在当下的技术领域中，人像视频生成（Human-Video-Animation）作为一个备受瞩目的研究方向，正不断取得新的进展。人像视频生成 (Human-Video-Animation) 是指从某人物的视频中获取肢体动作和面部表情序列，来驱动其他人物个体的参考图像来生成视频。
7B大小的视频理解模型中的新SOTA，来了！
流媒体的AI故事怎么讲
今天向大家介绍一项来自香港大学黄超教授实验室的最新科研成果 VideoRAG。这项创新性的研究突破了超长视频理解任务中的时长限制，仅凭单张 RTX 3090 GPU (24GB) 就能高效理解数百小时的超长视频内容。
刚刚，港大字节联手发布最新视频生成模型，让歪果网友直呼疯狂。有人甚至直接RIP市场营销、TikTok用户和YouTube创作者。你敢信，下面这一幕不是来自欧巴电视剧，而是AI生成的！
Similarweb 数据显示，在网站端，过去28天，视频编辑类产品Zeemo和Vizard的日平均访问量均超CapCut，在功能上，Zeemo和CapCut相似度更高，而在商业化范围的广度方面，Vizard的专业性更强。
针对视频生成中的运动一致性难题，Meta GenAI团队提出了一个全新框架VideoJAM。VideoJAM基于主流的DiT路线，但和Sora等纯DiT模型相比，动态效果直接拉满：
如今，AI爆发趋势势不可挡，从去年开始，内容生成领域就备受瞩目，无论是文生还是图生，都让创作变得轻而易举，也让更多的非原专业人士能够参与其中，体验用极短的时间制作出心仪的内容。
现在，要想往视频里毫无违和感地添加任何东西，只需一张图就够了。
还记得半年前在 X 上引起热议的肖像音频驱动技术 Loopy 吗？升级版技术方案来了，字节跳动数字人团队推出了新的多模态数字人方案 OmniHuman, 其可以对任意尺寸和人物占比的单张图片结合一段输入的音频进行视频生成，生成的人物视频效果生动，具有非常高的自然度。
