搜索
Hypit.ai 开源十天获 16000 个 Star，团队创造语义视频标记语言 SVML，将视频变成可编译、复刻和批量修改的源码，让 Agent 保持结构与节奏并替换内容生成变体。
英伟达联合MIT和牛津大学团队提出Physis-Lang，通过物理语言描述、自进化准则和能力导向的数据检索提升视频模型的物理理解与生成表现，其Cosmos3-Super和Cosmos3-Nano在Physics-IQ Verified分列第一、第二。
AI 视频生成正在进入新的竞争阶段。
作者将手绘视频制作流程整理为handdrawn-explainer Skill并上传至SkillHub，使agent能按主题生成脚本和可视分镜，产出配音与绘画时序对齐的视频，并支持审阅后修改。
Utopai Studios正以Utopai X和PAI将模型生成、素材管理及专业协作纳入同一电影制作流程，并规划三部2027年院线片，同时拓展DeNA合作与体育IP开发。
Utopai Studios打造的Utopai X在Artificial Analysis Video Arena盲评中以1150 Elo位列全球第二，其核心竞争力是将模型深度集成PAI制作系统，并通过真实影视项目、专家反馈与系统迭代形成持续进化的数据飞轮。
TapNow上线"3D片场"与"白模视频预演"功能，配合astra模型帮助创作者通过搭建3D场景、编排人物走位与镜头并导出参考，显著减少AI视频生成中反复抽卡的情况。
可灵AI发布时隔8个月大版本更新的旗舰视频生成模型Kling 4.0及轻量版Kling 4.0 Flash，单次原生生成时长提升至30秒，最多支持10个关键帧输入，新增双通道立体声输出，并将很快推出4K 10-bit HDR格式。
北京大学、清华大学与阿里巴巴等机构联合提出SparkDiffusion视频生成加速系统，通过融合稀疏注意力、少步蒸馏与FP8量化，在单卡RTX 5090上实现最高720倍推理加速，可在18秒内生成5秒720P视频，并已完整开源权重与训练代码。
一、什么是 OmniVChat？ 从音视频问答到原生音视频对话 现有的音视频交互的研究中，对 “交互” 的定义往往其实是对音视频内容的问答，比如对于一个流式视频，用户输入一个文本问题，然后模型选择合适