我们提出了 PresentAgent，一个能够将长篇文档转化为带解说的演示视频、多模态智能体。现有方法大多局限于生成静态幻灯片或文本摘要，而我们的方案突破了这些限制，能够生成高度同步的视觉内容和语音解说，逼真模拟人类风格的演示。
你可能听说过OpenAI的Sora，用数百万视频、千万美元训练出的AI视频模型。 但你能想象，有团队只用3860段视频、不到500美元成本，也能在关键任务上做到SOTA？
最难的不是创作，是变现。
短剧公司新战场，在北京打响。
Bind-Your-Avatar是一个基于扩散Transformer（MM-DiT）的框架，通过细粒度嵌入路由将语音与角色绑定，实现精准的音画同步，并支持动态背景生成。该框架还引入了首个针对多角色对话视频生成的数据集MTCC和基准测试，实验表明其在身份保真和音画同步上优于现有方法。
不再是你以为的AI视频生成，国产AI已经开启下一个Level了。
马上周末了，分享一点轻松的内容给大家，放松放松 从贵州荔波县开车到广西天峨县一路上都在放周董的歌，边放边唱～《稻香》、《简单爱》、《枫》、《花海》、《暗号》、《爱在西元前》等几十首，我都超爱 刚刚停好车，就发现周董居然发布了他第一条抖音仅发布了5个小时，点赞已近700w（我预言今天应该会涨到千万赞）
今年最火的视频 AI 视频模型 Veo3 ，最近又迎来更新，能让图片开口说话了。Google CEO Sundar Pichai 发 X 说，自从五月 Google 开发者大会以来，用户已经使用 Veo 3 创建了超过 4000 万的视频。
以前常说「要把自己活成一支队伍」，如今感谢 AI，真的实现了。 最近，生数科技旗下 AI 视频模型 Vidu Q1 推出参考生功能，极大简化传统内容生产流程，真正实现「一个人就是一个剧组」！
图片也能开口说话了！昨晚，谷歌Veo 3全新升级，上传一张照片即可生成音频和视频，角色一致性更是达到新高度。
