跳到正文

#视频

今日 0 条
10月11日周日
10月10日周六
  1. IT之家（RSS）61

    生数科技发布视频生成模型 Vidu Q4 Preview，支持 2K、4K 输出

    生数科技发布视频生成旗舰模型预览版本 Vidu Q4 Preview，支持图生视频和参考生视频，并可输出 2K、4K 视频。该模型最多支持 3 段参考音频和 15 张参考图，单次最长生成 16 秒视频，支持 10bit 色深及 540P、720P、1080P、2K、4K 规格。Vidu Q4 Preview 首发优惠价 0.09 元/秒起，面向 AI 短剧、广告营销、社交互动和影视创作等场景。

10月9日周五
10月6日周二
  1. The Decoder67

    Reka AI 发布 Rho-1 研究预览，单一模型处理文本、图像、视频和机器人控制

    Reka AI 发布 19B 参数全模态模型 Rho-1 的研究预览，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。Rho-1 将所有模态作为 token 放入共享上下文窗口，不依赖工具调用或外部模型，可实时生成连续视频并即时响应新指令，同一组权重还能驱动机器人运动。

  2. Hacker News：AI 热帖69

    Reka 发布 Rho-1 研究预览：19B 全模态推理模型统一文本、图像、视频与动作

    Reka 发布从零训练的 19B 全模态推理模型 Rho-1 研究预览，用单一神经网络理解和生成文本、图像、视频，并输出机器人动作。模型将文本、视觉和动作统一为同一上下文窗口中的 token，基础模型视频生成速度中位数为 0.79× 实时，蒸馏版将去噪从 99 步压缩到 8 步，原生视频分辨率上限为 672×384。

10月2日周五
  1. Rohan Paul65

    Tavus 推出 Human Interaction Model Griffin，称其是首个通过视频图灵测试的模型。引用内容显示，48% 与 Griffin 实时对话的人认为它是真实人类，而此前系统通过率低于 3%；Tavus 还称 Griffin 在 NVIDIA 的全双工 AI 视频基准中排名第一。作者 Rohan Paul 转发并提示首个视频 0:24 处可看到模型自然说出“I'm AI”。

    引用Tavus@tavus

    Introducing Griffin, the first model to pass the video Turing test. 48% of people who talked to it live thought it was a real human. Previous systems have had a pass rate <3%. It is #1 on NVIDIA's benchmark for full-duplex AI video. It’s the first Human Interaction Model (HIM).

  2. elvis49

    这太令人惊叹了！面对面对话正是 AI 界面的发展方向。 @tavus 给了我 Griffin 的早期体验资格，这是一个视频转视频模型，在你说话时会观察和倾听。 它可以打断你、接受被打断，并对你房间里正在发生的事情做出反应。 在 NVIDIA 的 Video Full-Duplex Benchmark 上，它在生成项获得 3.83 分（满分 5 分），而真人的得分为 3.92。 值得查看下方的所有细节。

    引用Tavus@tavus

    Introducing Griffin, the first model to pass the video Turing test. 48% of people who talked to it live thought it was a real human. Previous systems have had a pass rate <3%. It is #1 on NVIDIA's benchmark for full-duplex AI video. It’s the first Human Interaction Model (HIM).

  3. 🚨 AI News | TestingCatalog57

    Tavus 推出最新 video-to-video 模型 Griffin 的研究预览版，面向实时面对面对话，可在对话中观察和倾听，并在他人说话中途打断或有人入镜时回应。

    引用Tavus@tavus

    Introducing Griffin, the first model to pass the video Turing test. 48% of people who talked to it live thought it was a real human. Previous systems have had a pass rate <3%. It is #1 on NVIDIA's benchmark for full-duplex AI video. It’s the first Human Interaction Model (HIM).

  5. Rohan Paul60

    Tavus 推出人类交互模型 Griffin，称其通过视频图灵测试，48% 与其实时对话的人认为它是真人，此前系统通过率低于 3%。在 NVIDIA 面对面 AI 榜单中，真人得分为 3.92/5，Griffin 得分为 3.83/5，次优系统为 2.80/5。Griffin 将听、思考、说话和动画生成整合在一个系统中，可读取面部、语气和话语，并在用户仍在说话时作出反应。

    引用Tavus@tavus

    Introducing Griffin, the first model to pass the video Turing test. 48% of people who talked to it live thought it was a real human. Previous systems have had a pass rate <3%. It is #1 on NVIDIA's benchmark for full-duplex AI video. It’s the first Human Interaction Model (HIM).

  6. 公众号：小林coding72

    GPT-6.1 Sol 实测：编码与多模态生成效果逼近 GPT-6 Astra

    小林coding 实测新上线的 GPT-6.1 Sol，认为其在 DeepSWE v1.1 软件工程测试和多项生成场景中已接近 GPT-6 Astra。GPT-6.1 Sol 每百万 token 常规输入价格为 2 美元、输出为 10 美元，缓存输入为 0.1 美元；作者用 SVG、3D 建模、动效、视频、游戏和 Web 网页测试，称其整体可替代 GPT-6 Sol 作为日常主力。

10月1日周四
9月25日周五
9月20日周日
  1. 公众号：AI异类弗兰克57

    形界智能发布 Genesis-1.0 视频双工模型，支持 24 小时持续互动

    形界智能发布视频双工模型 Genesis-1.0，主打开放环境中的实时、持续角色互动和世界状态维护。模型将 Genesis-1.0-Brain 与感知渲染层解耦，Brain 负责语言风格和 MCP 调用，视频双工层负责感知用户与渲染动作、表情；官方称端到端画面延迟最佳 1.2 秒，最大稳定生成时长 24 小时，定价为 0.003 美元每秒。

8月28日周五
8月10日周一
7月1日周三
  1. Google DeepMind87

    Google DeepMind 发布 Nano Banana 2 Lite 并向开发者开放 Gemini Omni Flash

    Google DeepMind 发布图像模型 Nano Banana 2 Lite，并首次通过 Google AI Studio、Gemini API 和 Gemini Enterprise Agent Platform 向开发者开放视频生成与对话式编辑模型 Gemini Omni Flash。

    推荐理由：原文同时给出两款生成媒体模型的接入平台、价格、延迟和当前限制，便于开发者评估图像到视频工作流的组合用法。

5月18日周一
  1. Google DeepMind86

    Google DeepMind 发布 Gemini Omni Flash 多模态视频生成模型

    Google DeepMind 推出 Omni 系列首个模型 Gemini Omni Flash，支持组合图像、音频、视频和文本输入，生成依托 Gemini 现实知识的高质量视频，并可通过多轮自然语言对话编辑视频。

    推荐理由：可了解 Gemini Omni Flash 的多模态输入、对话式视频编辑与上线渠道，便于对比现有视频生成工具的工作流差异。