跳到正文

视频模型

  1. 视频模型Google DeepMind

    Genie 4 现已可用

    Genie 4 现已向 Google AI Ultra 订阅者开放,支持会话中实时编辑世界与实时原生音频。Genie 3 同步更新,单次生成最长 3 分钟,支持 360 度全景图种子与实时世界事件;新增 Project Genie agent 与社区画廊。

  1. 视频模型可灵官方博客

    可灵发布 Kling Image 4.0,主打真实感与原生8K生成

    可灵发布新一代图像生成模型 Kling Image 4.0,现已上线可灵创意工作室并向企业及开发者开放 API。该模型基于原生统一理解与生成架构,支持原生 8K 图像生成、单图最多 2000 字符文本渲染、单提示词生成最多 10 张一致风格图像,以及电商详情页等长图生成。此外还提供 110+ 预设调色风格、70+ 预设商用字体和七种语言支持。

  1. 视频模型IT之家

    字节跳动 Seedance 2.5 4K 视频生成模型 API 全面开放

    字节跳动火山引擎宣布 Seedance 2.5 4K 的 API 全面开放,开发者与企业客户可通过接口调用该 4K 视频生成模型。该模型支持 Draft(样片)模式,终端用户可先用 480P 样片快速验证分镜、反复打磨镜头,确定满意后再生成 4K 正片;同时具备 10-bit 色深,画面质感更能胜任大荧幕。

  2. 视频模型Zyphra · Zonos 语音模型

    Zyphra 发布 ZONOS3-Mini 多语言 TTS 模型

    Zyphra 发布紧凑多语言 TTS 模型 ZONOS3-Mini,支持 43 种语言,约 1 亿活跃参数每 token,并提供原生 transformers 移植版本。该模型使用 ZAC-1 编解码器作为音频 tokenizer,内置 27 个发布音色,支持从短音频克隆声音,采用 Apache-2.0 许可证。

  3. 视频模型短剧自习室 · 文章

    连夜实测 Seedance 2.5 flash,AI短剧的工业化越来越有戏了!

    短剧自习室连夜实测 Seedance 2.5 flash,结果显示其生成速度翻倍、定价与 Seedance 2.0 持平,效果贴近 Seedance 2.5。10组梯度测试覆盖微表情、复杂动作、30秒长叙事与漫剧特效,横评显示其与 Seedance 2.5 画质接近,耗时减半、积分消耗更低,适合批量生产。

  1. 视频模型沃垠AI · 公众号公开订阅

    Seedance 2.5 flash实测:13条片子覆盖7类短视频场景

    作者实测Seedance 2.5 flash,13条片子覆盖7类短视频场景,画质与Seedance 2.5基本持平,生成速度提升一倍,API价格便宜约34%。该模型分辨率仅720P,参考素材上限10张图、5段视频、5段音频,适合日更、跟热点和投放测试;Seedance 2.5则负责旗舰质量。

  1. 视频模型RenderBob · 图像视频工作流

    Seedance 2.5 Flash 发布,定价约 0.99 元/秒,提供更便宜更快的档位

    Seedance 2.5 Flash 于 11 月 12 日发布,5 秒 720p 无输入视频示例定价约 0.99 元/秒,比 Seedance 2.5 同规格便宜约 34%,但 1080p 和 4K 暂不支持。厂商称生成速度约为 Seedance 2.5 的两倍,作者指出该数据来自厂商,未见独立基准。API 预计 11 月 15 日在火山引擎上线,并逐步在 Jimeng 等应用开放。

  2. 视频模型站长之家 · AI影视与短剧产业

    字节跳动发布Seedance 2.5 flash:生成速度翻倍,720P生成约0.99元/秒

    字节跳动火山引擎发布Seedance 2.5 flash文生视频模型,生成速度较Seedance 2.5提升一倍,720P生成价格约0.99元/秒,较Seedance 2.5下降约34%。模型单段最长支持30秒,提供480P和720P两档分辨率,API将于11月15日上线火山方舟。

  1. 视频模型Reddit StableDiffusion · 创作者与工作流分享

    PAN 2 发布:开源 29B 视频生成模型

    PAN 2 发布,开源 29B 潜在扩散模型,支持最高 20 秒、720p、24fps 视频生成,采用 Apache 2.0 许可证。发布方同时公开训练代码,并提供 Diffusers、FastVideo 和 vLLM 集成。模型让 LLM 生成密集文本状态/脚本,事件和动作定时,相机嵌套在事件下但与动作解耦。

  2. 视频模型Reddit comfyui · 创作与工作流分享

    MiniMax-H3-Image 发布,ComfyUI 已有原生工作流

    MiniMax 发布 MiniMax-H3-Image,ComfyUI 已提供两个原生工作流。一个 checkpoint 同时支持文本生成和图像参考编辑,单次生成约 16MP,六步采样,无需独立放大。需更新 ComfyUI 至 0.45,模型文件包括 Qwen3-VL 32B 文本编码器、图像 VAE 和 Qwen3.5 9B 提示扩展器。

  1. 视频模型量子位 · 搜狐公开专栏

    MiniMax 开源 H3-Image 图像模型,支持原生 4K 与最多 16 张参考图

    MiniMax 开源 H3-Image 图像生成模型,支持 16MP(4096×4096)原生 4K 输出和最多 16 张参考图输入。作者实测其可生成 CAD 三视图、机械爆炸图和高数试卷等复杂图像,网页端 4K 生成约 10-20 秒。API 价格为主流竞品的 50% 到 70%,首周 16MP 请求再打五折。

  2. 视频模型Zyphra · Zonos 语音模型

    Zyphra 发布开源语音模型 ZONOS3-Mini

    Zyphra 发布开源紧凑语音模型 ZONOS3-Mini,约 100M 活跃参数,可在手机、笔记本和浏览器实时运行。模型支持从音频样本克隆声音、按年龄/口音/音色设计角色,并逐词控制情绪、语速与表达。权重以 Apache 2.0 开源,可通过 SGLang-Omni 在 NVIDIA GPU 上以 OpenAI 兼容接口服务。

  1. 视频模型字节 Seed 官方博客

    Seedream 5.5 发布:支持 100 轮稳定编辑与原生 RGBA 输出

    字节跳动发布新一代图像生成模型 Seedream 5.5,支持 100 轮多轮编辑、原生 RGBA 透明背景输出,并提升图像真实感与文字渲染。相比 Seedream 5.0 Pro,六个生产场景的可用率均有提升,影视和办公场景可用率超过上一版两倍;文本严重损坏率降至 0.4%。

  1. 视频模型z-ab · 开源短剧与创作项目分享

    OpenBMB 开源 VoxCPM2:30 种语言、48kHz 音质、声音设计与克隆全免费

    清华 OpenBMB 团队开源 VoxCPM2 语音合成模型,20 亿参数、支持 30 种语言与 48kHz 音质,Apache-2.0 许可免费商用。模型采用扩散自回归零 Tokenizer 架构,支持自然语言声音设计、可控克隆与终极克隆,在 Seed-TTS-eval 基准中英文 WER 1.84%、中文 CER 0.97%。

  1. 视频模型Google AI Blog

    Gemini Omni 1.2 Flash:更快、更省成本,支持 15 秒片段

    Google 发布 Gemini Omni 1.2 Flash,原生支持 15 秒视频生成,价格较 1.1 下降 30% 至 $0.07/秒(720p)。新模型支持多轮对话编辑、增强参考跟随,并可在 360p/720p 草稿后超分至 1080p 或 4K。Gemini Omni 现已在 Gemini API 和 Gemini for business 中正式可用。

  1. 视频模型Oimi · 中文图像视频教程

    GPT-Image-2.6 发布:新功能、Flare 与 Sunburst 对比、API 价格全解

    OpenAI 于 2026 年 11 月 4 日发布 GPT-Image-2.6,生成速度提升约 50%,Flare 最快 6 秒出图。新功能包括 GIF 生成、可复用参考角色、透明 PNG 标记编辑和 SVG 导出。API 定价与 2.5 持平,但 low/medium 档输出 token 用量可能上升,迁移前需实测。

浏览全部动态