#视频生成
共 31 篇相关文章
香氛广告难做？AI Agent帮你拆解爆款镜头
香氛广告难以传递气味，传统拍摄成本高、周期长。本文介绍如何用 AI Agent 复刻爆款视频镜头结构，结合商品图快速生成香氛广告素材，并解析 UJC Ads 人物出镜工作流对跨境商家的实际价值。
英伟达新研究：视频与3D动作联合生成，任意骨架都能动
英伟达PAR实验室提出JCA模型，联合生成视频与3D运动，支持任意骨架并输出相机参数完成场景配准，用近20万训练对实现视频与骨架动作双向转换。
AI/ML研究速递：视频扩散加速与智能体自进化新突破
本期AI/ML研究速递聚焦视频扩散模型效率优化、多模态具身智能、强化学习推理蒸馏及智能体递归自我改进等前沿进展，涵盖Glance Forcing、VLA-Δ、QuantMLA等关键论文。
OptimAI Studio：从创意到成片，AI代理帮你包办创作全流程
OptimAI Studio是一款AI创意代理工具，能规划影片、生成图像视频音乐，并在浏览器编辑器中精修，支持插画故事、网站与游戏创作。本文分析其工作流设计、产品定位与早期局限。
AI艺术指导自评9分，逐帧检查仅4分
开发者构建自主AI艺术指导代理，自评9/10的渲染在逐帧检查中仅得4/10。揭示视频生成中自评盲区、显存瓶颈与四道防线，强调连续帧检查的必要性。
Replicate 平台接入 Tavus Griffin 模型：视频生成新选择
Replicate 平台现已支持 Tavus 的 Griffin 视频生成模型，开发者可通过 API 快速集成，探索数字人视频等应用。了解 Griffin 的功能、意义及使用方式。
Claude Motion 视频生成：代码化编辑与精准修改
探索 Claude Motion 如何将视频生成变为代码配方，实现精准修改和低成本迭代，同时解析其能力边界与适用场景。
Kling 4.0 使用指南：账号权限检查与首条产品视频准备
Kling 4.0 使用指南：如何确认账号是否具备完整版或 Flash 访问权限，准备产品照片与提示词，跑通第一条产品视频测试，并梳理发布前的团队审查与常见问题。
PhyMetric：用场景级QA诊断文生视频物理合理性
PhyMetric 提出场景级问答基准，用 1115 个场景、8920 道二元问题诊断文生视频模型的物理合理性。实验发现，将具体物理问题替换为泛化提问后，VLM 裁判准确率跌至随机水平，结构化物理先验则能提升人机对齐度。
ATAS：以世界状态为中心的视频生成智能体框架
ATAS 提出以世界状态为中心的视频生成智能体框架，通过场景记忆与事件记忆实现跨镜头时空一致性，在四类视频生成器上刷新多项基准，人类评估六项全胜。
同一图与运镜指令下：Kling 3.0 Pro 与 Seedance 视频生成对比
同一张咖啡农场图片与相同运镜指令下，Kling 3.0 Pro 与 Seedance 的视频生成输出对比：构图保持、光线处理与分辨率差异，附生成成本估算和可复现的记录方法。
Claude Motion 实测解析：为什么它给的不是视频而是HTML文件
Claude Motion 不是视频生成器，而是把提示词变成可编辑代码动画并导出 MP4 的工具。本文解析它为何输出 HTML、谁能使用、与视频模型的取舍，以及 Claude Design 关闭旧站等被忽视的细节。
HeyGen开源Hyperframes：用HTML渲染视频，专为AI Agent而生
HeyGen 开源 Hyperframes 项目，主张用 HTML 编写、渲染视频，专为 AI Agent 设计。基于 TypeScript 构建，GitHub 已获超 5.6 万 Stars，为自动化视频生成提供新思路。
HF热榜深度解析：Qwen-Image-2.1生态霸榜，开源模型迎来爆发时刻
Hugging Face最新热榜深度解析：Qwen-Image-2.1生态三天567万下载霸榜，DeepSeek-V4.1-Flash以763B参数和890字节KV缓存压缩杀入前列，LTX-2.5视频生成158万下载。开源模型竞争从拼参数转向拼落地效率。
AI大厂集体降价：Seedance 2.5成本减半，GPT-6与Opus 5.5同日发布
AI大厂集体降价：字节Seedance 2.5推出样片模式成本最高降77%，OpenAI发布GPT-6.0与Luna价格腰斩，Anthropic Opus 5.5速度提升30%、Agent成本降40%。国产开源挤压下海外大厂开启价格内卷。
P-Video-2-Pro 登陆 Replicate：兼顾速度与价格的视频模型
PrunaAI 最新视频生成模型 P-Video-2-Pro 已登陆 Replicate 平台，主打在质量与速度、质量与价格的帕累托前沿上取得平衡。本文解析其定位与对开发者的意义。
Vlo 0.3：面向AI合成的开源可扩展视频编辑器
Vlo 0.3 是一款开源、可扩展的AI视频编辑与生成软件，主打生成式AI与时间轴的深度交互。支持SAM2遮罩、无损局部重绘、帧精准渲染，并以ComfyUI为核心引擎，内置多种主流模型工作流。
以内核为中心：在Trainium上实现实时视频生成
Reactor与AWS合作，借助Neuron Kernel Interface（NKI）从内核层面攻克动态形状、内存访问与缓存管理三大难题，在Trainium芯片上实现实时自回归扩散视频生成，且方法可跨模型泛化。
