近一年以来，AI 视频生成技术发展迅猛。自 2024 年初 Sora 问世后，大家惊喜地发现：原来 AI 可以生成如此逼真的视频，一时间各大高校实验室、互联网巨头 AI Lab 以及创业公司纷纷入局视频生成领域。
深夜重磅！阿里发布并开源首个端到端全模态大模型——
轨迹可控的视频生成来了，支持三种不同级别的轨迹控制条件——分别为掩码、边界框和稀疏框。研究人员提出了MagicMotion，一种创新的图像到视频生成框架，共同第一作者为复旦大学研究生李全昊、邢桢，通讯作者为复旦大学吴祖煊副教授。
视频作为包含大量时空信息和语义的媒介，对于 AI 理解、模拟现实世界至关重要。视频生成作为生成式 AI 的一个重要方向，其性能目前主要通过增大基础模型的参数量和预训练数据实现提升，更大的模型是更好表现的基础，但同时也意味着更苛刻的计算资源需求。
如何让你的模型能感知到视频的粒度，随着你的心思想编辑哪就编辑哪呢？
自 24 年 11 月起，我开始动手打造一个专注于 AI视频作品展示 的网站。在 AI 的助力下，我独立完成了 前后端与插件开发，成功落地了人生第一款真正意义上的个人作品。这篇文章将围绕 项目介绍、开发历程、工具使用心得、小白成长思考 等方面，分享我在这几个月中的所有收获与感悟。
谷歌Gemini迈出关键一步：「睁眼看世界」。用户发现Gemini新增实时屏幕共享功能，能准确识别屏幕上的内容并实时互动；并且可以打开摄像头与物理世界交互，帮用户给釉陶「上色」。
谷歌发言人 Alex Joseph 在给The Verge的电子邮件中证实，谷歌已开始向 Gemini Live 推出新的 AI 功能，使其能够看到你的屏幕或通过你的智能手机摄像头回答有关实时问题。
先上一张图，这是一组 AI 生成视频的封面，如果你看到这些图片就已经感到不适，再细想一下，这要是你随手下滑，自动播放的短视频呢？
测一测现有AI生成视频是否符合物理运动规律！
