Google DeepMind 发布 Gemini Omni 1.1 Flash,提供更可控的视频生成能力
Google DeepMind 发布 Gemini Omni 1.1 Flash,通过 Gemini API in Google AI Studio 为开发者提供更可控的生成式视频能力。
推荐理由:原文列出场景延展、关键帧插值和4K升级等接口细节,便于评估视频生成工作流接入方式。
Google DeepMind 发布 Gemini Omni 1.1 Flash,通过 Gemini API in Google AI Studio 为开发者提供更可控的生成式视频能力。
推荐理由:原文列出场景延展、关键帧插值和4K升级等接口细节,便于评估视频生成工作流接入方式。
NVIDIA 推出 Cosmos-H-Dreams,这是面向手术机器人的实时、动作条件生成式仿真模型。它将 Cosmos-H-Surgical-Simulator 蒸馏为因果、少步学生模型,并通过 FlashDreams 提供流式推理,在单张 NVIDIA RTX PRO 6000 上达到交互式运行约 ~160 frames per second。
推荐理由:原文同时交代蒸馏流程、FlashDreams 推理优化和开放资源,便于理解世界模型如何进入闭环机器人训练。
OpenAI 介绍了 Sora 2,这是一款支持同步对白和音效的视频生成模型。材料同时说明,Sora 产品已不再可用。
推荐理由:原文只给出同步对白、音效和产品不可用信息,适合把握 Sora 2 发布的基本边界。
OpenAI 发布 Sora 2 System Card,称 Sora 2 是新的 SOTA 视频和音频生成模型。该模型基于 Sora,引入更准确的物理、更清晰的真实感、同步音频、增强可控性和扩展的风格范围。
推荐理由:原文概括了 Sora 2 相比前代在物理、真实感、同步音频和可控性上的变化。