可灵视频生成可控性为什么这么好？快手又公开了四篇研究
可灵视频生成可控性为什么这么好？快手又公开了四篇研究可灵，视频生成领域的佼佼者，近来动作不断。继发布可灵 1.6 后，又公开了多项研究揭示视频生成的洞察与前沿探索 ——《快手可灵凭什么频繁刷屏？揭秘背后三项重要研究》。
来自主题: AI技术研报
10024 点击 2025-01-23 11:32
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
可灵，视频生成领域的佼佼者，近来动作不断。继发布可灵 1.6 后，又公开了多项研究揭示视频生成的洞察与前沿探索 ——《快手可灵凭什么频繁刷屏？揭秘背后三项重要研究》。
AI视频模型正以意想不到的方式影响着世界各地每个人的生活，也包括一位远在大洋彼岸的60岁老奶奶。
今天是个好日子，DeepSeek 与 Kimi 都更新了最新版的推理模型，吸引了广泛关注。与此同时，谷歌 DeepMind、加州大学圣地亚哥分校、阿尔伯塔大学的一篇新的研究论文也吸引了不少眼球，并直接冲上了 Hugging Face 每日论文榜第一（1 月 20 日）。
我勒个老天奶，大模型六小强之一的阶跃星辰，给大家拜早年的方式可真不一样——
最近，斯坦福大学教授李飞飞接受了硅谷著名投资人 Reid Hoffman 和 Aria Finger 的联合播客专访。在这场对话中，李飞飞主要探讨了以下主题： ImageNet 的灵感源于难以避开模型的过拟合问题，李飞飞意识到与其苦心改进模型，不如用数据驱动。
2024年，智元机器人与北大成立联合实验室，8月发布“远征”与“灵犀”两大系列共五款商用人形机器人新品，10月旗下灵犀X1人形机器人官宣开源，12月宣布正式开启通用机器人量产，不断拓展应用场景。
当人们已经快要对人工智能产生审美疲劳的时候，这段由ChatGPT掀起的新一波技术革命浪潮不过才进入了第二年。以它为代表的生成式AI（GenAI）不断进化出新的功能，从文本到视频，GenAI的“创造力”使得它对内容领域的冲击特别明显。
WaveForms致力于开发音频大模型（LLMs），通过创新的端到端音频处理技术，实现更加实时、类人化且情感智能化的语音交互。与传统语音模型不同，WaveForms的音频模型不是语音转文本再转语音，而是能够直接处理音频，实现更自然的对话和情感互动。
早上MiniMax上线TTS，字节上线AI编程Trae；下午字节全量上线豆包实时语音；晚上DeepSeek开源R1性能直接对标OpenAI o1，然后Kimi的k1.5直接正面硬刚。昨天的余温还没过，今天下午，腾讯混元又悄悄开了个闭门发布会，作为混元的老基友，我自然是受邀参加期期不落。
新年伊始，AI专家Gary Marcus发布长文，公布了他对2025年AI发展最新的25项预测，包括AGI、生成式AI、自动驾驶、人形机器人、视频生成、智能体等多个方向。虽然在2024年对OpenAI估值预测出错，但在最新的预测中仍不看好OpenAI。