Sora诞生

【腾讯云】11.11云上盛惠！云服务器首年1.8折起，买1年送3个月！

11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，性能稳定，让您的云端之旅更加畅享。快来腾讯云选购吧！

超越Sora极限，120秒超长AI视频模型诞生

UT奥斯丁等机构提出了一种名为StreamingT2V的技术，让AI视频的长度扩展至近乎无限一致性，动作幅度也非常好!Sora一出，文生视频的在长度这个指标上就卷的没边了。从Pika和Runway的4秒，到VideoPoet的理论无限长，各个团队都在通过各种不同的技术路径不断延长视频生成长度的上限。在这个针对时间一致性、文本对齐和每帧质量的测试集上，StreamingT2V的成绩确实是最好的。

荐 AI日报：谷歌终极杀器硬刚GPT-4o、Sora；字节推出豆包大模型“全家桶”；阿里再推AI虚拟试衣神器；腾讯开源混元文生图大模型

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。新鲜AI产品点击了解：https://top.aibase.com/1、谷歌急了，终极杀器对打GPT-4o视频模型Veo硬刚Sora谷歌近日发布了一系列强大的AI工具，包括ProjectAstra、Veo视频模型和Gemini1.5Pro，旨在彻底颠覆谷歌搜索并挑战OpenAI。这一举措在�

谷歌Gemini对OpenAI贴脸开大！文生视频模型Veo硬刚Sora

谷歌推出文生视频模型Veo：对标Sora 时长超 1 分钟

在今日举行的谷歌2024I/O开发者大会上，谷歌正式推出了备受瞩目的全新视频生成模型——Veo。这款产品被视为对OpenAI三个月前推出的文本转视频工具Sora的直接挑战，旨在为用户提供更加高质量、多风格的视频生成体验。这也标志着谷歌在人工智能领域的持续创新和突破，为未来的视频创作和应用提供了更加广阔的想象空间。

荐 谷歌2小时疯狂复仇，终极杀器硬刚GPT-4o！Gemini颠覆搜索，视频AI震破Sora

昨天被OpenAI提前截胡的谷歌，今天不甘示弱地开启反击!大杀器ProjectAstra效果不输GPT-4o，文生视频模型Veo硬刚Sora，用AI彻底颠覆谷歌搜索，Gemini1.5Pro达到200万token上下文……谷歌轰出一连串武器，对OpenAI贴脸开大。谷歌I/O2024如期来了，眼花缭乱地发布了一堆更新。在性能方面，全新的Gemma27B不仅超越了规模大了2倍还多的模型还能在GPU或单个TPU主机上高效运行。

Sora劲敌！谷歌视频生成模型Veo发布：支持生成1080P视频

今日，谷歌召开I/O2024开发者大会，正式发布视频生成模型Veo，将成为Sora新的劲敌。Veo能够根据文本、图像创建超过60秒的高质量1080P视频，用户可对光照、镜头语言、视频颜色风格等进行设定。”一艘宇宙飞船在浩瀚的太空中穿梭，星星划过，高速，科幻”。

被追问Sora是否使用YouTube数据，OpenAI高管又语塞了

OpenAI的另一位高管在被问及Sora视频生成器是否使用了YouTube数据时，同样陷入了困境。在最近举行的Bloomberg科技峰会上，OpenAI席运营官BradLightcap在回答记者ShirinGhaffary的问题时，以迂回冗长的方式回应，没有给出明确答案。这一事件引发了人们对于AI训练数据的透明度和道德问题的广泛讨论。

荐 让四郎开口唱“朕EMO啦”，硬刚Sora的国产AI视频工具爆红！

“嬛嬛，朕emo啦!”此前，一位名为“奶茶小肥仔”的博主靠模仿陈建斌的声线唱歌走红，“朕emo啦”“朕能不能睡中间”等网络热梗广为流传。新榜旗下数据工具新抖显示，“奶茶小肥仔”在抖音半年粉丝量飙升370万。从“全民舞王”到如今的“全民唱演”，阿里或许给出了问题的答案，让AI技术与用户建立起真正的联系，与人们的生活、娱乐和社交紧密联系在一起，才是AIGC�

荐 “打假”Sora爆火短片：史上最佳发布，背地里全靠人工驱动

Sora，又翻车了。还记得早前OpenAI联动视觉艺术家、电影制作人和设计师等专业创意人士用Sora整活的7支视频吗?其中，多媒体制作公司shykids打造的短片《AirHead》因情节完整、叙事性强，引发广泛讨论。但可以预见，随着底层模型的发展，今年下半年，AI视频生成有望突破现有限制，在视频生成时长和角色一致性等方面逐步提升。

智谱AI研发国产文生视频模型对标Sora 最快年内发布

智谱AI正在研发对标OpenAISora的高质量文生视频模型，预计最快年内发布。该公司是国内一家估值过200亿的AI大模型独角兽公司，成立于2019年，由清华大学计算机系的技术成转化来。公司投资了超过13家AI产业链初创公司，致力于实现AI的自我解释、自我评测、自我监督。

解决Sora物理bug！四所美国顶尖高校联合发布PhysDreamer模型

Sora视频生成器发布后不久，就被网友发现存在物理交互的bug，例如模型对物理世界的理解不足，导致小狗走路时前腿出现不自然的交错问题。为了解决这一问题，提升视频生成的真实感，来自MIT、斯坦福大学、哥伦比亚大学和康奈尔大学的研究人员联合提出了一种基于物理的方法模型——PhysDreamer。这一研究成果有望推动视频生成技术的发展，为未来的应用带来更多可能性。

荐 强大到不敢给普通人用！史诗级大模型 Sora 如何让众行业一夜变天？

1视频生成模型“新王登基”，Sora何以成为全球焦点?2023年以来，多模态视频生成技术取得了显著的进展和突破，从Runway到Pika再到年末的VideoPoet，视频生成模型进入到加速阶段。2024年2月，OpenAI旗下视频生成模型Sora正式对外发布。这样不仅能确保画面风格的统一性和一致性能提高影视制作的效率和质量。

荐 AI日报：Awaker 1.0写真视频击败Sora？Sora视频被指大量后期；苹果首款AI平板曝光；百万网友围观博主和AI“谈恋爱”

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。新鲜AI产品点击了解：https://top.aibase.com/1、写真视频击败Sora？Meta也展示了营收增长，但净利润下降，计划增加对AI的支出。

​Sora生成火爆短片被指后期特效人工参与 不能保证视频一致性

Sora火爆短片《气球人》的背后，最新揭秘引发了争议。这部视频并非完全由人工智能生成，其中有大量视觉效果需要人类后期实现。他们对OpenAI的营销方式感到厌倦。

写真视频击败Sora？人大自研全新多模态大模型Awaker 1.0震撼登场

在人工智能领域，人大系初创公司智子引擎近日发布了一款名为Awaker1.0的全新多模态大模型，标志着向通用人工智能迈出了重要一步。该模型在写真视频效果上超越了Sora，展现了其在视觉生成方面的卓越能力。Awaker1.0在理解侧和生成侧都实现了效果突破，有望加速多模态大模型行业的发展，最终让人类实现AGI。

开源Open-Sora大更新：可生成16秒，720P高清视频

国内著名大模型开源公司潞晨科技，对其开源文生视频模型Open-Sora进行了大更新，现在可生成16秒，分辨率高达720P的视频。同时具备可以处理任何宽高比的文本到图像、文本到视频、图像到视频、视频到视频和无限长视频的多模态功能。感兴趣的小伙伴们现在可以利用这些资源，结合技术报告和代码高效地处理和优化自己的数据集。

Open-Sora开源项目更新：可生成长达16秒、720P高清视频

潞晨科技旗下文生视频模型开源项目Open-Sora近日进行了重大更新，新版本可以生成16秒时长、720P高清视频。在本次更新中，团队对1.0版本的STDiT架构进行了关键性改进，提高了模型的训练稳定性和整体性能。Open-Sora的更新版本在模型稳定性、训练效率和功能扩展等方面都取得了显著进展，为用户提供了更加强大和多样化的视频生成能力。

荐 AI日报：当前最强国产Sora大模型Vidu发布；Kimi Chat移动端升级；通义千问开源首个千亿参数模型；苹果计划与 OpenAI 合作

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。新鲜AI产品点击了解：https://top.aibase.com/1、清华团队发布视频大模型Vidu可生成16秒、1080P视频清华大学与生数科技在中关村论坛未来人工智能先锋论坛上发布了中国首个长时长、高一致性、高动态性视频大模型Vidu，标志�

国际顶尖水平！首个Sora级国产自研视频大模型Vidu发布

在2024中关村论坛年会未来人工智能先锋论坛上，生数科技联合清华大学发布中国首个长时长、高一致性、高动态性视频大模型Vidu。这也是自Sora发布之后全球率先取得重大突破的视频大模型，性能全面对标国际顶尖水平在加速迭代提升中。除了在时长方面突破，Vidu在视频效果方面也实现了显著提升，主要包括：能够生成细节复杂的场景，且符合真实的物理规律；能够生成真实世界不存在的虚构画面，创造出具有深度和复杂性的超现实主义内容；能够生成复杂的动态镜头，不再局限于简单的推、拉、移等固定镜头是能够围绕统一主体在一段画面里就实现远景、近景、中景、特写等不同镜头的切换；在16秒的时长上保持连贯流畅，随着镜头的移动，人物和场景在时间、空间中能够保持一致；能够生成特有的中国元素，例如熊猫、龙等。

Sora 支持的短片创作者解释了人工智能生成视频的优点和局限性

OpenAI在二月份推出的视频生成工具Sora引起了AI社区的广泛关注。Sora展示出的流畅、逼真的视频似乎远远领先于竞争对手。Sora的首次亮相为我们提供了一个窥探AI在电影制作领域应用的机会，但也让我们意识到还有很长的路要走。

清华团队国产Sora火了 背后创业公司已融资数亿元

Sora爆火后，掀起了全球竞逐AI视频生成的热潮。国内一支AI生成的视频短片引发关注。证券时报报道称，在三轮融资总计数亿元人民币的资本加持下，生数科技已成为目前国内多模态大模型中估值最高的初创公司之一。

荐 终局之战！OpenAI Sora大佬专访：AI视频模型仍处在GPT-1时代

【新智元导读】Sora一出，谁与争锋!近日，Sora团队的三位负责人AdityaRamesh、TimBrooks和BillPeebles接受了采访，解读了Sora在模拟现实、预测结果和丰富人类体验等方面带来的变革。对于视频生成领域，大家一致的看法就是:Sora一出，谁与争锋!然，身处于风口浪尖的Sora团队成员怎么看?近日，Sora的三位领导者，Aditya、Tim和Bill接受了专访。「这是令人兴奋的时刻，我们期待未来模型的�

中国首个Sora级大模型Vidu：文本生成16秒，1080p高清视频

4月27日，在2024中关村论坛-未来人工智能先锋论坛上，清华大学联合生数科技正式发布了，中国首个长时间、高一致性、高动态性视频大模型——Vidu。Vidu采用了原创的Diffusion与Transformer融合的架构U-ViT，支持文本生成长达16秒、分辨率高达1080P的高清视频内容。生数科技致力打造世界领先的多模态大模型，融合文本、图像、视频、3D等多模态信息，探索生成式AI在艺术设计、游戏�

清华团队国产“Sora”火了：生数科技发布视频大模型「Vidu」

在中关村论坛的未来人工智能先锋论坛中，生数科技与清华大学携手，正式推出了中国首个具备长时长、高一致性及高动态性的视频大模型——“Vidu”。这款引领时代的视频大模型，其核心在于团队原创的Diffusion与Transformer融合的U-ViT架构。作为通用视觉模型，Vidu能够生成更加多样化、更长时长的视频内容，其灵活的架构也将为未来兼容更广泛的模态、拓展多模态通用能力的�

荐 当前最强国产Sora！清华团队突破16秒长视频，懂多镜头语言，会模拟物理规律

你说箱子里要装满钻石，于是箱子被钻石填满，比实拍还要耀眼。这样的技能，哪个剧组不喜欢?这是前段时间Adobe旗下的视频剪辑软件PremierePro所呈现的「魔法」。此次「Vidu」的推出，是生数科技在多模态原生大模型领域的再一次创新和领先。

荐 AI日报：阿里对口型视频项目EMO开启内测；苹果官宣端侧小模型OpenELM；Open-Sora偷偷升级；微信发布AI工具小微助手

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。新鲜AI产品点击了解：https://top.aibase.com/1、阿里对口型项目EMO开启内测可将照片转为唱歌视频阿里推出的对口型项目EMO开启内测，用户只需提供一张照片和语音模型即可定制数字人像，实现低成本高效率的数字人出镜体�

Open-Sora悄悄升级 支持16秒视频生成和720p分辨率

Open-Sora在开源社区悄悄更新了，现在，该项目不仅支持长达16秒的单镜头视频生成视频分辨率最高可达720p，能够处理各种宽高比的文本到图像、文本到视频、图像到视频、视频到视频以及无限长视频的生成需求。技术报告与模型架构:Open-Sora技术报告已在GitHub上发布，详细介绍了新功能和模型架构。作者团队将在下一版本中优先解决这些挑战。

荐 Open-Sora全面开源升级：支持16s视频生成和720p分辨率

Open-Sora在开源社区悄悄更新了，现在单镜头支持长达16秒的视频生成，分辨率最高可达720p，并且可以处理任何宽高比的文本到图像、文本到视频、图像到视频、视频到视频和无限长视频的生成需求。我们期待Open-Sora社区带给我们的下一次惊喜。

荐 PR+AI重新定义视频剪辑，Sora、Pika全接入，AI视频创企还有的玩吗？

还记得网友们用PS的GenerativeFill花式整活的盛况吗?接下来，被网友玩坏的可能要轮到PR了。无论你是专业的视频剪辑师是业余爱好者，对PremierePro这款软件都一定不陌生。通过引入生成式AI技术，提供一站式的解决方案，不仅有利于大大提高创意工作流程的效率可以让非专业视频剪辑师也能轻松上手PR，进一步扩大Adobe的潜在市场。

一句话P视频成现实！OpenAI Sora加入Adobe全家桶

近日Adobe宣布计划在年内推出由生成式AI加持的PR，遗憾的是官方并未公布具体时间。根据Adobe官方演示，AI加持的PR实现了一句话就能P视频，用户只需输入文本提示词，就能添加、改变和删除物体，增加辅助镜头，甚至还能把某个镜头延长几帧。PS的AI功能思路上和P有些类似，都是通过文字提示词，让一些人类觉得麻烦的细节处理起来更加简单，例如添加内容、移除或替换图像的一部分、扩展图像等等。