Tạo và hiểu video bằng AI: Mô hình text-to-video, công cụ biên tập video và cuộc cách mạng điện ảnh sáng tạo.
749 bài thu thập40 tinh chọncập nhật đến 27/09 22:00
Nghiên cứu giới thiệu WROP, bộ dữ liệu gồm 1,5 triệu mẫu mô phỏng nhằm huấn luyện và đánh giá khả năng nhận thức vật lý của 14 mô hình video, tập trung vào khái niệm duy trì vật thể (object permanence) giống con người.
API Seedance 2.5 bổ sung chế độ Draft cho phép người dùng tạo bản nháp 480P để kiểm tra ý tưởng nhanh chóng, sau đó dùng ID bản nháp để xuất file 1080P hoàn chỉnh mà vẫn giữ nguyên các thông số kỹ thuật.
Bộ phim 'Hậu Tây Du Ký' với 60 tập được sản xuất 100% bằng công cụ Seedance đã lên sóng giờ vàng đài Hồ Nam, đạt hơn 150 triệu lượt xem chỉ sau một tuần nhờ tối ưu chi phí sản xuất vượt trội so với quay phim truyền thống.
Runway vừa phát hành plugin cho DaVinci Resolve Studio, cho phép người dùng tạo hình ảnh, video và thực hiện inpainting (vẽ lại) trực tiếp trên timeline mà không cần chuyển đổi ứng dụng.
PixVerse R2 đánh dấu bước tiến mới khi kết hợp hoàn hảo giữa khả năng phản hồi thời gian thực và tính ứng dụng đa năng, định nghĩa lại tiêu chuẩn cho các mô hình thế giới hiện nay.
Nghiên cứu chỉ ra rằng các mô hình tạo video hiện nay thường vi phạm quy luật vật lý do lỗi trong cơ chế Attention và sự suy giảm không gian từ RoPE, dẫn đến việc định hình chuyển động sai lệch ngay từ giai đoạn khử nhiễu đầu tiên.
Zing-0.5 là mô hình thế giới 5B cho phép người dùng khám phá và can thiệp vào các sự kiện đang diễn ra thông qua kết hợp điều khiển bàn phím và văn bản theo thời gian thực với tốc độ 24 FPS.
Vidu S2 vừa cập nhật ba tính năng mạnh mẽ, cho phép người dùng tương tác trực tiếp, chỉnh sửa video theo thời gian thực và khám phá định dạng video không gian đầy ấn tượng.
Vidu S2 giới thiệu khả năng tạo avatar kỹ thuật số và chỉnh sửa video thời gian thực với độ phân giải 720p, hỗ trợ thay đổi trang phục, bối cảnh và tạo video không gian linh hoạt.
Thêm 1 nguồn khác đưa tinJiqizhixinShengshu Technology giới thiệu Vidu S2 với hai mô hình chuyên biệt: Vidu S2-Avatar cho tương tác kỹ thuật số và Vidu S2-Editing cho chỉnh sửa video, đồng thời mở rộng sang lĩnh vực video không gian cho kính VR.
AlayaVista là mô hình thế giới video mới giúp tách biệt quá trình tiến hóa của bối cảnh toàn cảnh 360 độ với việc tổng hợp hình ảnh góc nhìn chi tiết, cho phép điều khiển camera mượt mà và duy trì độ trung thực cao.
Bài viết phân tích cách vLLM-Omni và FastVideo FastH3 giải quyết các nút thắt hệ thống trong MiniMax H3, giúp rút ngắn thời gian tạo video 10 giây xuống dưới 9 giây thông qua tối ưu hóa toàn diện từ DiT đến đóng gói MP4.
RunningHub tối ưu hóa hiệu suất vượt trội, cho phép tạo video 15 giây chỉ trong 50 giây trên MiniMax H3, giúp việc triển khai cục bộ trở nên cực kỳ nhanh chóng.
JD.com vừa công bố và mã nguồn mở JoyAI-EchoWM, mô hình thế giới tiên phong tích hợp âm thanh và hình ảnh, cho phép người dùng khám phá không gian 3D với độ nhất quán cao và phản hồi thời gian thực.
DF26 là bộ dữ liệu chuẩn mới gồm hơn 2.700 video, cho thấy cả con người lẫn các công cụ phát hiện deepfake hiện đại đều gần như bất lực trước các video do AI tạo ra. Nghiên cứu này gióng lên hồi chuông cảnh báo về sự cần thiết của các tiêu chuẩn kiểm chứng mới trong kỷ nguyên AI tạo sinh.
OpenRouter đánh giá mô hình video Seedance 2.5 của ByteDance, nổi bật với khả năng tạo video 4-30 giây, hỗ trợ điều khiển khung hình và tích hợp âm thanh không phát sinh thêm phí.
Runway vừa giới thiệu bộ plugin mới cho phép người dùng Premiere Pro và After Effects tạo, chỉnh sửa và render video bằng AI trực tiếp trên timeline mà không cần xuất nhập file thủ công.
Diễn biến sự kiện · 2 bài →ByteDance đang gấp rút hoàn thiện mô hình tạo video không gian thời gian thực dựa trên nền tảng Seedance, với sự giám sát trực tiếp từ nhà sáng lập Zhang Yiming. Dự án dự kiến ra mắt sớm nhất vào tháng tới nhằm cạnh tranh trong lĩnh vực nội dung 3D.
EditVid là giải pháp đột phá cho phép chỉnh sửa video đa dạng từ thay đổi phong cách đến chèn đối tượng mà không cần huấn luyện lại mô hình, đạt hiệu suất vượt trội so với các phương pháp hiện có.
Nhóm nghiên cứu tại Đại học Tây Hồ giới thiệu Code World Model, mô hình kết hợp Coding Agent để quản lý logic thế giới và mô hình video để hiển thị hình ảnh, giúp thế giới ảo duy trì tính nhất quán và logic dài hạn thay vì chỉ tạo ra các khung hình đơn lẻ.
Startup DeepLeap giới thiệu mô hình thế giới DELE-w0.5, loại bỏ việc tạo video tốn kém để tập trung vào khả năng tái cấu trúc hành vi, giúp robot thích nghi linh hoạt với các tình huống thực tế chưa từng được huấn luyện.
Google DeepMind cập nhật khả năng xử lý video thông minh cho dòng Gemini Flash, giúp mô hình tự động quét các phân đoạn quan trọng. Công nghệ này giúp giảm 88% lượng token, tiết kiệm 66% chi phí và tăng 7% độ chính xác so với phương pháp xử lý khung hình cố định truyền thống.
Diễn biến sự kiện · 2 bài →MiniMax vừa ra mắt công nghệ tạo video siêu tốc chỉ trong 3 giây, mở ra tiềm năng ứng dụng thương mại hóa trực tiếp cho các nội dung AI thời gian thực.
Runway giới thiệu Solaris, mô hình tiên phong trong dòng Interface World Models, cho phép tạo giao diện người dùng theo thời gian thực và phản hồi trực tiếp các thao tác như nhấp chuột hay kéo thả mà không cần thông qua mã nguồn.
Diễn biến sự kiện · 2 bài →Alibaba vừa ra mắt nền tảng 'Qwen Creation' tích hợp mô hình Wan 3.0 và hệ thống đa Agent, cho phép người dùng tự động hóa quy trình sản xuất video từ kịch bản đến hậu kỳ, giải quyết bài toán nhất quán trong sáng tạo nội dung AI.
MiniMax đã tích hợp mô hình H3 Max vào nền tảng mở, cho phép các nhà phát triển tạo ra các kênh livestream Twitch và truyền hình AI hoạt động liên tục 24/7.
MAVIN là mô hình tiên phong cho phép AI tạo video đa góc quay với khả năng kiểm soát chặt chẽ về thời gian, đồng bộ âm thanh và nhất quán nhân vật, giải quyết bài toán khó trong việc kể chuyện bằng video dài.
Nhóm SGLang Diffusion thử nghiệm MiniMax-H3 trên 8 GPU NVIDIA H200, đạt tốc độ nhanh gấp 1,95 lần so với Diffusers mà không làm giảm chất lượng hình ảnh.
Google giới thiệu Gemini 1.1 Flash với khả năng kiểm soát video nâng cao, hỗ trợ mở rộng bối cảnh lên tới 40 giây, tạo chuyển cảnh mượt mà và xuất video độ phân giải 4K cho nhà phát triển.
Diễn biến sự kiện · 9 bài →JoyAI-Echo-1.5 là hệ thống tạo video và âm thanh đột phá, giúp duy trì tính nhất quán của nhân vật trong các video dài và cho phép tương tác thời gian thực trong môi trường 3D.