生成

11月11日，字节在豆包大模型团队官网上公布最新通用图像编辑模型SeedEdit。 SeedEdit支持一句话轻松改图，包括修图、换装、美化、转化风格、在指定区域添加删除元素等各类编辑操作，通过简单的自然语言即可驱动模型编辑任意图像。 目前，该模型已经在豆包PC端及即梦网页端开启测试。

11月8日，字节跳动旗下的AI内容平台即梦AI宣布，即日起，由字节跳动自研的视频生成模型Seaweed面向平台用户正式开放。 用户登陆后，在“视频生成”功能下，视频模型选择“视频S2.0”即可体验。 图说：即梦AI PC端和App端模型使用入口9月底，字节跳动正式宣布向AI视频领域进军，发布豆包模型家族的两款视频生成模型Seaweed和Pixeldance，并通过即梦AI、火山引擎分别面向创作者和…

Sora爆火以来，“视频生成模型到底懂不懂物理规律”受到热议，但业界一直未有研究证实。 近日，字节跳动豆包大模型团队公布最新论文，研究历时8个月，围绕“视频生成模型距离世界模型有多远”首次在业界完成系统性实验并给出明确结论：视频生成模型可以记忆训练案例，但暂时还无法真正理解物理规律，做到“举一反三”。 图灵奖得主、Meta首席AI科学家杨立昆点赞并转发了该研究，表示“结论不令人意外，但很高兴终于有…

腾讯混元今日开源了 Hunyuan3D-1.0 大模型，官方称这是首个同时支持文生和图生的 3D 开源大模型。 ▲ 文生模型▲ 图生模型模型采用两阶段生成方法，官方表示在保证质量和可控的基础上，10 秒即可生成 3D 资产：第一阶段，团队采用了一种多视角扩散模型，轻量版模型能够在大约 4 秒内生成多视角图像。 这些多视角图像从不同的视角捕捉了 3D 资产的丰富的纹理和几何先验，将任务从单视角重建松…

人类只需要演示五次，就能让机器人学会一项复杂技能。 英伟达实验室，提出了机器人训练数据缺乏问题的新解决方案 ——DexMimicGen。 五次演示之后，DexMimicGen 就可以直接模仿出 1000 个新的 demo。

AI 公司 DecartAI 联合 Etched 推出了名为 Oasis 的世界模型，可以在“没有游戏引擎、没有逻辑、没有代码”的情况下运行一个大致近似于《我的世界》的游戏。 然而，这款 AI 生成的“游戏”却引发了广泛的批评和争议。 然而，Oasis 的画面质量令人失望，分辨率和帧率分别为 360p 和以 20 FPS，甚至不如任天堂 64 时代的游戏。

OpenAI 本周公布了一款名为 sCM（Continuous-Time Consistency Model）的新型 AI 文生图方案。 与传统的扩散模型相比，sCM 仅需两个步骤即可生成高质量样本，号称能够将文生图效率提升约 50 倍，且生成的样本质量能与“业界较强的扩散模型”相比较，为 AI 文生图提供了新的方案。 目前业界通常使用扩散模型生成图片及音视频，但传统扩散模型的取样过程通常缓慢，通…

谷歌 DeepMind 于 10 月 23 日宣布正式开源旗下 SynthID Text 文本水印工具，供开发者和企业免费使用。 谷歌在 2023 年 8 月推出了 SynthID 工具，该工具具备创建 AI 内容水印（声明该作品由 AI 打造）和识别 AI 生成内容的能力。 它可以在不损害原始内容的前提下，将数字水印直接嵌入由 AI 生成的图像、声音、文本和视频中，同时也能扫描这些内容已有的数字…

现在，大模型能生成 RPG 角色扮演游戏了。 根据初始用户输入，它能设置游戏模拟环境，并在环境中生成角色动作。 来自谷歌，北卡罗来纳大学教堂山分校新研究，他们尝试的第一款游戏叫作 Unbounded，灵感来自《模拟人生》。

阿里巴巴达摩院本月开源了一款名为 CoI-Agent 的 AI 工具，旨在帮助科研人员自动生成科研想法。 这款工具通过输入特定的论文主题，能够迅速生成相关的科研 idea，从而节省科研人员的时间，提高工作效率。 只需输入一个主题，CoI-Agent 就能生成一系列相关的关键词、研究问题和研究方法。

AI好好用报道编辑：杨文目前发布的最大的开源视频生成模型。 Genmo 当了一回「赛博菩萨」。 昨晚，AI 视频生成公司 Genmo 推出了最新的视频生成模型 Mochi 1 ，并且大手一挥，直接给开源了 。

科技媒体 The Decoder 昨日（10 月 22 日）发布博文，报道称谷歌 DeepMind 团队携手麻省理工学院（MIT），推出了全新的“Fluid”模型，在规模达到 105 亿参数时候，能取得最佳的文生图效果。 目前在文生图领域，行业内的一个共识是自回归模型（Autoregressive Models）不如扩散模型（Diffusion Models）。 AI在线简要介绍下这两种模型：扩散…

社交媒体巨头 Meta 昨日在 Threads 平台上发布了一组使用人工智能生成的北极光图片，并建议用户用 AI 来“假装”看到了这一自然奇观。然而，这一建议遭到了众多网友的批评。AI在线注意到，Meta 的帖子旨在借势周四晚上美国罕见地出现北极光现象，宣传自家的 AI 服务，图片展示了北极光在金门大桥、城市天际线和摩天轮上方的景象。

梵高名作也能被 AI 逆向破解了？！直接喂一张原图，AI 就能化身梵高・本高一点点重绘整张图画（原图可任意）。

AI在线 发布 2024年9月全球和国内AI网站流量排行榜、全球AI网站增长率排行榜，并联合 哥飞的朋友们出海社群 发布出海AI网站流量排行榜！

AI在线 发布 2024年9月全球和国内AI网站流量排行榜、全球AI网站增长率排行榜，并联合 哥飞的朋友们出海社群 发布出海AI网站流量排行榜！

科技媒体 The Decoder 昨日（10 月 3 日）发布博文，报道称 Black Forest Labs 最新推出了 Flux 1.1 Pro，并以 Beta 版的形式推出 BFL API。黑森林实验室（Black Forest Labs）是一家位于德国的初创公司，专注于开发最先进的生成性人工智能模型。Flux 简介Flux 在 AI 文生图领域有着“最强”称号，在多个方面有着卓越表现：生成…

科技媒体 The Decoder 昨日（10 月 1 日）发布博文，报道称 Luma AI 升级推出 1.6 版 Dream Machine，AI 视频生成速度快 10 倍。Luma AI 简介Luma AI 是一家专注于人工智能技术的公司，主要提供视频生成和 3D 捕捉的解决方案。Dream Machine 简介Dream Machine 是一个先进的文本转视频生成器，用户可以通过输入文本来创建…

9 月 24 日，火山引擎 AI 创新巡展在深圳举办，带来了豆包大模型的最新进展。豆包大模型家族迎来了新成员。具体来说，火山引擎全新推出了豆包・视频生成模型，以及豆包音乐模型、同声传译模型，同时还升级了通用语言模型、文生图模型、语音模型，不断增强各类模态以及规模化的调用量，让豆包大模型“更强模型、更低价格、更易落地”的优势持续凸显。此外，多家行业客户也在会上分享了大模型应用的实践经验。本次豆包带来…

美图公司今天宣布，旗下的“奇想大模型”视频生成能力完成全面升级，在实现生成能力、生成效率以及模型性能的三重进阶基础上，结合美图在计算机视觉领域的多项自研技术，实现了视频生成时长、画质、流畅性、真实性及可信度等方面的提升。据悉，美图奇想大模型的单次文生视频时长、单次图生视频时长均达 5 秒，支持生成 1 分钟、24FPS、1080P 的超长视频，升级后的视频生成功能将逐步覆盖美图秀秀、美颜相机、Wi…

快手可灵 AI 今日面向全球发布可灵 1.5 模型，新增“运动笔刷”功能。据介绍，“运动笔刷”功能为图片中的元素（人或物体等）指定运动轨迹，还支持额外指定静止区域，提升画面可控性。同时，可灵 AI 的视频画质有所提升，支持生成 1080p 视频，同时构图更美观、动作更合理、文本相关性提升。快手高级副总裁盖坤  9 月 13 日在投资者日上披露，截至目前，已有超过 260 万人使用过快手的视频生成大…

在今日的 2024 云栖大会上，阿里云发布了通义万相 Wanx 视觉生成大模型的新升级，能力全面进化。通义万相除了此前的文生图能力，现已支持文生视频、图生视频等，还有插画设计、涂鸦作画、局部重绘、短片创作、配乐生成等场景化能力。据阿里云官方透露，通义万相累计创作图片数已达 7500 万 ，累计用户数已达 93 万 。通义万相官网显示，全新发布自研 AI 视频生成大模型，具备“强大的画面视觉动态生成…

随便给张图就能从更多视角查看全景了？！话不多说，先看一波效果，单视角输入 be like：难度升级，接下来换成双视角，看起来衔接也非常丝滑。以上来自 ViewCrafter，由北大、港中文、腾讯等机构的研究人员提出，可以从单张或稀疏输入图像生成精确相机可控的新视角视频。还支持场景级文生 3D、图生 3D、以及稀疏视角重建等应用。目前论文和代码均已开源，并提供了在线 Huggingface demo…

感谢阿里通义将在 2024 云栖大会（9 月 19 日至 9 月 21 日）期间发布视频生成大模型，目前通义 App 频道和通义万相 PC 端已上线“视频生成”入口，仅支持用户预约，但未开放使用。页面内容显示，全新发布的视频生成大模型是由通义实验室自主研发，包含“文生视频”和“图生视频”两种创作模式。AI在线测试，预约成功后，阿里通义会在用户获得使用资格时进行通知，并赠送给用户 66 灵感值（有效…