AI视频制作教程 | 从脚本生成到智能剪辑的完整解决方案

Top

AI视频 5 months ago • 244

OmniVinci – NVIDIA推出的全模态大语言模型

OmniVinci是什么OmniVinci是NVIDIA推出的全模态大语言模型，专门处理视觉、听觉、语言和推理的多模态任务。通过独特的OmnialignNet技术实现跨模态语义对齐，Temporal Embedding Grouping机制解决时序同步问题，采用Constrained Rotary Time Embedding优化时间感知能力。在Dailyomni等基准测试中，性能超越Qwen

AI中国

AI视频 5 months ago

SAIL-Embedding – 抖音联合港中文推出的全模态嵌入模型

SAIL-Embedding是什么SAIL-Embedding是字节跳动抖音SAIL团队和香港中文大学MMLab联合开发的全模态（omni-modal）嵌入基础模型。解决多模态信息检索和推荐系统中的实际应用问题，通过支持任意模态输入（包括文本、视觉和音频），生成统一且信息丰富的表示，支持多模态检索和分类任务。SAIL-Embedding通过动态难负样本挖掘和自适应多源数据平衡等训练策略，增强了

AI中国

293 0

AI视频 5 months ago

FG-CLIP 2 – 360开源的双语细粒度视觉语言对齐模型

FG-CLIP 2是什么FG-CLIP 2是360推出的开源双语细粒度视觉语言对齐模型，专为解决视觉与语言的精准对齐问题而设计。在视觉语言理解领域取得了重大突破，尤其在中英文双语任务上表现出色。模型采用层次化对齐架构，通过全局语义对齐和细粒度视觉语言学习，逐步提升模型对图像细节的理解能力。引入了动态注意力机制，能智能聚焦图像的关键区域，更好地处理复杂的视觉语言任务。FG-CLIP 2在多个权威

AI中国

252 0

AI视频 5 months ago

NavFoM – 银河通用推出的环视导航基座大模型

NavFoM是什么NavFoM（Navigation Foundation Model）是银河通用联合北京大学、阿德莱德大学、浙江大学等团队发布的全球首个跨本体全域环视导航基座大模型。具备全场景支持能力，可同时适用于室内和室外环境，能在未见过的场景中实现零样本运行。NavFoM支持多种导航任务，如自然语言指令驱动的目标跟随和自主导航，能快速适配机器狗、轮式人形机器人、无人机、汽车等不同本体。核

AI中国

220 0

AI视频 5 months ago

Handy – 开源的语音转文字桌面应用，完全离线

Handy是什么Handy 是开源的语音转文字桌面应用，完全离线运行，支持 Windows、macOS 和 Linux 系统。由 Rust 和 React/TypeScript 构建，界面简洁，操作便捷。用户通过快捷键激活录音，语音经本地处理后直接转为文本，无需联网，保护隐私。Handy 提供多种语音识别模型，如 Whisper 和 Parakeet V3，支持 GPU 加速和自动语言检测。

AI中国

359 0

AI视频 5 months ago

UniWorld V2 – 兔展智能联合北大推出的图像编辑模型

UniWorld V2是什么UniWorld V2是兔展智能和北京大学UniWorld团队推出的新一代图像编辑模型。采用创新的UniWorld-R1训练框架，首次将强化学习策略优化应用于图像编辑，通过DiffusionNFT技术实现高效训练。模型使用多模态大语言模型作为奖励模型，提供稳定且细粒度的反馈，同时引入低方差组过滤机制，提升训练稳定性。能精准理解和渲染复杂的中文字体，支持精细化空间控制

AI中国

299 0

AI视频 5 months ago

讯飞星火X1.5 – 科大讯飞推出的深度推理大模型

讯飞星火X1.5是什么讯飞星火X1.5 是科大讯飞推出的基于全国产算力平台的深度推理大模型。模型率先攻克 MoE 模型全链路训练效率问题，端到端性能达到国际竞品效率的 93% 以上。模型在语言理解、文本生成、知识问答、逻辑推理、数学能力、代码能力等多领域对标国际主流大模型，数学能力保持国际领先水平。模型支持 130 + 种语言，整体性能达到 GPT-5 的 95% 以上，为全球用户提供优质服务

AI中国

255 0

AI视频 5 months ago

UNO-Bench – 美团LongCat推出的全模态大模型评测基准

UNO-Bench是什么UNO-Bench是美团LongCat团队推出的全模态大模型评测基准。UNO-Bench针对现有评测体系的不足，通过高质量、多样化的数据构建，精准衡量模型的单模态与全模态能力。基准首次验证了全模态大模型的“组合定律”，揭示单模态与全模态能力的复杂关系。UNO-Bench创新的多步开放式问题和高效的数据压缩算法，提升了评测的区分度与效率，为推动全模态大模型的发展提供科学的

AI中国

237 0

AI视频 5 months ago

Kosmos – FutureHouse 推出的AI科学家系统

Kosmos是什么Kosmos 是新一代 AI 科学家，由 FutureHouse 推出的自动化科研系统 Robin 升级而来。Kosmos采用结构化世界模型，能高效整合海量信息，单次运行可解析 1500 篇论文、执行 42000 行代码，处理规模远超同类系统。Kosmos 能在神经科学、材料科学、统计遗传学等领域快速完成复杂研究任务，一天工作量相当于人类科学家六个月的投入，且 79.4% 的

AI中国

182 0

AI视频 5 months ago

Kimi-k2 Thinking – 月之暗面推出的思考模型

Kimi-k2 Thinking是什么Kimi-k2 Thinking 是月之暗面推出的具备通用 Agentic 能力和深度推理能力的人工智能模型。模型能进行多轮工具调用，支持长达 256k 的上下文处理，适合复杂任务的逐步推理和规划。模型推理过程通过 reasoning_content 字段展示，帮助用户理解思考逻辑。Kimi-k2 Thinking 包含高速版 Kimi-k2 Thinki

AI中国

152 0

AI视频 5 months ago

Open-o3 Video – 北大联合字节开源的视频推理模型

Open-o3 Video是什么Open-o3 Video 是北京大学和字节跳动联合开发的开源视频推理模型，通过整合显式的时空证据（关键时间戳和边界框）来实现精准的视频推理。通过精心策划的 STGR 数据集和两阶段的 SFT-RL 训练策略，实现了在 V-STAR 基准测试中的最佳性能。非代理框架设计，能高效地处理复杂的时空关系，在视频推理任务中表现出色。训练过程包括冷启动初始化和强化学习两个

AI中国

132 0

AI视频 5 months ago

iTerms

iTerms是法大大集团旗下专业AI法律品牌，基于最先进的大语言模型（LLM）、权威法律知识库和智能体架构，为企业提供智能化法务与合规解决方案。它可自动审查合同、识别法律风险、提供法规问答与决策支持，帮助企业扫清合规障碍、筑牢风控防线。iTerms智能法务顾问可广泛应用于合同管理、企业法务、数据合规、政策解读、纠纷预警等多元场景，成为您企业专属的AI法律顾问。一、iTerms 是什么？iTe

AI中国

124 0

AI视频 5 months ago

ChatGPT Atlas

ChatGPT Atlas 是什么？ChatGPT Atlas 是由 OpenAI 推出的桌面浏览器（目前仅限 macOS），其特色在于将 ChatGPT 聊天助手深度融入浏览体验。其核心理念是：你浏览网页时，AI 不仅帮你搜索，更能分析、总结、甚至替你动手。官方说明指出：在 Atlas 中，你可以“ask ChatGPT to take action and do things for

AI中国

154 0

AI视频 5 months ago

Face GPT: AI Face Swap

🧠 Face GPT 是什么？Face GPT 是一款基于人工智能的在线换脸工具，能够通过上传两张照片（源脸与目标图像）自动实现高精度人脸替换（Face Swap）。用户无需安装软件，也不需要任何图像编辑经验，只需几秒钟就能生成自然逼真的换脸照片。Face GPT 利用深度学习与面部识别算法实现：精准捕捉面部特征与表情；智能匹配肤色、光照与角度；实现“几乎真实”的人脸融合效果。

AI中国

126 0

AI视频 5 months ago

JoyPix.ai

🧠 JoyPix.ai 是什么？JoyPix.ai 是一款整合多种生成式AI技术的视频创作平台，主打 AI视频生成（AI Video Generator）与 AI说话头像（Talking Photo）功能。用户只需上传一张照片，即可生成自然流畅的“会说话的视频”，无需相机拍摄，也不需要任何视频剪辑经验。JoyPix 的核心模型 Motion-2 被誉为目前最先进的AI唇形同步技术，能真

AI中国

178 0

AI视频 5 months ago

Kimi Linear – 月之暗面开源的新型混合线性注意力架构

Kimi Linear是什么Kimi Linear 是月之暗面推出的新型混合线性注意力架构，专为提升大型语言模型（LLMs）在长序列任务中的效率和性能设计。核心组件 Kimi Delta Attention（KDA）通过精细化的通道级门控机制和高效的块处理算法，显著提升模型的表达能力和硬件效率。Kimi Linear 采用 3:1 的 KDA 与全注意力层（MLA）混合设计，大幅减少 KV 缓

AI中国

257 0

AI视频 5 months ago

Music 2.0 – MiniMax推出的新一代音乐创作模型

Music 2.0是什么Music 2.0 是MiniMax最新推出的先进音乐创作模型。模型能精准捕捉和还原人声的细腻情绪与器乐的动态张力，支持多种唱法和风格切换，如流行、爵士、摇滚等，还能实现男女对唱、阿卡贝拉等效果。模型生成的旋律抓耳且具有完整结构，能独立控制伴奏乐器，打造丰富编曲。音质升级，带来沉浸式体验，生成影视级配乐独白。Music 2.0让音乐创作让每个人都能轻松表达音乐灵感，实现

AI中国

291 0

AI视频 5 months ago

Aardvark – OpenAI推出的漏洞发现与修复智能体

Aardvark是什么Aardvark 是 OpenAI 推出的基于 GPT-5 的智能体，能自动发现和修复代码中的安全漏洞。Aardvark通过不间断地分析源代码仓库，识别漏洞、评估可利用性、划分严重等级，提出针对性修复方案。Aardvark 用多阶段工作流程，包括分析、提交扫描、验证和修复，能像人类安全研究员一样阅读代码、编写测试、验证漏洞。Aardvark能无缝集成 GitHub 和现有

AI中国

251 0

AI视频 5 months ago

WOWService – 美团推出的大模型交互系统技术报告

WOWService是什么WOWService 是美团 LongCat 团队发布的智能交互系统，通过融合大型语言模型（LLMs）和多智能体架构，优化用户体验并降低成本。系统针对智能交互领域的五大挑战：冷启动数据构建、多轮对话性能、业务规则变化、单一 LLM 的局限性以及多轮对话的量化评估难题，提出了创新解决方案。WOWService 采用四阶段训练流水线：持续预训练（CPT）、有监督微调（SF

AI中国

282 0

AI视频 5 months ago

AI阴影去除器

🌤️ AI阴影去除器是什么？AI阴影去除器Remove Shadow From Photo 是一款专业级的 AI照片去阴影工具，通过先进的机器学习算法，自动识别并去除人像、产品或风景照片中的阴影，让图像恢复自然光照和平衡的视觉效果。它能在数秒内完成阴影去除，输出高达4K分辨率的干净照片，无需专业技能或复杂操作。这款工具由AI影像技术驱动，深度学习了数百万张照片的光影特征，因此在“识别阴影

AI中国

205 0

AI视频 5 months ago

酷宣AI

🚀 一、酷宣AI是什么？酷宣AI 是一个集 AI图文排版、AI生图、AI修图、AI视频生成、AI动图制作于一体的超级智能体内容创作平台。它融合了多种先进的AI生成模型，覆盖从文字 → 图片 → 视频 → 动图的全链路内容创作场景，帮助用户在几分钟内完成专业级视觉内容。无论你是自媒体创作者、品牌营销人员、教师、还是设计小白，酷宣AI都能帮助你：快速生成高颜值图文内容一键制作海报、

AI中国

198 0

AI视频 5 months ago

Hailuo 2.3 – MiniMax推出的AI视频生成模型

Hailuo 2.3是什么Hailuo 2.3 是MiniMax推出的先进 AI 视频生成模型，基于 Hailuo 02 升级而来。模型在肢体动作、微表情、风格化表现及物理真实性方面实现显著提升，能生成更加流畅自然且复杂的动态画面，支持多种画风，如动漫、水墨等。模型对运动指令的响应更加精准，画面效果接近实拍。Hailuo 2.3 包含Hailuo 2.3 提供高质量的视频生成效果，适合对细节和

AI中国

183 0

AI视频 5 months ago

Glyph – 智谱联合清华开源的视觉文本压缩框架

Glyph是什么Glyph 是智谱联合清华大学 CoAI 实验室开源的创新框架，能通过视觉 – 文本压缩解决大语言模型（LLM）上下文过长的问题。框架将长文本渲染为图像，用视觉语言模型（VLM）处理图像，实现 3 – 4 倍的上下文压缩。Glyph 显著降低了计算成本和显存占用，同时大幅提升推理速度。Glyph在多模态任务中表现出色，展现出强大的泛化能力。Glyph的主要功能长上下文压

AI中国

265 0

AI视频 5 months ago

GigaBrain-0 – 开源VLA具身模型，基于世界模型生成的数据

GigaBrain-0是什么GigaBrain-0 是新型的视觉-语言-行动（VLA）基础模型，由世界模型生成的数据驱动。模型通过大规模生成多样化数据，减少了对真实机器人数据的依赖，显著提升了跨任务泛化能力。采用 RGB-D 输入建模，增强了空间感知能力，通过具身思维链（Embodied CoT）监督，强化了模型在任务执行中的推理能力。使得 GigaBrain-0 在真实世界中的灵巧操作、长时

AI中国

183 0

AI视频 5 months ago

SoulX-Podcast – Soul推出的多说话人语音合成模型

SoulX-Podcast是什么SoulX-Podcast 是 Soul AI Lab 推出的多说话人文本到语音（TTS）模型，专为生成长篇播客对话设计。模型参数为1.7B，支持普通话、英语及多种汉语方言（如四川话、河南话、粤语等），具备跨方言提示功能，可通过普通话提示生成目标方言语音。模型支持副语言控制（如笑声、叹气等），增强语音合成的真实感。SoulX-Podcast 能生成超过 90 分

AI中国

149 0

AI视频 5 months ago

FlowithOS – Flowith推出的全球首个智能体操作系统

FlowithOS是什么FlowithOS是Flowith推出的全球首个智能体操作系统，使其能像人类一样与数字世界互动。FlowithOS具备浏览器、终端和脚本使用功能，能自动执行复杂任务，如文件管理、游戏操作等。通过在线强化学习和自我进化能力，FlowithOS的智能体能随时间变得更加智能和个性化。在性能评测中，Flowith OS 表现卓越，其“代码 + 视觉”双模态理解框架使其在网页操作

AI中国

236 0

AI视频 5 months ago

Speech 2.6 – MiniMax推出的语音生成模型

Speech 2.6是什么Speech 2.6 是MiniMax推出的全新语音生成模型，专为新一代语音智能体设计，具备超低延时（低于250毫秒），确保实时对话流畅；支持多种语言的网址、邮箱、电话号码等非标准文本格式的直接转换，无需繁琐预处理。模型通过 Fluent LoRA 技术，进一步提升音韵自然度和音色复刻的流利性，原始素材带有口音或不流利，也能生成高质量语音。模型适用智能客服、智能硬件等

AI中国

288 0

AI视频 5 months ago

FIBO – 开源的图像生成模型，首个原生支持JSON

FIBO是什么FIBO 是首个开源的原生支持 JSON 的文本生成图像模型，专为长结构化描述训练而成。模型在超过 1 亿条结构化 JSON 描述（每条约 1,000 字）上训练，能精确、可重复地控制光线、构图、色彩与相机参数。FIBO 支持生成、精修和灵感三种模式，具备特征解耦能力，能单独调整某个属性不破坏整体场景。FIBO使用 100% 授权数据，确保合规性和法律透明性，适合专业工作流。

AI中国

169 0

AI视频 5 months ago

Sonic-3 – Cartesia推出的实时语音对话模型

Sonic-3是什么Sonic-3是Cartesia最新发布的语音AI引擎，是当前市场上速度最快、最自然的实时语音对话模型。采用创新的“状态空间模型”（SSM）架构，非传统的Transformer模型，能更有效地模拟人类思维，记住对话主题和情绪，无需每次都从头分析上下文。使得Sonic-3的延迟低于100毫秒，在实时语音交互行业中处于领先地位。Sonic-3支持42种语言，覆盖全球95%的人口

AI中国

264 0

AI视频 5 months ago

Composer – Cursor推出的自研编码模型

Composer是什么Composer 是Cursor推出的自研编码模型，专为低延迟的智能体式编码设计。模型生成速度极快，每秒可达 250 个 token，是同等智能模型的 4 倍，大多数任务在 30 秒内完成。Composer 通过语义搜索等工具训练，对大型代码库的理解和处理能力显著更强。模型支持调用多种工具，如代码编辑、终端命令和语义搜索，同时具备并行处理能力，可并行运行多个智能体以提升复

AI中国

256 0

加载更多

Popular Tags

API应用软件测试AI HiDDeN 蛋仔派对小剧场 english HealthBench AI新词:OmniAudio Gaia2 AI助手推荐 AI笔记

Popular Authors

AI中国

11569 Articles 95.03万 Followers

钛媒体APP

1489 Articles 0 Followers

IT之家

1221 Articles 5.64K Followers

人人都是产品经理

1210 Articles 5.87万 Followers

AIbase基地

1093 Articles 9.63万 Followers

36氪

1024 Articles 5.63K Followers

登录账号

Recommended Articles

别错过这场AGI风暴！清华人大等AI大佬集结，剑指数字世界进化

下手帮你干活直接交付结果 纳米AI超级搜索智能体发布

“AI医生”可能要来了！报告称：在疾病诊断方面，AI已超越人类！

独家！字节上线“卷王”级产品“探饭”，全功能AI饭搭子

小米米家冰箱 Pro 双系统法式平嵌 508L 新增星锻银配色，国补价 3999 元起

速抢（2核2G）77元/年香港免备案服务器

王炸！现在AI竟然可以做108个姿势摆放？挑战男人的生理极限！！ 零基础AI绘画教程stablediffusion教程

【360GPT】360的AI孩子-搜索场景现场演示

Popular Tags

Popular Authors

为您推荐

下手帮你干活直接交付结果纳米AI超级搜索智能体发布

王炸！现在AI竟然可以做108个姿势摆放？挑战男人的生理极限！！零基础AI绘画教程stablediffusion教程