一度被 OpenAI 的 ChatGPT 打得有点“懵”的谷歌，最近终于亮剑了：一出手就是“三连招”，招招见响。就像武林高手重出江湖，谷歌不再是那个手握重剑却步...

.studio是自动化创作的“掌上工坊”。在视频内容为王的时代，如何让演示视频看起来像专业大片？

BoltzGen是MIT团队打造的一个全原子生成模型，能够设计涵盖所有模态的蛋白质和多肽，以结合各类生物分子靶标。BoltzGen在其生成式设计过程中构建了关于...

BoltzGen是MIT团队打造的一个全原子生成模型，能够设计涵盖所有模态的蛋白质和多肽，以结合各类生物分子靶标。BoltzGen在其生成式设计过程中构建了关于...

以前我也不理解，凭啥B站的鬼畜都是几百上千万的播放量，剪辑二创就可以让各个历史人物唱歌，对话，但是凭什么AI视频就被点名？我一开始还在为AI视频等鸣不平...

InSpace.chat是一个专为教育场景打造的视频协作平台，旨在通过沉浸式虚拟教室重塑在线学习体验。该平台强调社区感、协作性和关系建设，让学生在虚拟校园中拥有...

《FFmpeg开发实战：从零基础到短视频上线》一书的“第 12 章 FFmpeg的移动开发”介绍了如何使用FFmpeg在手机上剪辑视频，方便开发者更好地开发类...

[mHC: 流形约束的超连接](https://arxiv.org/abs/2512.24880)

(1)在大屏幕、显示器上显示管理区段的视频图像，当有警报发生时自动切换现场画面在大屏幕、显示器上显示(重大事件应有声音报警)，并进行视频存储。

在这些重点区段和点位可实现精确定位，通过雷达的全天候对道路流量和事故的感知，联动附近遥控摄像机进行视频查看，来实现突发事件主动发现、快速发现，补充视频监测的不足...

视频编码器是将视频转换为向量表示的关键组件，最新的视频编码器采用了高效的3D CNN和视频Transformer架构，如Video Swin Transform...

甚至，以为内Suno V5的强大，以AI音乐为代表的各大模型，在B站井喷，直接掀起了文艺复兴，大量的鬼畜视频、二创视频开始用Suno V5生成歌曲。

论文链接：https://arxiv.org/pdf/2512.22096 开源代码：https://github.com/stdstu12/YUME 工程...

图1 KlingAvatar 2.0生成生动、保持身份的数字人类，具备精准的摄像头控制、丰富的情感表达、高质量的动作以及精准的面部-唇部和音频同步。它实现了音频...

前段时间，旧金山大停电，Waymo 无人驾驶出租车集体趴窝，但依靠 FSD 系统驱动的特斯拉汽车丝毫不受影响。

第一作者徐源诚是 Netflix Eyeline 的研究科学家，专注于基础 AI 模型的研究与开发，涵盖多模态理解、推理、交互与生成，重点方向包括可控视频生成及...

未来，包括 TurboDiffusion 在内的视频生成加速技术势必会更加成熟，我们可以想象更长时长的 1080p 甚至 4k 分辨率的视频同样可以做到实时生成...

近日，多模态视频理解领域迎来重磅更新！由复旦大学、上海财经大学、南洋理工大学联合打造的 MeViSv2 数据集正式发布，并已被顶刊 IEEE TPAMI 录用。

视觉生成模型的安全研究长期聚焦于文本到图像（T2I）单模态场景，而图生视频（I2V）技术的兴起，正带来多模态协同与维度升级的双重核心挑战。文本 - 图像输入的跨...

本文第一作者是 UTS 博士生杨向鹏，主要研究方向是视频生成和世界模型；第二作者是谢集，浙江大学的四年级本科生，主要研究方向统一多模态大模型和视频生成。通讯作者...