Video wird geladen...

Video konnte nicht geladen werden

Zur Startseite

这个 AI 很强。 LingBot-Map 可以把实时视频流转换成实时的 3D 重建。 20 FPS 代码 + 模型 👇

FinanceYF5's profile picture

AI Will

189,750 subscribers

66,547 Aufrufe • vor 4 Monaten •via X (Twitter)

BildungNachrichten & PolitikWissenschaft & Technologie
LIVE

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

“基于AI大模型的实时视频脱敏技术”
0:29

“基于AI大模型的实时视频脱敏技术”

Ken W

125,691 Aufrufe • vor 2 Monaten

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 8 Monaten

这果然是个看脸的时代，建模长得好真的很重要😂
0:41

这果然是个看脸的时代，建模长得好真的很重要😂

千百度

19,845 Aufrufe • vor 3 Monaten

Flux3真的很强！ 终于看到有模型可以有机会挑战Seedance2.0了 FLUX 3 = 更强的多模态生成模型，核心是把图像、视频、音频放进同一个世界模型里 主打图像、视频、音频和动作预测的统一架构。 它的早期能力重点放在视频生成上，支持最长 20 秒、带原生音频的生成，并且还在推进图像生成与编辑能力 开源模型，假以时日优化优化，可以无限接近和挑战Seedance2.0这种商业模型了
0:20

Flux3真的很强！ 终于看到有模型可以有机会挑战Seedance2.0了 FLUX 3 = 更强的多模态生成模型，核心是把图像、视频、音频放进同一个世界模型里 主打图像、视频、音频和动作预测的统一架构。 它的早期能力重点放在视频生成上，支持最长 20 秒、带原生音频的生成，并且还在推进图像生成与编辑能力 开源模型，假以时日优化优化，可以无限接近和挑战Seedance2.0这种商业模型了

huangserva

28,605 Aufrufe • vor 1 Monat

🚨阿里巴巴发布实时视频语音模型：Wan Streamer 这不是普通数字人。 它更像是让你和 AI 打一通“实时视频电话”： 你说话，它看着你听。 你打断，它能接住。 你表情变了，它也能反应。 半秒内接话，几乎没有冷场。 真正的重点是： 以前虚拟人是拼流水线： 语音识别 → 转文字 → 大模型思考 → 语音合成 → 表情驱动 → 视频生成 每一步都要排队，所以延迟高、互动僵硬。 Wan Streamer 直接把听、看、想、说、表情生成，塞进一个端到端大模型里。 一个 Transformer 直接处理实时音视频交互。 模型端响应约 0.2 秒，整体延迟约 0.55 秒。 这意味着 AI 不再只是“回复你”，而是开始像一个能实时交流的视频对象。
0:40

🚨阿里巴巴发布实时视频语音模型：Wan Streamer 这不是普通数字人。 它更像是让你和 AI 打一通“实时视频电话”： 你说话，它看着你听。 你打断，它能接住。 你表情变了，它也能反应。 半秒内接话，几乎没有冷场。 真正的重点是： 以前虚拟人是拼流水线： 语音识别 → 转文字 → 大模型思考 → 语音合成 → 表情驱动 → 视频生成 每一步都要排队，所以延迟高、互动僵硬。 Wan Streamer 直接把听、看、想、说、表情生成，塞进一个端到端大模型里。 一个 Transformer 直接处理实时音视频交互。 模型端响应约 0.2 秒，整体延迟约 0.55 秒。 这意味着 AI 不再只是“回复你”，而是开始像一个能实时交流的视频对象。

Vincent

12,627 Aufrufe • vor 1 Monat

2026年，AI 视频进入下半场，不再是比谁生成的画面更精美，而是比谁更"实时"。 最近我深度测试了 PixVerse R1 实时世界模型，它彻底打破了我作为产品设计师对"视频文件"的固有认知。 视频不再是 .mp4，而是一个活生生的、可交互的世界。 以往我们用 AI 视频：输入提示词，等待 1 分钟，得到结果。 在 R1 里：输入即所得。没有等待，没有重生成，画面随着你的意图流转。 这种"实时性"意味着 AI 视频从一种“结果变成了”过程“。它构建的是一个"持久的视觉宇宙"。你可以通过语言、情绪甚至肢体，实时重写你眼前的视觉现实。这就是所谓的"Playable Reality（可玩的现实）"。 我做了一个小试验：在R1里建立一个以印象派画作为基底的连贯世界，并通过我的意图，让这个世界的视觉风格和所处环境实时流转，最后融入音乐的律动。非常初级，但已经充满了想象的空间。 目前 R1 还处于早期测试阶段（非最终 UI），但这种"实时世界模型"的雏形已经足够震撼。比如光是一个教育领域，就可以看到教育的未来： 学习不再是看录像带，而是走进场景。想学在咖啡馆点餐？AI 实时生成一个咖啡馆。你想改变天气或氛围？说句话，世界立刻响应。这种沉浸感是传统视频无法比拟的。如果你对 AI 落地感兴趣，建议关注一下这个产品。 PixVerse目前赠送了几个邀请码，感兴趣的朋友请在这个贴点赞+评论，我会在24小时后抽取3位朋友赠送邀请码，让大家也体验一下这个创新式的AI产品。
2:27

2026年，AI 视频进入下半场，不再是比谁生成的画面更精美，而是比谁更"实时"。 最近我深度测试了 PixVerse R1 实时世界模型，它彻底打破了我作为产品设计师对"视频文件"的固有认知。 视频不再是 .mp4，而是一个活生生的、可交互的世界。 以往我们用 AI 视频：输入提示词，等待 1 分钟，得到结果。 在 R1 里：输入即所得。没有等待，没有重生成，画面随着你的意图流转。 这种"实时性"意味着 AI 视频从一种“结果变成了”过程“。它构建的是一个"持久的视觉宇宙"。你可以通过语言、情绪甚至肢体，实时重写你眼前的视觉现实。这就是所谓的"Playable Reality（可玩的现实）"。 我做了一个小试验：在R1里建立一个以印象派画作为基底的连贯世界，并通过我的意图，让这个世界的视觉风格和所处环境实时流转，最后融入音乐的律动。非常初级，但已经充满了想象的空间。 目前 R1 还处于早期测试阶段（非最终 UI），但这种"实时世界模型"的雏形已经足够震撼。比如光是一个教育领域，就可以看到教育的未来： 学习不再是看录像带，而是走进场景。想学在咖啡馆点餐？AI 实时生成一个咖啡馆。你想改变天气或氛围？说句话，世界立刻响应。这种沉浸感是传统视频无法比拟的。如果你对 AI 落地感兴趣，建议关注一下这个产品。 PixVerse目前赠送了几个邀请码，感兴趣的朋友请在这个贴点赞+评论，我会在24小时后抽取3位朋友赠送邀请码，让大家也体验一下这个创新式的AI产品。

Bear Liu

15,227 Aufrufe • vor 7 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)

16,373 Aufrufe • vor 7 Monaten

StoryMem：生成多镜头长视频 将单镜头的AI视频模型（Wan2.2），增强为多镜头的视频模型，能生成镜头切换的长视频，类似Sora2。 Github： 模型：
0:58

StoryMem：生成多镜头长视频 将单镜头的AI视频模型（Wan2.2），增强为多镜头的视频模型，能生成镜头切换的长视频，类似Sora2。 Github： 模型：

Gorden Sun

38,311 Aufrufe • vor 8 Monaten

其实去年的时候就已经可以批量化文生视频了 但这个流程受限于模板。不过洗文还是容易的 用到的工具是 KeJun 三花AI的小视频宝 我今天教大家如何制作这类视频👇
0:59

其实去年的时候就已经可以批量化文生视频了 但这个流程受限于模板。不过洗文还是容易的 用到的工具是 KeJun 三花AI的小视频宝 我今天教大家如何制作这类视频👇

Yangyi

108,753 Aufrufe • vor 1 Jahr

Codex+Godot制作这款3D游戏的全流程来了 上一篇的纯文字工作流看着比较抽象 我把开发中所需要的AI模型、建模绑骨软件、3D模型资源网站等等等… 所有的工作流细节全部放在了这个视频里👇
12:27

Codex+Godot制作这款3D游戏的全流程来了 上一篇的纯文字工作流看着比较抽象 我把开发中所需要的AI模型、建模绑骨软件、3D模型资源网站等等等… 所有的工作流细节全部放在了这个视频里👇

小奇说

27,598 Aufrufe • vor 1 Monat

🤣Sketch to 3D！！！做了一个简单好玩的工作流，可以直接把手绘快速变成 3D 模型 图像模型用了 Playground v2.5 保证图像语义和主体的高质量生成（可以生成主体+纯色背景），3D 生成用了可以秒出的 TripoSR 模型 如果更加追求速度，可以换成 XL-Lightning、TCD 等 工作流：
0:35

🤣Sketch to 3D！！！做了一个简单好玩的工作流，可以直接把手绘快速变成 3D 模型 图像模型用了 Playground v2.5 保证图像语义和主体的高质量生成（可以生成主体+纯色背景），3D 生成用了可以秒出的 TripoSR 模型 如果更加追求速度，可以换成 XL-Lightning、TCD 等 工作流：

-Zho-

60,773 Aufrufe • vor 2 Jahren

很难看出这是AI生成的，但是貌似这个就是AI生成的。 AI生成视频真的很可以
0:26

很难看出这是AI生成的，但是貌似这个就是AI生成的。 AI生成视频真的很可以

Rainier

15,049 Aufrufe • vor 3 Monaten

2. ClipZap AI 简介-这是一个能将文本和图像转换成视频的人工智能视频生成器，只需点击一次。 →使用市场上最强大的人工智能视频生成模型。
0:21

2. ClipZap AI 简介-这是一个能将文本和图像转换成视频的人工智能视频生成器，只需点击一次。 →使用市场上最强大的人工智能视频生成模型。

美酱AI

36,971 Aufrufe • vor 1 Jahr

Codex 5.6 让 3D 建模师压力山大了！ 最近挖到一个宝藏开源项目 img2threejs，直接把 AI Coding 和 3D 创作连接起来。 接入 Codex 5.6 后，一张参考图，就能跑通： 2D 图像 → 结构分析 → Three.js 程序化模型 → 浏览器实时交互 1️⃣ 意图识别：一张图，Codex 5.6 就能精准捕捉 3D 对象的形态与细节意图 2️⃣ 代码化身：它将意图转化为可编辑、可动画的 Three.js 代码，告别传统建模的繁琐 3️⃣ 动画就绪：生成的模型自带运行时层级，直接用于游戏、XR，真正实现从图像到可动资产的闭环 地址：
0:20

Codex 5.6 让 3D 建模师压力山大了！ 最近挖到一个宝藏开源项目 img2threejs，直接把 AI Coding 和 3D 创作连接起来。 接入 Codex 5.6 后，一张参考图，就能跑通： 2D 图像 → 结构分析 → Three.js 程序化模型 → 浏览器实时交互 1️⃣ 意图识别：一张图，Codex 5.6 就能精准捕捉 3D 对象的形态与细节意图 2️⃣ 代码化身：它将意图转化为可编辑、可动画的 Three.js 代码，告别传统建模的繁琐 3️⃣ 动画就绪：生成的模型自带运行时层级，直接用于游戏、XR，真正实现从图像到可动资产的闭环 地址：

爱丽丝呀！

267,815 Aufrufe • vor 1 Monat