, 相当可用! 演示视频是我用 HuggingFace Zero GPU 生成的 demo, 10秒视频大概需要5分钟左右生成时间. 我测试目前来看最大的优点就是口型和声音生成得非常好, 并且一致性很高. 指定人物使用什么样的银色就能稳定生成. 当然模型也有不足之处, 主要是还是偶尔能看到模型生成人物皮肤的那种油腻感. 当然官方的 pro 版本在这点上处理的更好, 并且 pro 版本支持4K分辨率输出, 当然 pro 版本是没有开源的.

karminski-牙医

19,803 Aufrufe • vor 5 Monaten

把网站录下来给AI看, AI能照着做出来吗? 刚刚看到了个炫酷的灯具网站, 它有个功能是点击按钮直接能看到灯点亮的效果, 甚至网站的配色也会暗淡下来, 特别有氛围. 我突然想到, 这样的网站, 如果要让AI来做, 该怎么办? 把源代码拷给它? 用一个巨复杂的 prompt 来完成? 有没有可能, 我录个视频, 展示一下这个"关灯"的效果, 然后让AI来按照视频来写网站? 于是, 这个重任就交给了今天测试的模型, 百度刚出的文心-5.0-preview, 全模态大模型, 这个模型同时支持文本, 图片, 音频, 视频作为输入, 然后可以生成文本和图片, 所以我们这个测试可以最大化的利用它的能力. 我先录制了网站的效果, 然后写了prompt作为补充, 告诉它这个效果是怎样的, 以及准备的图片材料在哪里. 值得一提的是, 网站所展示的图片也是我用文心-5.0-preview生成的. 大家可以看视频中我生成的效果. 直接说测试结论: 目前每个模态都是可用的, 而且模态之间关联性非常好, 我测试了视频+文本, 图片+文本, 图片+语音, 都可以完成任务. 当然测试也发现了一些问题, 比如 token 输出速度不是特别快, 以及偶尔会有超时问题(已反馈给百度的同学). 我的使用建议是, 多利用它的多模态能力, 来完成之前不敢想象的任务, 它真的提升了使用场景的天花板. #文心大模型 #文心5 #百度 #文心一言 #ai教程
1:18

把网站录下来给AI看, AI能照着做出来吗? 刚刚看到了个炫酷的灯具网站, 它有个功能是点击按钮直接能看到灯点亮的效果, 甚至网站的配色也会暗淡下来, 特别有氛围. 我突然想到, 这样的网站, 如果要让AI来做, 该怎么办? 把源代码拷给它? 用一个巨复杂的 prompt 来完成? 有没有可能, 我录个视频, 展示一下这个"关灯"的效果, 然后让AI来按照视频来写网站? 于是, 这个重任就交给了今天测试的模型, 百度刚出的文心-5.0-preview, 全模态大模型, 这个模型同时支持文本, 图片, 音频, 视频作为输入, 然后可以生成文本和图片, 所以我们这个测试可以最大化的利用它的能力. 我先录制了网站的效果, 然后写了prompt作为补充, 告诉它这个效果是怎样的, 以及准备的图片材料在哪里. 值得一提的是, 网站所展示的图片也是我用文心-5.0-preview生成的. 大家可以看视频中我生成的效果. 直接说测试结论: 目前每个模态都是可用的, 而且模态之间关联性非常好, 我测试了视频+文本, 图片+文本, 图片+语音, 都可以完成任务. 当然测试也发现了一些问题, 比如 token 输出速度不是特别快, 以及偶尔会有超时问题(已反馈给百度的同学). 我的使用建议是, 多利用它的多模态能力, 来完成之前不敢想象的任务, 它真的提升了使用场景的天花板. #文心大模型 #文心5 #百度 #文心一言 #ai教程

karminski-牙医

29,929 Aufrufe • vor 6 Monaten

Pixverse V3.5 模型发布真的起飞了 玩了好几天看一下测试结果 现在 Pixverse V3.5 应该是第一档模型中速度最快的，Runway 唯一的优势也没了 V3.5 的 Turbo 模型一条视频只需要 10 秒以内，快的话 5、6 秒就可以生成！ 重要的是这个快速模型生成质量除了分辨率之外吊打 Runway 下面有详细的介绍：
1:13

Pixverse V3.5 模型发布真的起飞了 玩了好几天看一下测试结果 现在 Pixverse V3.5 应该是第一档模型中速度最快的，Runway 唯一的优势也没了 V3.5 的 Turbo 模型一条视频只需要 10 秒以内，快的话 5、6 秒就可以生成！ 重要的是这个快速模型生成质量除了分辨率之外吊打 Runway 下面有详细的介绍：

歸藏(guizang.ai)

39,214 Aufrufe • vor 1 Jahr

AI 视频制作也接近了 GPT 时刻，视频智能体背后的工作原理🧵 AI 产品都有个可用性易用性的临界点，临界点之下，属于专业玩家的玩具，需要各种提示词技巧、专业知识才能用起来；临界点之上，就真正变成了普通人也可以用起来并且有用的工具。就像 AI 聊天，在 ChatGPT 之前，我们常笑话它们是人工智障，在 ChatGPT 之后，它是真的变成了一个有帮助的助手，能帮助我们完成很多任务，所以我们通常把 AI 产品跨过可用性通用型临界点叫 GPT 时刻。 类似的比如前不久 GPT-4o 发布的图片模型，提示词很简单，不需要像 MidJourney 那样需要专业的提示词才能生成好的图片作品，普通人都可以把自己天马行空的想法变成真实有趣的作品，我这样非专业的都玩了好一段时间。 像 AI 视频类产品我一直没怎么玩，因为对于我这样的非专业人士来说，做好视频太难了，创意和提示词反倒相对容易一点，主要是得写脚本、画图、声音、多条视频，剪辑，做好一条视频要费很多时间精力。 不过上面这条视频倒是没花我多少时间，我就输入了一条提示词： > 生成视频，主题是“西游记人物自拍视频，用自拍的方式来讲述《西游记》经典场景”，视频长度为2分钟。 发送到纳米AI然后等着就成了，整体看着还挺有趣，有画面有声音有剧情。让我觉得 AI 视频终于也接近了 GPT 时刻，普通人也可以通过简单的提示词就能做出还不错的视频作品，动动嘴就能出视频。对于创作者，也可以快速制作视频 Demo，将创意想法快速落地。
1:24

AI 视频制作也接近了 GPT 时刻，视频智能体背后的工作原理🧵 AI 产品都有个可用性易用性的临界点，临界点之下，属于专业玩家的玩具，需要各种提示词技巧、专业知识才能用起来；临界点之上，就真正变成了普通人也可以用起来并且有用的工具。就像 AI 聊天，在 ChatGPT 之前，我们常笑话它们是人工智障，在 ChatGPT 之后，它是真的变成了一个有帮助的助手，能帮助我们完成很多任务，所以我们通常把 AI 产品跨过可用性通用型临界点叫 GPT 时刻。 类似的比如前不久 GPT-4o 发布的图片模型，提示词很简单，不需要像 MidJourney 那样需要专业的提示词才能生成好的图片作品，普通人都可以把自己天马行空的想法变成真实有趣的作品，我这样非专业的都玩了好一段时间。 像 AI 视频类产品我一直没怎么玩，因为对于我这样的非专业人士来说，做好视频太难了，创意和提示词反倒相对容易一点，主要是得写脚本、画图、声音、多条视频，剪辑，做好一条视频要费很多时间精力。 不过上面这条视频倒是没花我多少时间，我就输入了一条提示词： > 生成视频，主题是“西游记人物自拍视频，用自拍的方式来讲述《西游记》经典场景”，视频长度为2分钟。 发送到纳米AI然后等着就成了，整体看着还挺有趣，有画面有声音有剧情。让我觉得 AI 视频终于也接近了 GPT 时刻，普通人也可以通过简单的提示词就能做出还不错的视频作品，动动嘴就能出视频。对于创作者，也可以快速制作视频 Demo，将创意想法快速落地。

宝玉

26,286 Aufrufe • vor 11 Monaten

江西的统一回复有事直接说，不用打招呼，废话的就不回了，线下可以聊但是有定金，不可能先见面（不随便见面）可以定制视频我们现在也有现成很多视频可以出，诚心的来，骗子不要来我们也不会上当，刚开始玩有很多不懂支持一下吧，可以转发一下吗尽量经常更新
0:47

Sensitive content

江西的统一回复有事直接说，不用打招呼，废话的就不回了，线下可以聊但是有定金，不可能先见面（不随便见面）可以定制视频我们现在也有现成很多视频可以出，诚心的来，骗子不要来我们也不会上当，刚开始玩有很多不懂支持一下吧，可以转发一下吗尽量经常更新

余🐷（跟兄弟原创）

58,194 Aufrufe • vor 6 Monaten

Midjourney 这个新工具太好玩了！ Patchwork 可以帮你用 LLM 和 MJ 构建一个生动的世界 一旦 MJ 的视频模型完成，这个就会变成一个视频生成工具 而且你还可以通过传送门和别人的世界连接起来，生成新的故事 使用方法在下面：
1:29

Midjourney 这个新工具太好玩了！ Patchwork 可以帮你用 LLM 和 MJ 构建一个生动的世界 一旦 MJ 的视频模型完成，这个就会变成一个视频生成工具 而且你还可以通过传送门和别人的世界连接起来，生成新的故事 使用方法在下面：

歸藏(guizang.ai)

27,879 Aufrufe • vor 1 Jahr

来看苹果刚发布的视频模型——星流 starflow！ 苹果刚刚发布了一个新模型 starflow, 这个模型最大的特点是可以文生视频, 图生视频, 视频生成视频, 甚至还支持生成长视频. 模型大小7B, 视频部分使用 WAN-2.2-VAE 魔改, 图片部分使用 SD-VAE 魔改, 最高只支持生成 480p 的视频, 另外模型文件格式是pth, 通常是使用 PyTorch 炼丹的时候保存的原始检查点文件时 pth. 所以这个模型更可能是个技术探索? 并不是很实用.
0:28

来看苹果刚发布的视频模型——星流 starflow！ 苹果刚刚发布了一个新模型 starflow, 这个模型最大的特点是可以文生视频, 图生视频, 视频生成视频, 甚至还支持生成长视频. 模型大小7B, 视频部分使用 WAN-2.2-VAE 魔改, 图片部分使用 SD-VAE 魔改, 最高只支持生成 480p 的视频, 另外模型文件格式是pth, 通常是使用 PyTorch 炼丹的时候保存的原始检查点文件时 pth. 所以这个模型更可能是个技术探索? 并不是很实用.

karminski-牙医

42,175 Aufrufe • vor 6 Monaten

Pixverse 发布 R1 实时视频世界模型 藏师傅也试了一下 前几天测试的 Pixverse R1 终于发布了，这是一个可以实时生成并且可以随时通过提示词介入修改后续内容的世界模型。 极限情况下可以实时生成 1080P 的高清视频，感觉成本再下来一点以后 AI 游戏和交互式的影视内容有戏了啊。 ------ 简单介绍一下使用体验，目前他们在一个单独的平台测试需要邀请码。 你可以选择预制的的三个主题进行体验，三个主题分别是巨龙巢穴、二战主题、海底世界，正式版本会增加到 6 个。 也可以创建自己的主题，选择画面比例、风格输入主题相关提示词就可以了。 生成之后主要的互动就是在他播放的过程中输入提示词来改变当前视频生成的剧情走向。 而且这里生成的视频居然还是带音乐、音效混合旁白的，比以前所谓的实时生成的模型强了不少。 ------ 算法和架构上主要的优化有： 这是个原生的多模态模型支持将文本、图像、视频、音频统一为连续的 Token 流，接受任何模态的输入。 PixVerse-R1 改成了非扩散的自回归架构，用来实现无限连续的生成，还使用了增加注意力机制，确保长时间生成的内容一致性。 为了适配实时视频生成的性能，他们将原来的迭代降噪逻辑进行了多项优化，他们叫瞬时响应引擎 (IRE)，主要包括三个优化： Temporal Trajectory Folding：传统模型从噪点到清晰图像需要迭代几十步，他们直接暴力压缩到仅需 1–4 步。 Guidance Rectification：直接将传统的 CFG 逻辑蒸馏到了模型参数内部，节省了时间。 Adaptive Sparse Attention：生成高分辨率的视频的时候让模型学会学会“抓大放小”，自动识别重要区域进行精细计算，大幅降低计算负载。 ------- 目前由于成本问题需要邀请码才能测试，生成的分辨率是 480P，过几天会提高到 720P。
0:29

Pixverse 发布 R1 实时视频世界模型 藏师傅也试了一下 前几天测试的 Pixverse R1 终于发布了，这是一个可以实时生成并且可以随时通过提示词介入修改后续内容的世界模型。 极限情况下可以实时生成 1080P 的高清视频，感觉成本再下来一点以后 AI 游戏和交互式的影视内容有戏了啊。 ------ 简单介绍一下使用体验，目前他们在一个单独的平台测试需要邀请码。 你可以选择预制的的三个主题进行体验，三个主题分别是巨龙巢穴、二战主题、海底世界，正式版本会增加到 6 个。 也可以创建自己的主题，选择画面比例、风格输入主题相关提示词就可以了。 生成之后主要的互动就是在他播放的过程中输入提示词来改变当前视频生成的剧情走向。 而且这里生成的视频居然还是带音乐、音效混合旁白的，比以前所谓的实时生成的模型强了不少。 ------ 算法和架构上主要的优化有： 这是个原生的多模态模型支持将文本、图像、视频、音频统一为连续的 Token 流，接受任何模态的输入。 PixVerse-R1 改成了非扩散的自回归架构，用来实现无限连续的生成，还使用了增加注意力机制，确保长时间生成的内容一致性。 为了适配实时视频生成的性能，他们将原来的迭代降噪逻辑进行了多项优化，他们叫瞬时响应引擎 (IRE)，主要包括三个优化： Temporal Trajectory Folding：传统模型从噪点到清晰图像需要迭代几十步，他们直接暴力压缩到仅需 1–4 步。 Guidance Rectification：直接将传统的 CFG 逻辑蒸馏到了模型参数内部，节省了时间。 Adaptive Sparse Attention：生成高分辨率的视频的时候让模型学会学会“抓大放小”，自动识别重要区域进行精细计算，大幅降低计算负载。 ------- 目前由于成本问题需要邀请码才能测试，生成的分辨率是 480P，过几天会提高到 720P。

歸藏(guizang.ai)

16,295 Aufrufe • vor 4 Monaten

我这两天被这个爆火的Flipbook刷屏并被震撼到，现在的UI界面也许会在不久的将来彻底改变。Flipbook是三星工程师(前Open AI)Zain Shah和另外两个伙伴做的一个无限视觉浏览器，根据你的搜索词，实时用像素生成一张类似百科全书里的动态插画，连文字也是像素组成，没有代码，没有HTML，画面上的任何区域你都可以点击，生成这块区域的进一步画面。 而且作者们调制的这个画面风格太好看了，我小时候要是有这玩意能玩一整天不吃不喝，完全就是一本无限魔法书。 作者直接展示了在这上面搜索巴黎旅游景点，还直接买了巴黎圣母院的票。我自己也用来搜索了清迈，效果惊人，但可惜这两天太火了我一直没能连接上视频动态效果。虽然目前的算力无法实现规模化，作者也说目前只是展示测试阶段，但是我这次是真真切切感受到了AI带来的改革，未来就快来了。
4:58

我这两天被这个爆火的Flipbook刷屏并被震撼到，现在的UI界面也许会在不久的将来彻底改变。Flipbook是三星工程师(前Open AI)Zain Shah和另外两个伙伴做的一个无限视觉浏览器，根据你的搜索词，实时用像素生成一张类似百科全书里的动态插画，连文字也是像素组成，没有代码，没有HTML，画面上的任何区域你都可以点击，生成这块区域的进一步画面。 而且作者们调制的这个画面风格太好看了，我小时候要是有这玩意能玩一整天不吃不喝，完全就是一本无限魔法书。 作者直接展示了在这上面搜索巴黎旅游景点，还直接买了巴黎圣母院的票。我自己也用来搜索了清迈，效果惊人，但可惜这两天太火了我一直没能连接上视频动态效果。虽然目前的算力无法实现规模化，作者也说目前只是展示测试阶段，但是我这次是真真切切感受到了AI带来的改革，未来就快来了。

Jingyuan缘缘

327,951 Aufrufe • vor 1 Monat

在上个月，我分享了一个 Demo，很多人都来问我如何实现，我这里简单说下从前期生图到视频生成以及开发交付落地整个流程，希望能帮到你。 主要用到的工具是即梦（图片生成）和可灵（视频生成） 生成后的的视频可以通过配置图层混合来进行交付
1:54

在上个月，我分享了一个 Demo，很多人都来问我如何实现，我这里简单说下从前期生图到视频生成以及开发交付落地整个流程，希望能帮到你。 主要用到的工具是即梦（图片生成）和可灵（视频生成） 生成后的的视频可以通过配置图层混合来进行交付

Paidax

37,304 Aufrufe • vor 1 Jahr

Agent 是 25 年的大热概念，Manus 以后，我们一直在讨论什么时候会有视频生成的 Agent. 最近我看到了很有希望的 AI 视频 Agent 产品：Medeo ▶ 官网地址： 告诉 Medeo 一个简单的视频需求，Medeo 会帮你生成这个短视频需要的所有元素：包括画面、文案、配音、字幕。最后交付给你完整的视频！ 需求的形式可以是：一句话、一个网页或者上传一个文件（甚至可以是一篇论文）。 特别酷的是，交付的不只是一个完整的视频，还是可编辑的视频工程文件。你可以调整想修改的局部细节，或者直接替换/重新生成某个素材。 ▼ 下面的视频是我给 Medeo 提供了《少年新知》的一篇文章《大熊猫的竹子为什么成为了垃圾食品》 ，请 Medeo 直接帮我做成了短视频来讲这件事。 里面每一个视频片段都是 Medeo 自己生成或者帮我挑选的，在片子生成完以后，还可以自定义替换任意/重新生成视频素材！ 感觉特别适合知识类、新闻报导类、信息咨询类视频的快速生成。 在不久的将来，可能只要视频内容本身能被结构化，可能都可以以 Agent 的形式被制作出来。
0:51

Agent 是 25 年的大热概念，Manus 以后，我们一直在讨论什么时候会有视频生成的 Agent. 最近我看到了很有希望的 AI 视频 Agent 产品：Medeo ▶ 官网地址： 告诉 Medeo 一个简单的视频需求，Medeo 会帮你生成这个短视频需要的所有元素：包括画面、文案、配音、字幕。最后交付给你完整的视频！ 需求的形式可以是：一句话、一个网页或者上传一个文件（甚至可以是一篇论文）。 特别酷的是，交付的不只是一个完整的视频，还是可编辑的视频工程文件。你可以调整想修改的局部细节，或者直接替换/重新生成某个素材。 ▼ 下面的视频是我给 Medeo 提供了《少年新知》的一篇文章《大熊猫的竹子为什么成为了垃圾食品》 ，请 Medeo 直接帮我做成了短视频来讲这件事。 里面每一个视频片段都是 Medeo 自己生成或者帮我挑选的，在片子生成完以后，还可以自定义替换任意/重新生成视频素材！ 感觉特别适合知识类、新闻报导类、信息咨询类视频的快速生成。 在不久的将来，可能只要视频内容本身能被结构化，可能都可以以 Agent 的形式被制作出来。

Ring Hyacinth

28,516 Aufrufe • vor 1 Jahr