12月1日，快手可灵AI宣布全球首个统一多模态视频模型——可灵视频O1模型全量上线。该模型采用全新生成式底座与MVL交互架构，支持单一输入框内融合多种任务，并结合Chain-of-thought技术，具备强大的常识推理与事件推演能力。官方称，其深层语义理解力可将照片、视频、文字视为指令，同时推出全新创作界面，用户通过简单对话即可精准生成细节。此外，该模型支持多视角构建主体，确保画面连贯稳定，并能自由组合多个主体，为创作者提供更高效的工具。

12月1日，AI初创公司Runway发布全新视频模型Gen 4.5，独立测试显示其性能超越谷歌Veo 3和OpenAI Sora 2 Pro，登顶Video Arena榜单。Gen 4.5可根据文字提示生成高清视频，精准理解运动、人物动作、镜头调度及因果关系，物理规律理解显著提升。Runway CEO表示，百人团队也能击败科技巨头，强调专注与勤奋的重要性。公司成立于2018年，估值已达35.5亿美元，客户涵盖媒体、影视、品牌方等领域。Gen 4.5开发代号为‘David’，寓意挑战巨头，避免生成式AI被少数公司垄断。新模型本周末前向所有用户开放，并将通过平台、API及合作伙伴渠道提供，后续还有多项更新计划。

8月25日，Meta首席人工智能官Alexandr Wang在Threads上宣布，Meta将与Midjourney合作开发图像和视频生成技术。此次合作将结合Meta的研究团队与Midjourney的专业技术，推动AI模型和产品的创新应用。这一消息展示了AI领域在多媒体内容生成方面的新动向，为未来的技术发展带来新期待。

Midjourney发布首个视频模型V1，虽不卷分辨率和长镜头，但凭借精准调色和高辨识度风格收获好评。用户可通过“Animate”按钮将图像转为视频，默认生成4段5秒视频，最长可达21秒。视频功能已纳入现有订阅体系（10美元/月），但存在功能限制，如无音效、时间轴编辑及API接入支持，且分辨率仅480p。尽管如此，其独特的氛围感和流畅动态受到认可，从日式电车站到极光雪地场景均展现高质量生成效果。Midjourney目标是构建“世界模型”，视频模型为其重要阶段性成果，未来还将推出3D模型与实时系统。

标题：不是视频模型“学习”慢，而是LLM走捷径｜18万引大牛Sergey Levine 闻乐 发自 凹非寺 量子位 | 公众号 QbitAI 为什么语言模型能从预测下一个词中学到很多，而视频模型却从预测下一帧中学到很少？UC伯克利大学计算机副教授Sergey Levine提出了这一疑问。他曾...

4月17日，阿里通义万相宣布开源其自主研发的“首尾帧生视频模型”，这是业界首个百亿参数规模的开源首尾帧视频模型。该模型能够根据用户提供的首尾帧图片生成720p高清视频，并支持流畅过渡和自然动作生成。模型通过引入条件控制机制、优化训练策略及推理算法，在保持高精度的同时提高了生成效率。用户可通过官网免费体验或在GitHub、Hugging Face等平台下载模型进行二次开发。该技术可应用于特效变化、运镜控制等多种场景，例如生成四季交替或昼夜变化的延时摄影效果视频。开源地址已同步公布，包括Github、HuggingFace及魔搭社区。

标题：文生视频模型为何迟迟没有“aha moment”？ “多模态目前仍处于GPT 2至3之间的水平，尚未迎来智能涌现的临界点。”视频生成模型公司“智象未来”创始人兼CEO梅涛坦言。他曾主导微软研究院多模态AI体系，如今致力于视频生成领域的探索。 回顾2023年初ChatGPT在国内的火爆，当时中国...

亚马逊AI视频模型Nova Reel升级至1.1版本，最大生成时长提升至两分钟且支持多镜头视频。用户可通过提供长达4000字符的提示词生成由六秒镜头组成的视频。新增“多镜头手动”模式，允许结合图片和最多512字符提示词生成包含多达20个镜头的视频。目前，Nova Reel仅通过AWS平台提供，需申请使用。值得注意的是，视频生成模型的训练数据来源引发伦理争议，亚马逊虽未公开数据来源，但承诺为客户提供版权侵权保护。此更新于2023年4月8日发布。

今日，《科创板日报》报道，阶跃星辰开源了一款名为Step-Video-TI2V的图生视频模型。该模型基于30B参数的Step-Video-T2V训练而成，能够生成102帧、5秒长度、540P分辨率的视频，具有运动幅度可控及镜头运动可控两大核心特性，并且自带一定特效生成能力。目前，Step-Video-TI2V已成功适配华为昇腾计算平台，并于魔乐社区（Modelers）上线。

3月20日，阶跃星辰开源了图生视频模型Step-Video-TI2V。该模型基于30B参数的Step-Video-T2V训练，支持生成102帧、5秒、540P分辨率的视频，具有运动幅度可控和镜头运动可控两大特色，同时具备一定特效生成能力。相比现有模型，它在动态性和稳定性间实现更佳平衡。Step-Video-TI2V已完成与华为昇腾计算平台适配，并在魔乐社区上线。核心功能包括：1. 运动幅度可控，适合不同风格创作；2. 多种运镜控制，可生成电影级效果；3. 动漫效果突出，适用于动画和短视频制作；4. 支持多尺寸生成，适应不同平台需求。模型现已开源，阶跃AI网页版和App端同步上线，未来还将通过LoRA技术增强特效能力。