- 综合排序
- 最热优先
- 最新优先
- 来自专栏开源心路
AI生成视频-Pika
背景介绍 Pika 是一个使用 AI 生成和编辑视频的平台。它致力于通过 AI 技术使视频制作变得简单和无障碍。 Pika 1.0 是 Pika 的一个重大产品升级，包含了一个新的 AI 模型,可以在各种风格下生成和编辑视频,如 3D 动画，动漫，卡通和电影风格。 大拇指向下 告诉机器人(和 Pika 实验室团队)Pika 做了一些丑陋、错误的东西,或者视频完全没有移动。 重新生成 - 重复提示 使用相同的提示词和参数再生成一个视频。 现在我们需要告诉 AI 实际上我们想要生成什么样的片段。 我们很高兴推出 Pika 1.0，这是一次重大的产品升级，包括一个新的 AI 模型，它能够以 3D 动画、动漫、卡通和电影等各种样式生成和编辑视频，以及一个新的 Web 体验，使其更容易使用。
2K10编辑于 2023-12-06 - 来自专栏全栈技术
AI短视频制作一本通：文本生成视频、图片生成视频、视频生成视频
第一部分：文本生成视频1. 文本生成视频概述随着人工智能（AI）技术的飞速发展，视频制作领域也迎来了创新的浪潮。文本生成视频是其中的一项令人激动的进展，它利用自然语言处理技术将文本内容转化为视频。 步骤3：音频合成为了增强视频的吸引力，您可以合成配音或背景音乐。音频合成可以使用文本转语音（TTS）技术来实现，将文本转化为声音。步骤4：视频合成最后，将生成的图像和音频合成为视频。 您可以使用视频编辑工具或库来将图像序列和音频合并在一起。设置帧速率和视频分辨率以获得所需的输出效果。3. 步骤2：训练生成模型使用生成对抗网络或其他深度学习模型，对视频数据进行训练。模型将学会从输入数据生成逼真的视频。步骤3：生成新视频一旦训练完成，您可以使用生成模型来合成新的视频内容。 您提供一些输入或引导，生成模型将生成相应的视频。步骤4：后期处理（可选）生成的视频可能需要进行后期处理，如添加特效、音频合成等。3.
3.4K62编辑于 2023-11-07 - 来自专栏算法一只狗
AI解决生成视频“闪烁”问题
在上一期中，我曾经介绍了用ControlNet结合Mov2Mov插件生成新的视频。虽然它能够快速的对视频中的人物进行转换，但是还存在难以解决的闪烁问题。 造成闪烁的原因很简单，是因为AI是一帧一帧生成图片然后再合成的，所有每张图片本质上不太连贯，最后就会造成视频闪烁的出现。但是这个难题近期被南洋理工大学的团队很好的解决。 首先来看看他们生成的视频效果：可以看到，生成的视频很丝滑，而且人物的动作衔接的很连贯。 利用上面的方法进行生成后，在连续的十几秒中，每一幅图片的细节都生成相似，就能够有效缓解视频闪烁的情况出现。 下图是作者对比Stable-Diffusion的结果：当然，在不同的模型比较上，该作者提出的方法在生成视频的稳定性上效果明显提高：同时，在输入文本中仅需更改几个词语，在视频背景保持不变的情况下，可以不断的调节视频中的细节
87920编辑于 2024-10-10 - 来自专栏音视频技术
AI自动剪辑生成视频探索实践
文/赵剑 整理/LiveVideoStack 大家好，我是赵剑，来自网易云音乐，本次分享的主题是AI自动剪辑生成视频的探索实践，内容主要分为以下几个部分： What — 什么是AI自动生成音乐视频？ Why — 为什么需要基于AI自动生成音乐视频？ How — 如何实现AI自动生成音乐视频？ 首先为大家播放由三段不同类型的音乐视频，全程无人工参与，完全通过AI自动生成。 1、Why音乐视频自动化剪辑生成 接下来正式为大家介绍AI自动剪辑生成视频的探索实践。 首先，为什么做音乐视频自动生成？ 2、AI自动剪辑生成音乐视频系统 其次，如何搭建高效自动生成音乐视频的系统？ 3、业务场景探索 上面提到了视频配乐即音乐配视频，我们在边听边看、云村及MV生成中落地了这项技术，用户看视频的同时可以消费音乐。
3.4K21编辑于 2023-04-04 - 来自专栏翩翩白衣少年
MuseV：不限视频时长的AI视频生成工具
在不久前 OpenAI Sora 以其优秀且惊人的视频生成效果迅速走红，更是在一众文生视频模型中脱颖而出，成为了文生视频领域的领头羊。 同时它也推动了行业内文生视频技术的发展。 今天小编为大家分享一款新开源的文生视频项目MuseV，据说可以生成不限时长的AI视频。 项目背景 MuseV 项目在2023年7月就已经实现了，但是受到近期 Sora 进展的启发，才决定开源出来。 项目介绍 MuseV 是一个基于扩散模型的虚拟人视频生成框架。它采用了新颖的视觉条件并行去噪方案，支持无限长度视频的生成。 在更大、更高分辨率、更高质量的文本视频数据集上进行训练可能会使 MuseV 更好。 • 有限类型的长视频生成。视觉条件并行去噪可以解决视频生成的累积误差，但当前的方法只适用于相对固定的摄像机场景。 总结 MuseV 以其无限长度视频生成以及对 Stable Diffusion 生态的支持以及多参考图像技术，成为视频生成领域的新兴力量。
1.9K10编辑于 2024-04-13 Veo 3 可以生成视频，并附带配乐
谷歌最新的视频生成 AI 模型 Veo 3 可以创建与其生成的剪辑相配的音频。 周二，在谷歌 I/O 2025 开发者大会上，谷歌发布了 Veo 3。 该公司声称，这款产品可以生成音效、背景噪音，甚至对话，为其制作的视频增添配乐。谷歌表示，Veo 3 在生成的视频质量方面也比上一代Veo 2有所提升。 你可以给 Veo 3 一个描述人物和环境的提示，并根据你希望的声音效果提出对话建议。” 视频生成器工具的广泛普及，导致供应商数量激增，该领域已趋于饱和。 如果谷歌能够兑现其承诺，音频输出将成为 Veo 3 的一大差异化优势。人工智能声音生成工具并不 新鲜，用于创建视频 音效 的模型也并非新鲜事物。 但据谷歌称，Veo 3 的独特之处在于它能够理解视频中的原始像素，并自动将生成的声音与视频片段同步。 Veo 3 的诞生很可能得益于DeepMind 早期在“视频转音频”人工智能领域的研究。
37400编辑于 2025-05-31- 来自专栏程序大视界
2026国产AI视频生成工具推荐
Sora关停、国产崛起：2026年AI视频生成工具格局大洗牌！ OpenAI于2026年3月24日正式关停Sora，AI视频生成市场迎来了历史性的转折点。国产工具如何抓住机遇？创作者该何去何从？ 01 — OpenAI挥刀斩Sora 2026年3月24日，OpenAI正式宣布关停Sora独立App、API接口及ChatGPT内置视频功能，全面退出消费级AI视频生成市场。 主流国产工具对比 工具 核心优势 适合场景 生成时长 可灵AI（快手） 界面简洁、风格模板丰富、人物动作稳定 自媒体短视频、小型广告 最长3分钟，30fps 即梦AI 中文理解强、操作简单、口型匹配优秀 、Runway: 4秒 > Pika: 3秒 ✨ 可灵AI：国产之光 作为快手团队的产品，可灵AI在技术上表现亮眼： 高质量输出：支持生成长达2分钟、30fps的高质量视频 多宽高比支持：满足抖音、B站 分段生成长视频：单次生成时间有限，可以分段生成再拼接 关注高峰期：国产工具在下午3-6点可能出现排队，错峰使用效率更高 06 — 未来展望 AI视频生成市场正在经历剧烈变革： 技术层面：可控性、一致性
2.3K20编辑于 2026-04-10 - 来自专栏AI算法能力提高班
Sora | 最强AI视频生成大模型
[AI Milestone] Sora | 2024年最强AI视频生成大模型 本文主要从Sora的诞生背景、技术原理、能力演示、应用前景和变现思路等多个角度进行介绍这一划时代的最新视频生成技术。 然而，早期的AI视频通常存在一些限制，如视频长度有限（通常只有几秒钟），场景逼真度不足，元素突然出现或消失，以及运动不连贯等问题，这些问题使得视频内容容易被识别为AI生成。 OpenAI发布的Sora模型在演示视频中展示了显著的进步，其生成的视频内容在质量上几乎无法被察觉为AI制作。Sora能够生成长达一分钟的视频，这在当时的AI视频中是一个重要的突破。 Sora的诞生背景 在ChatGPT发布后不久，2023年我们看到了文本到图像产品的商业化，如Stable Diffusion、Midjourney和DALL-E 3，它们允许用户通过文本提示生成高分辨率图像 ，展示了AI在创意图像生成方面的能力。
2.6K10编辑于 2024-03-13 - 来自专栏科技云报道
AI写小说、绘画、剪视频，生成式AI更火了！
不过这依旧难不住极具创意的算法研究员，Google Research的一项最新成果——DreamFusion模型，即可通过输入简单的文本提示生成3D模型，不仅能够在不同的光照条件下进行渲染，而且生成的3D 模型还具有密度、颜色等特性，甚至可以把生成的多个3D模型融合到一个场景里。 在生成3D图片之后，Meta的算法人员将思路进一步打开，向更高难度发起挑战，开始探索用文字提示来直接生成视频。 与Make-A-Video相比，Imagen Video更加突出视频的高清特性，能生成1280*768分辨率、每秒24帧的视频片段，还能理解并生成不同艺术风格的作品； 理解物体的3D结构，在旋转展示中不会变形 Phenaki生成视频示例 目前，国内也有不少生成式AI的应用。 例如，字节跳动旗下的剪映APP提供AI生成视频功能，并可以免费使用。
2K20编辑于 2022-12-08 - 来自专栏猫头虎AI技术分享
快速上手 AI ：AI 视频与音频生成教程
快速上手 AI ：AI 视频与音频生成教程 摘要：随着生成式AI的爆发式发展，音视频创作已经从“专业技能”转变为“人人可用”的智能工具。 一、前言：AI音视频时代的来临“==AI音视频生成==的核心，是用文本驱动声音和画面。” 过去制作视频需要复杂的剪辑与配音软件，如今仅需几行指令或几段文字，AI就能自动生成： AI视频：根据脚本、图片或语音自动生成带人物、配音、字幕的视频。 ffmpeg -i voice.mp3 -i bgm.mp3 -filter_complex amix=inputs=2 output.mp3四、AI 视频生成入门 AI视频的核心有两类：文本转视频（Text-to-Video 语音生成✅ 30+语言mp3 Runway 视频生成 英文最佳 mp4 Pika Labs 视频生成✅ 中文良好 mp4 MoviePy 合成工具✅ 任意
4.7K351编辑于 2025-10-06 - 来自专栏一个程序猿的异常
Sora AI：如何生成逼真视频，推动创意界限
文章速览 OpenAI Sora是一个能够生成高质量、连贯流畅视频的AI模型， 它能够根据文本描述生成长达1分钟的视频。 OpenAI Sora的扩散模型是如何工作的，与DALL-E 3和Stable Diffusion有何不同？ OpenAI Sora的扩散模型工作原理主要是通过逐步移除视频中的噪声来生成清晰的视频。 与DALL-E 3和Stable Diffusion相比，Sora在视频生成方面展现出了独特的优势。 OpenAI Sora的扩散模型通过逐步去除视频中的噪声来生成清晰的视频，与DALL-E 3和Stable Diffusion相比，它更侧重于视频生成，特别是在保持画面主体不变方面具有独特的优势。 最后，Sora的这种能力展示了AI技术在电影行业重塑方面的潜力，它可能会改变整个电影产业的生产方式。
68010编辑于 2024-02-27 AI创意应用盘点：从3D模型到视频生成的LoRA技巧
Hunyuan3D 2MiniHunyuan3D 2Mini是其早期3D生成模型的一个更快、更小的版本。 CSM-1B与Orpheus-3B这些新的语音模型不仅能说话——它们还能呼吸、停顿和轻笑。凭借内置的类人特性，它们非常适合用于逼真的语音、游戏对话，或者只是让你的AI听起来更有活力。 文本转视频，升级版某中心的模型现在能在约30秒内生成720p视频，使得将文本转换为电影级视频的速度比以往任何时候都快。如果优先考虑速度，还有一个更轻量的版本可用于生成540p输出。 另一款模型v1.6 Pro版本引入了结束帧支持，让你对视频生成有更多控制。现在起始帧和结束帧都可用，更容易引导你的视频达到完美的时机和构图。 社区创意Flux、Kling和Wan2.1等模型正在推动病毒式创意的激增——包括动画人物和AI生成的虚拟形象。本期内容到此为止，但请继续关注更多关于模型、实验和值得一试的酷炫想法。
28410编辑于 2026-01-07精通Veo 3提示语：生成高质量AI视频与音频的实用指南
如何为Veo 3撰写提示语以获得最佳效果某中心推出的Veo 3可以根据文本提示生成带有音频的视频。音频内容可以是对话、画外音、音效和音乐。首先了解基础知识。精心设计的提示语是生成优质视频的关键。 在提示语中用平实的语言描述得越具体，Veo 3就越容易理解并生成你想要的视频。尝试在提示语中包含以下视觉元素：主体：场景中是谁或是什么——人物、动物、物体或风景。背景：主体在哪里？室内？城市街道？ 详细提示生成视频每次更改你的提示语如果你熟悉像Midjourney或Flux这样的模型，你会知道运行相同的提示语几次（即使用不同的种子）会得到相当程度的变化。Veo 3则不同。 John视频示例2提示音频由于Veo 3会为每个视频生成音频，你也需要为你想要听到的音频进行提示。 或者你可以更模糊一些，让Veo 3决定。风格开箱即用的Veo 3通常会生成看起来制作精良的实景视频，比如流畅的专业演示、商业广告或音乐视频。如果你想让它偏离这种风格，你需要在提示语中包含一个风格。
57710编辑于 2026-01-12混合AI模型秒生成高清流畅视频
混合AI模型实现秒级高清视频生成研究人员开发出一种名为CausVid的混合人工智能方法，能够在数秒内创建高质量视频。该方法结合了扩散模型和自回归架构，类似于知识渊博的教师指导聪慧学生的学习过程。 技术原理与传统逐帧生成（自回归）或全序列处理（扩散模型）不同，CausVid采用混合方法：使用预训练的扩散模型作为"教师模型"训练自回归的"学生模型"快速预测下一帧确保视频质量和帧间一致性核心功能该工具能够 ：根据简单文本提示生成视频片段将静态照片转换为动态场景扩展现有视频长度在生成过程中通过新输入实时修改内容性能表现在测试中，CausVid展现出卓越性能：生成高分辨率10秒视频的速度比竞争对手快100倍在 30秒长视频测试中质量和一致性领先在900多个文本提示测试中获得84.27的最高综合评分在图像质量和真实人类动作等类别中表现最佳应用前景该技术可用于：视频编辑任务辅助实时直播多语言同步视频生成视频游戏内容渲染机器人训练模拟快速生成技术优势相比传统方法 这项技术有望实现小时级甚至无限时长的高稳定性视频生成。
38010编辑于 2025-08-31- 来自专栏新智元
单张人像生成视频！中国团队提出最新3D人脸视频生成模型，实现SOTA
文中，作者设计了一套三维动态预测和人脸视频生成模型(FaceAnime)来预测单张人脸图像的3D动态序列。 通过稀疏纹理映射算法进一步渲染3D动态序列的皮肤细节，最后利用条件生成对抗网络引导人脸视频的生成。 因此，文章针对这些方面做出了以下贡献： 不同于广泛使用2D稀疏人脸landmarks进行图像/视频的引导生成，文章主要探索包含人脸丰富信息的3D动态信息的人脸视频生成任务； 设计了一个三维动态预测网络 (3D Dynamic Prediction，3DDP)来预测时空连续的3D动态序列； 提出了一个稀疏纹理映射算法来渲染预测的3D动态序列，并将其作为先验信息引导人脸图像/视频的生成； 文章使用随机和可控的两种方式进行视频的生成任务 给定不同的3DMM系数所得到的不同三维人脸重建和稀疏映射的结果 不同于以往只针对某一种任务的视频生成，在本文中作者提出了三个不同的生成任务，即人脸视频重定向（Face video retargeting
1.6K30发布于 2021-08-25 - 来自专栏新智元
国产AI视频炸了！SkyReels-V3三大功能重磅开源，1张图生成逼真视频
作为迭代自V1（AI短剧创作）、V2（无限时长电影生成）的重磅版本，昆仑天工SkyworkAI团队正式开源了多模态视频生成模型SkyReels-V3： 论文：https://arxiv.org/abs/ /skyreels-v3/standard/single-avatar 这不仅仅是一个模型的发布，更像是一场对现有AI视频工具的「降维打击」。 AI视频创作三大难事， 一次做全了 以前做AI视频，你需要在A模型生图、B模型动效、C模型对口型之间反复横跳。 领先三大维度 在AI视频生成领域，「全能选手」向来稀缺。 SkyReels-V3是真开源 市面上做AI视频生成的模型不少，但SkyReels-V3是真开源。 很多所谓的「开源」模型，要么只开放部分权重，要么限制商用，要么文档稀烂根本跑不起来。
1.5K10编辑于 2026-02-03 - 来自专栏程序那些事儿
Runway Gen2：AI视频生成的未来
Runway Gen2 是一种由 Runway Research 开发的新的文本到视频生成器。它是第一款公开可用的文本到视频模型，能够“真实和一致”地合成新视频。 突破 Gen2 的突破在于它能够生成逼真和一致的视频。这要归功于其使用了一种新的深度学习模型，该模型能够学习从文本和视频中捕捉信息。该模型由一个巨大的数据集训练，该数据集包括图像、视频和文本。 使用方式 Gen2 提供了多种生成视频的方式，你可以直接通过文本描述来生成一段视频，当然，你也可以根据图片和文字的描述来生成视频，此外，你还可以通过对视频进行神奇描绘来生成视频。 配合着类似 midjourney 等图片生成工具，你完全可以制作自己的动画视频。 应用 Gen2 具有广泛的应用前景。它可用于： 创意表达，创建新的艺术作品、视频游戏、电影等。 例如，Gen2 生成的视频可能存在偏见或错误。此外，Gen2 可能被用于生成虚假或误导性的视频。 结论 Runway Gen2 是一项具有重要潜力的技术。
1.2K10编辑于 2023-11-30 - 来自专栏AI科技评论
视频 | AI实时生成材质，效果直逼好莱坞大片
我们的卷积神经网络可以提供这些图像的实时预测结果，这些预测与真正的渲染图像难以分辨，并且实时生成。 AI科技评论按：这里是，雷锋字幕组编译的Two minutes paper专栏，每周带大家用碎片时间阅览前沿技术，了解AI领域的最新研究成果。 （3）最后，我们在直观二维隐空间中嵌入高维着色器描述符，使我们即使没有专门知识也可以对色彩进行探索和调整，但是如果没有更多的信息，它并不是非常有用。 而且，我们的卷积神经网络可以提供这些图像的实时预测结果，这些预测与真正的渲染图像难以分辨，并且实时生成。 视频原址：https://www.youtube.com/watch?v=6FzVhIV_t3s 论文原址：https://arxiv.org/pdf/1804.08369.pdf
1K30发布于 2018-07-27 - 来自专栏wayn的程序开发
用笔记本轻松玩转 AI 生成长视频
最近，在 github 看到了一个名为 FramePack 的图生视频项目，基于预测神经网络结构，可以在资源有限的设备上生成高质量的视频。 它通过将上下文压缩成固定长度，使得生成任务的工作量与视频长度无关，从而实现高效且资源友好的视频生成。 什么是 FramePack？ 它通过逐步生成下一帧内容，实现高质量视频的连续输出。与传统的视频扩散模型不同，FramePack 并不受视频长度限制，能够在资源有限的设备上处理成千上万帧的视频生成任务。 渐进式生成 + 可视化反馈 模型采用逐帧或逐段生成的方式，用户可以在生成过程中实时查看当前结果，获得视觉反馈。 即使是生成一分钟以上的长视频，也可以边生成边预览，无需等待全部完成。 Preview） 由于 FramePack 是逐帧或逐段生成的模型，视频会随着每一步推理越来越长。
1.5K21编辑于 2025-05-01 - 来自专栏目标检测和深度学习
产品体验｜AI视频生成产品新体验
用的Colab里面的V100显卡，没有A100了，16G显存刚好够25帧的视频生成。生成时间大概144秒。 就是这个对硬件要求实在太高，希望社区大佬给力一些，优化到可以本地跑。 下面是测试生成的视频。 **图像生成能力**：它能根据用户的描述创造出详细的图像，这对于视觉艺术家和创意专业人士尤其有用。 3. **编程能力**：通过Python环境，SEINE可以执行复杂的计算和数据分析任务。 **语言理解和生成**：SEINE能够理解和生成流利、准确的文本，这使它在进行自然语言处理方面特别强大。 6. 演示视频 https://m.okjike.com/originalPosts/655c78daf9a492630b2f88d9 之前说过的 SEINE 视频生成模型，代码已经开源，我自己试 - 即刻
54410编辑于 2023-11-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号