搜索
今天，外网被这个视频刷屏了。有人用Fable 5.5一键生成了一部「人类数万年进化史」，把整个人类历史压缩进了3分钟。整个过程，都是用纯代码写出，零视频素材，零版权音乐，没有使用任何视频生成模型。
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。
近年来，视频生成模型在清晰度、时序一致性和可控性上快速进步。给定文本、图像、相机轨迹或玩家动作，模型已经能够合成连贯的后续画面，也让「可交互视频世界」逐渐从概念走向可观看、可操作的原型。
Runway发布首个界面世界模型Solaris，基于Gen-4.5视频生成模型与GWM-1世界模型技术，用户通过点击、拖拽或输入文本即可实时生成交互界面而无需编写代码，该系统还可用于训练Computer Use Agent。
阿里千问创作平台上线 Wan 3.0 视频生成模型及 Agent Teams 多智能体协作模式，用户输入剧本与一句话提示词即可由编剧、导演、美术、分镜师、配乐师等 Agent 自动接力完成影视短剧制作，文章以"华强买瓜"剧本配合《JoJo的奇妙冒险》风格进行实测，展示了从需求拆解、角色资产生成、镜头提示词确认到视频拼接与片段迭代修改的完整流程。
过去几年，视频生成模型在清晰度、运动表现和画面质感上不断进步。输入一句文字，模型已经能够生成颇具电影感的视频。
今天的视频生成模型，已经越来越像一个会拍电影的导演。
太卷了！过去两年，视频生成模型把画面参数几乎卷了个遍。
再牛的大模型，也要放到行业面前公开露个面，才算真交卷。
近两年，视频生成模型在具身智能领域受到持续关注。从 UniPi、SuSIE 到各类 action-conditioned video generation 变体，其核心思路一致：先由模型生成一段未来视频，再从中提取动作信号供机器人执行。