关键词 "长视频" 的搜索结果， 共 12 条, 只显示前 480 条
Create viral shorts with AI-powered video editing. SendShort是 AI 视频编辑工具，专注于将长视频快速拆分为多个短视频，通过 AI 技术实现自动编辑、字幕生成、翻译等功能。能帮助创作者在几分钟内生成适合 TikTok、YouTube Shorts 和 Instagram Reels 等平台的短视频内容，极大地节省了时间和精力。自动生成字
skyreels-极速短视频制作软件,智能AI技术,文字转短视频,一键生成小说推文视频,逼真视频.自媒体及个人可以高效快速智能的制作生动有趣的短视频作品，号称能连续生成长视频。 昆仑万维SkyReels团队正式发布并开源SkyReels-V2——全球首个使用扩散强迫（Diffusion-forcing）框架的无限时长电影生成模型，其通过结合多模态大语言模型（MLLM）、多阶段预训练（Multi-
国产 Magi-1，在物理真实性上，断层第一，能够无限制生成长视频。 它采用的是一种叫做 chunk-by-chunk 的自回归生成 方法。视频被划分为一个个时间片段（chunk），每段比如 24 帧，相当于 1 秒的视频。 每生成一段，才会进入下一段。下一段的内容，要基于上一段的内容来生成。Magi-1 的结构不是从 Diffusion Transformer 拿过来直接用，而是在 atten
sand.ai是清华大学曹越教授团队创立的视频生成AI平台，目前刚刚开源了全球首个自回归扩散视频生成模型 Magi-1 ，生成长视频效果在行业领先。 马尔奖、清华特奖得主曹越的创业公司 Sand AI 推出了自己的视频生成大模型 ——MAGI-1，该模型权重和代码完全开源，支持无限生成，能将生成时长精确控制到每一秒，在基准测试中更是吊打 Sora，领先了 5 倍。
昆仑万维正式开源（17B+）Matrix-Game大模型，即Matrix-Zero世界模型中的可交互视频生成大模型。Matrix-Game是Matrix系列在交互式世界生成方向的正式落地，也是工业界首个开源的10B+空间智能大模型，它是一个面向游戏世界建模的交互式世界基础模型，专为开放式环境中的高质量生成与精确控制而设计。 空间智能作为AI时代的重要前沿技术，正在重塑我们与虚拟世界的
VACE（Video Creation and Editing）是阿里巴巴通义实验室推出的一站式视频生成与编辑框架。基于整合多种视频任务（如参考视频生成、视频到视频编辑、遮罩编辑等）到一个统一模型中，实现高效的内容创作和编辑功能。VACE的核心在于Video Condition Unit（VCU），将文本、图像、视频和遮罩等多种模态输入整合为统一的条件单元，支持多种任务的灵活组合。开源的 Wan2
ViLAMP（VIdeo-LAnguage Model with Mixed Precision）是蚂蚁集团和中国人民大学联合推出的视觉语言模型，专门用在高效处理长视频内容。基于混合精度策略，对视频中的关键帧保持高精度分析，显著降低计算成本提高处理效率。ViLAMP在多个视频理解基准测试中表现出色，在长视频理解任务中，展现出显著优势。ViLAMP能在单张A100 GPU上处理长达1万帧（约3小时）
mPLUG-Owl3是阿里巴巴推出的通用多模态AI模型，专为理解和处理多图及长视频设计。在保持准确性的同时，显著提升了推理效率，能在4秒内分析完2小时电影。模型采用创新的Hyper Attention模块，优化视觉与语言信息的融合，支持多图场景和长视频理解。mPLUG-Owl3在多个基准测试中达到行业领先水平，其论文、代码和资源已开源，供研究和应用。 mPLUG-Owl3的主要功能 多
NVILA是NVIDIA推出的系列视觉语言模型，能平衡效率和准确性。模型用“先扩展后压缩”策略，有效处理高分辨率图像和长视频。NVILA在训练和微调阶段进行系统优化，减少资源消耗，在多项图像和视频基准测试中达到或超越当前领先模型的准确性，包括Qwen2VL、InternVL和Pixtral在内的多种顶尖开源模型，及GPT-4o和Gemini等专有模型。NVILA引入时间定位、机器人导航和医学成像等
Hedra是由原斯坦福大学的研究团队成立的数字创作实验室推出的AI对口型视频生成工具，专注于将人工智能技术应用于人物角色视频的生成。用户可以上传任意人物的照片和语音，Hedra会根据这些输入生成动态视频，其中人物的唇形、表情和姿态都能与语音内容完美同步。Hedra支持文本和图片生成视频，目前在免费公测中，提供无限时长的视频生成能力，单个视频最长可达30秒（开放预览版），并且每60秒的输入可以生成9
Seaweed APT2是字节跳动推出的创新的AI视频生成模型，通过自回归对抗后训练（AAPT）技术，将双向扩散模型转化为单向自回归生成器，实现高效、高质量的视频生成。模型能在单次网络前向评估（1NFE）中生成包含多帧视频的潜空间帧，显著降低了计算复杂性，通过输入回收机制和键值缓存（KV Cache）技术，支持长时间视频生成，解决了传统模型在长视频生成中常见的动作漂移和物体变形问题。能在单块GPU
RoboBrain 2.0 是强大的开源具身大脑模型，能统一感知、推理和规划，支持复杂任务的执行。RoboBrain 2.0 包含 7B（轻量级）和 32B（全规模）两个版本，基于异构架构，融合视觉编码器和语言模型，支持多图像、长视频和高分辨率视觉输入，及复杂任务指令和场景图。模型在空间理解、时间建模和长链推理方面表现出色，适用机器人操作、导航和多智能体协作等任务，助力具身智能从实验室走向真实场景
只显示前20页数据，更多请搜索
