跳到正文

#视频

今日 1 条
今天10月8日周四
10月7日周三
  1. TechCrunch · AI22

    前 Ramp 工程师创办的 Melius 融资 2500 万美元，转型 AI 广告创意生成

    前 Ramp 工程师创立的 Melius 完成 2500 万美元融资，包括 CRV 领投的 2000 万美元 A 轮和 General Catalyst 领投的 500 万美元种子轮。该公司最初做 AI 效果营销工具，六個月后放弃原产品并重写全部代码，转向生成广告创意素材与营销活动的「创意工作智能体实验室」平台。Melius 称 7 月结束隐身状态后两个月内年化收入已超 100 万美元。

10月6日周二
  1. The Decoder65

    Reka AI 发布全模态模型 Rho-1，单模型处理文本图像视频与机器人控制

    Reka AI 发布全模态模型 Rho-1 的研究预览版，这是一个 190 亿参数的模型，可在单一神经网络中处理并生成文本、图像、视频和机器人控制动作。与多数将任务分派给专用模型的系统不同，Rho-1 把所有模态作为 token 放在同一个共享上下文窗口中运行，无需工具调用或外部模型，可实时生成连续视频并即时响应新指令而无需重启。

10月2日周五
9月29日周二
  10. HuggingFace Daily Papers（社区热门论文）33

    GeoVerse：在几何隐空间中实现世界一致的新视角合成

    GeoVerse 通过在预训练 3D 基础模型的几何隐空间中生成、并注入视频生成模型的外观先验，实现世界一致的新视角合成。它从 Wan2.2 VACE 提取多层级特征，经 ControlNet 式适配器注入几何隐扩散模型，并用全局空间记忆聚合已观测与合成内容以保持跨视角连贯。

  12. HuggingFace Daily Papers（社区热门论文）41

    WorldPlay2：扩展实时交互世界模型的控制能力与预测时长

    WorldPlay2 是一个交互式世界模型，通过分解式混合控制接口与压缩记忆、稳定蒸馏的协同设计，兼顾长时一致性与实时响应。该接口将帧对齐动作控制与结构化语义控制结合，显式解耦场景外观、角色身份和动态语义事件；同时将历史上下文压缩为记忆 token，供自回归学生模型与双向教师模型共享，实现按片段进行记忆条件打分，大幅降低蒸馏开销。

  13. HuggingFace Daily Papers（社区热门论文）42

    EditWorld：面向可交互世界的精准编辑与灵活引用视频世界模型

    EditWorld 是一个支持精准编辑与灵活引用的视频世界模型，可在自回归生成过程中流式接收编辑指令和参考图像，将世界建模从探索扩展到精准修改。它引入 Gated Causal Attention 处理时变编辑条件与参考图像，并用 Sparse Context 机制维持有界历史上下文以支持长时程推理。

  14. Runway：News（网页）44

    Runway 如何帮世界杂耍联盟用 AI 补满电视转播的空座位

    世界杂耍联盟（WJF）创始人 Jason Garfield 用 Runway 为荷兰两日赛事的转播补全观众席：首日满座、次日侧机位空座，他用 Aleph 2.0 在原始素材中加入观众而不改动画面其他部分，仅一个极广角镜头退回 After Effects 处理。他还用 Runway 生成开场动画、选手资料卡、排行榜和舞台烟火，整档约一小时特别节目由他一人完成，单段生成时长上限约 15 秒。

  15. Runway：News（网页）39

    Bonjour 用 Runway 将一份脚本生成所有广告风格

    法国适应原饮料品牌 Bonjour 的 15 人创意团队用 Runway 把一份脚本批量生成多种动画风格广告，从脚本到效果判定只需 4 到 5 天，成品动画批次 24 到 48 小时完成。团队已用 Runway 产出超过 500 个视频和图像变体，并称转向内部生成创意后省下逾 5 万欧元外部制作费用；改用 Runway 企业版后不再受 credits 限制，可继续加大测试投入。

9月28日周一
  7. IT之家（RSS）55

    字节火山引擎发布 Seedance 影视合作计划，单项目激励最高百万

    9月27日，字节跳动旗下火山引擎在平遥国际电影展期间发布 Seedance 影视合作计划。该计划面向全球专业影视项目提供 Token 补贴、宣发资源及技术支持，单个项目激励最高可达百万人民币。参与要求包括全片视频生成环节100%由 Seedance 实现，支持全 AI 生成或 AI+真人混合制作，且重点鼓励在制作方法与工作流程上实现创新突破的项目。

9月27日周日
  2. HuggingFace Daily Papers（社区热门论文）38

    VGGT-Diff：融合视觉几何与扩散模型的稀疏视角新视角合成

    VGGT-Diff 将 VGGT-Ω 的视觉几何 latent 路由进预训练视频扩散模型，用于稀疏视角新视角合成。每个视觉 token 关联 3D 点和置信度，经置信度感知的 Visual Geometry Router（VGR）转为查询对齐的 latent 条件，Point-Track Residual Consistency（PTRC）沿可靠 3D 轨迹正则化预测残差。