视频生成

【arXiv 2025】开源视频生成大模型 Wan 2.1｜从视频生成开源基座视角本文解读 arXiv 2025 论文《Wan: Open and Advanced Large-Scale Video Generative Models》。该论文提出Wan 2.1 开源视频生成大模型，通过融合DiT 架构、Flow Matching 训练与Wan-VAE 时空压缩，以 14B 旗舰 + 1.3B 消费级双规模覆盖 8 大生成任务，其特别之处在于全栈开源（代码 + 权重 + 数据管线 + 评测工具）并首个支持视频内中英双语文字生成。实验表明 Wan 14B 在 VBench 总分 86.

AI工具测评与分析

Seedance2.5 赋能飙算画影AI无限画布，无边画布进阶专业创作工作台做 AI 短 / 漫剧的朋友们，最近有没有一种说不上来的别扭感？手里的工具生成能力是越来越顶了，可画布呢？还是老样子，一点新意都没有。从 0 到 1 铺素材，每个节点都得你一个个拖进来、连上线，光搭工作流就能耗掉大半天。

MiniMax H3 全模态模型拆解：2K 视频成本被腰斩背后，H3-VAE 和 In-context Regeneration 做了什么7 月 31 日，MiniMax 发布了全模态生成模型 H3，随后宣布将在几天内开放模型权重。消息传开后，资本市场先动了：MiniMax 股价盘中一度拉升 15%。但比起股价，我更想先算一笔账。

猫先生Mr.Mao

视频生成之LongLive-2.0详解：如何把 5B 长视频生成推到 45.7 FPS【从零走向AGI】旨在深入了解通用人工智能（AGI）的发展路径，从最基础的概念起，逐步构建完整的知识体系。项目地址🔗：https://github.com/AI-mzq/From-Zero-to-AGI.git

likeadmin-api 视频生成工作流实战：Seedance 2.0 接口从素材到任务查询最近做 AIGC 视频工具时，一个常见需求是：用户输入一段提示词，或者上传图片、视频、音频素材，然后系统自动生成短视频。这个需求看起来像一个“生成按钮”，但真正接入时会涉及素材管理、任务提交、异步查询、分辨率、时长、回调和成本控制。

云卷云舒___________

Gemini 3.5 Pro或17日发布、Grok Imagine新增15秒视频生成、GPT-5.6 Sol 跑30小时超Opus | 7月5日 AI日报💡 今日趋势速览：Gemini 3.5 Pro发布概率达62%，xAI Grok Imagine新增视频生成，GPT-5.6 Sol效率超越Opus。

LightningDiT----重建与生成：在潜在扩散模型中驯服优化困境论文标题Reconstruction vs. Generation: Taming Optimization Dilemma in Latent Diffusion Models

救救孩子把

HyperFrames by HeyGen 入门教程HyperFrames by HeyGen 入门教程「milvus-course-ai.zip」链接：https://pan.quark.cn/s/00f3d411bb6d

UniVidX——基于扩散先验的统一多模态视频生成框架UniVidX: A Unified Multimodal Framework for Versatile Video Generation via Diffusion Priors

这是谁的博客？

[模型解析] Gemini: 多模态技术架构深度解析Google 在 2026 年 I/O 大会上发布了 Gemini 3.5 和 Gemini Omni，标志着多模态 AI 进入全新的发展阶段。本文将从技术架构角度深入解析 Gemini 的多模态能力设计。

OpenClaw v2026.4.11 更新解析：Dreaming 导入、结构化 WebChat、视频生成增强、Ollama 缓存与升级避坑大家好，我是杨利杰YJlio。这篇文章继续整理 OpenClaw 版本更新记录。本文重点看的是 OpenClaw v2026.4.11。

OpenClaw v2026.4.5 更新解析：视频/音乐生成、ComfyUI 工作流、多语言控制台、Memory Dreaming 与升级避坑大家好，我是杨利杰YJlio。这篇文章继续整理 OpenClaw 版本更新记录。本文重点看的是 OpenClaw v2026.4.5。

阿钱真强道

19 基于 ComfyUI 工作流学习 AnimateDiff：单图生成视频的入门实践与问题分析AnimateDiff 是当前基于扩散模型实现图像动态化的重要方案之一，在 ComfyUI 生态中也已经形成了较为成熟的接入方式。对于初学者而言，单图生成视频是理解 AnimateDiff 工作机制的一个合适入口。

04月23日AI每日参考：Google推出AI芯片挑战Nvidia，Workspace升级AI助手今天AI圈有两件值得关注的事。其一，Google Cloud推出新一代AI芯片与Nvidia竞争，标志着AI芯片市场竞争加剧；其二，Google Workspace升级AI功能，让AI成为办公室"实习生"，AI应用进入企业办公核心。10条精选资讯，带你快速掌握今日AI动态。

阿钱真强道

08 ComfyUI + SVD 系列（六）从 SDXL 到 SDV：为什么说视频生成本质上是“带时间维度的图片生成”？如果你已经用过 SDXL 生成图片，又开始接触 SDV 这类视频模型，那么你大概率会冒出这样一个想法：

CV-deeplearning

美团 AI 开源！一段音频驱动无限时长说话视频，嘴唇/头部/表情全同步，支持 ComfyUI 一键部署一句话介绍：InfiniteTalk 是美团 MeiGen-AI 团队开源的音频驱动视频生成框架，基于 Wan2.1-14B 大模型，支持图片/视频转说话视频，无限时长生成，嘴唇、头部动作、身体姿态、面部表情全部跟着音频走。

【世界模型】video2world：从不一致视角重建世界标题：World Reconstruction From Inconsistent Views 来源：德国慕尼黑工业大学链接：https://lukashoel.github.io/video_to_world

这张生成的图像能检测吗

（论文速读）InterDyn: 视频扩散模型的可控交互动力学论文题目：InterDyn: Controllable Interactive Dynamics with Video Diffusion Models（视频扩散模型的可控交互动力学）

(CVPR-2025)从缓慢的双向视频扩散模型到快速的自回归视频扩散模型paper title：From Slow Bidirectional to Fast Autoregressive Video Diffusion Models