AI视频生成技术:从入门到精通的全景指南
AI视频生成技术正迅速革新内容创作领域。本专题深入解析AI视频生成的核心原理,涵盖文本生成视频、图像转视频等前沿技术,并提供从基础到进阶的实用教程,帮助内容创作者、营销人员及爱好者快速掌握主流工具。同时,汇总行业最新动态、创意应用案例与优化技巧,探讨其在教育、娱乐、商业营销等多场景的发展趋势,旨在为读者提供一站式、高质量的学习与实践资源,提升创作效率与创意表现力。
TOP1
阿里巴巴公开视频生成模型训练专利,核心技术解析
企查查APP显示,近日,阿里巴巴(中国)有限公司申请公布“视频生成方法、视频生成模型的训练方法及任务平台”专利。专利摘要显示,本说明书实施例提供了一种视频生成方法、视频生成模型的训练方法及任务平台,
TOP2
前字节大佬杨建朝创业:押注视频生成模型新赛道
3月3日消息,据雷峰网报道,近日,多渠道消息显示,前字节跳动多模态基础模型负责人杨建朝已于2025年开启视频生成模型的创业之路。据悉,杨建朝创业初期计划首轮融资5000万美元。随着字节Seedanc
TOP3
视频生成模型SeeDance走红,北青实测三大模型应用效果
“2025年春节DS(DeepSeek)让所有人用上了AI,2026年春节SD(SeeDance)让视频生成模型火遍全网”,最近一句流行语道出了视频生成模型SeeDance 的走红。2月14日,火山
TOP4
港大AI视频技术突破:机器人首获“透视眼”实现超视野导航
这项由香港大学研究团队主导的突破性研究于2026年2月发表在计算机视觉顶级期刊上,论文编号为arXiv:2602 05827v1。该研究首次将视频生成技术引入机器人导航领域,让机器人能够在看不见目标
TOP5
视频生成新突破:迈向通用世界模拟器的关键进展
近年来,视频生成(Video Generation)与世界模型(World Models)已跃升为人工智能领域最炙手可热的焦点。从 Sora 到可灵(Kling),视频生成模型在运动连续性、物体交互
TOP6
BridgeV2W模型:如何让机器人通过视频生成预演未来世界
机器人如何 "脑补 "未来?想象一下,你面前摆着一杯咖啡,你伸手去拿,在你的手真正触碰到杯子之前,你的大脑已经在 "脑补 "了整个过程:手臂将如何移动、杯子会是什么触感、抬起后桌面的样子……这种对未来场景的
TOP7
PickStyle视频风格适配器:用上下文迁移完成视频风格转换
论文提出PickStyle框架,用风格适配器增强预训练网络,靠配对静态图像数据训练,还通过构建合成训练片段弥合差距,引入CS-CFG确保风格迁移与内容保留。实验表明,该方法能实现优质视频转换,优于现
TOP8
清华系初创企业获视频生成领域最大单笔融资
智东西作者 陈骏达编辑 李水青智东西2月5日报道,今天,北京多模态生成技术创企生数科技宣布完成超过6亿元人民币A+轮融资。生数科技还披露,2025年该公司实现用户和收入超10倍增长,用户和业
TOP9
首个Deep Research评测基准:视频理解与开放网络搜索
来自QuantaAlpha、兰州大学、香港科技大学(广州)、北京大学等机构的研究者联合推出了首个视频深度研究(Video Deep Research)评测基准VideoDR。 在传统的视频问答(Vi
TOP10
MoonMath突破视频AI瓶颈:闪电生成背后的关键技术
这项由MoonMath ai团队的Dor Shmilovich、Tony Wu、Aviad Dahan和Yuval Domb共同完成的突破性研究发表于2025年神经信息处理系统会议(NeurIPS
TOP11
PickStyle指南:用上下文风格适配器实现视频风格转换
PICKSTYLE 是一个基于 VACE 构建的视频到视频风格迁移框架,它配备了上下文风格适配器和新颖的 CS-CFG 机制。 利用扩散模型做视频风格迁移,想保留原视频内容的同时渲染成指定风格,但面
TOP12
MultiTalk模型解析:98.7%语音视觉对齐精度的多角色对话SOTA
MultiTalk以DiT(Diffusion-in-Transformer)为基础的视频扩散模型作为其核心骨架。 由中山大学、美团、港科大开源的MultiTalk 可实现多虚拟人对话视频生成。在语
TOP13
华盛顿大学AI突破:视频生成实现“边想边画”创作
这项由华盛顿大学的洪苏成(Susung Hong)与Adobe研究院的葛崇健(Chongjian Ge)、张志飞(Zhifei Zhang)、王瑞贤(Jui-Hsien Wang)合作完成的研究发表
TOP14
阿里与中科院:突破视频生成模型创意边界的关键一步
这是一项由中国科学院大学、阿里巴巴高德地图事业部、中国科学院自动化研究所以及清华大学、东南大学的研究团队共同完成的突破性研究。论文由吴美琪、朱家树、冯晓坤、陈楚彬、朱晨等多位研究者撰写,已发表在20
TOP15
豆包视频功能升级,支持同步生成声音与画面
近日,豆包App视频生成能力升级,支持Seedance1 5 Pro模型,可一键生成声音和画面相匹配的有声视频。打开豆包App对话框,选择“照片动起来”,上传图片并输入提示词,选择“1 5 Pro”















