搜索
《读佳》独家获知，Soul将推出专为交互场景打造、超具活人感的语音合成产品“Loxinity（洛希无限）”，和市面上面向配音、短视频的TTS不同，这套模型从底层瞄准实时交互场景，主打强活人感。它支持单人配音、多人对话两种模式，配套音色克隆、音色设计等工具，还开放API接入。Loxinity下辖语音合成模型Loxi Speech和视频生成模型Loxi Avatar。
视频生成模型的视觉质量不断提升，但当前主流视频扩散模型仍面临两项根本局限。第一是物理规律约束不足：模型从像素中学习世界的视觉表象，却缺少物理方程的显式约束，画面看似合理，实际却不符合物理规律。
让视频生成模型沿着相机轨迹不断探索一个场景，并不算最难。真正困难的是：当镜头绕了一圈再次回到原点，房间的布局、家具的位置和墙面的纹理，是否还与最初一样？
AI 视频越来越逼真，生成它的算力却并不便宜。复杂的动作、连贯的镜头和细腻的画面，背后都需要大量计算。一旦进入批量制作，反复生成、修改和重试的开销便会累积，成为创作者与视频平台必须考虑的成本。
刚刚，一则消息让已经被 OpenAI 放弃的视频生成模型 Sora，再次回到公众视野。
今天，外网被这个视频刷屏了。有人用Fable 5.5一键生成了一部「人类数万年进化史」，把整个人类历史压缩进了3分钟。整个过程，都是用纯代码写出，零视频素材，零版权音乐，没有使用任何视频生成模型。
可灵AI发布时隔8个月大版本更新的旗舰视频生成模型Kling 4.0及轻量版Kling 4.0 Flash，单次原生生成时长提升至30秒，最多支持10个关键帧输入，新增双通道立体声输出，并将很快推出4K 10-bit HDR格式。
近年来，视频生成模型在清晰度、时序一致性和可控性上快速进步。给定文本、图像、相机轨迹或玩家动作，模型已经能够合成连贯的后续画面，也让「可交互视频世界」逐渐从概念走向可观看、可操作的原型。
Runway发布首个界面世界模型Solaris，基于Gen-4.5视频生成模型与GWM-1世界模型技术，用户通过点击、拖拽或输入文本即可实时生成交互界面而无需编写代码，该系统还可用于训练Computer Use Agent。
阿里千问创作平台上线 Wan 3.0 视频生成模型及 Agent Teams 多智能体协作模式，用户输入剧本与一句话提示词即可由编剧、导演、美术、分镜师、配乐师等 Agent 自动接力完成影视短剧制作，文章以"华强买瓜"剧本配合《JoJo的奇妙冒险》风格进行实测，展示了从需求拆解、角色资产生成、镜头提示词确认到视频拼接与片段迭代修改的完整流程。