据 The Informaton 报道，字节跳动已经暂缓了视频生成模型 Seedance 2.0 的全球发布计划。背后的导火索，是一连串来自好莱坞头部片厂和流媒体平台的版权争议。
基于对注意力特性的观察，CineTrans 提出块对角掩码的通用机制，使视频生成模型能高效地自动化转场。为了进一步提升转场模型的效果和准确性，作者设计了详细的多镜头视频生产管线，并收集了一个高质量、多镜头数据集 Cine250K，大幅提升多镜头转场视频生成的效果。作为首个时间级可控的自动化转场模型，CineTrans 为这一领域的众多后续方法提供了关键技术。
2026年2月12日，字节跳动正式发布新一代AI视频生成模型Seedance 2.0，同步接入豆包App、即梦App等平台，凭借广播级画质、丝滑运镜、多镜头叙事控制的工业级生成能力，迅速引发全球行业关注。
随着豆包大模型和seedance视频生成模型等业务的爆发，自研芯片成功后，字节有望大大降低其算力成本。
2月7日，字节跳动AI视频生成模型Seedance2.0开启灰度测试，该模型支持文本、图片、视频、音频素材输入，可以完成自分镜和自运镜，镜头移动后人物特征能够保持一致。
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、物体交互与部分物理先验上逐渐表现出更强的「世界一致性」，让人们开始认真讨论：能否把视频生成从「逼真短片」推进到可用于推理、规划与控制的「通用世界模拟器」。
xAI“迄今为止最强大的视频音频生成模型”Grok Imagine 1.0版本，正式全面上线。
今日，来自生数科技的AI视频模型Vidu Q3 Pro登上国际权威AI基准平台Artificial Analysis榜单，位列中国第一，全球第二。这是最新榜单内，首个打入国际第一梯队的国产视频生成模型。
今天上午，上海创智学院 OpenMOSS 团队联合初创公司模思智能（MOSI），正式发布了端到端音视频生成模型 —— MOVA（MOSS-Video-and-Audio）。
随着 AIGC（Artificial Intelligence Generated Content） 的爆发，我们已经习惯了像 Sora 或 Wan 这样的视频生成模型能够理解「一只宇航员在火星后空翻」这样天马行空的指令。然而，3D 人体动作生成（3D MoGen）领域却稍显滞后。
