与「视频生成」相关的搜索结果

这个一键视频生成工具 HyperFrames 有点火爆！ 要注意的是，这不是传统意义上的视频生成，而是以HTML为入口的可以理解为加强PPT版本的视频工具 特别适合内容创作者介绍项目，产品演示，梳理内容之类的使用 HyperFrames 的思路很直接：Write HTML，Render video。画面、排版、字幕、动态元素都可以先用 HTML 表达，再交给渲染流程生成视频，agent 更容易按要求改。 GitHub 现在约 21.8k stars。做自动化视频、产品演示、教程短片的人，可以先试试把脚本和画面要求交给它。 仓库地址：

30 个感觉「非法」却合法的 AI 网站 1. — 免费无限 AI 生图，质量直逼 Midjourney 2. — 实时 AI 生图，边画边出图 3. — AI 无限放大图片，细节自动补全 4. — AI 一键去背景/补光/擦除 5. — AI 语音克隆，5 秒模仿任何声音 6. — 输入歌词自动生成完整歌曲 7. — AI 视频生成先驱，Gen-3 免费试 8. — 快手可灵 AI，中文视频生成最丝滑 9. — 一张照片+一段语音=说话的数字人 10. — 静态照片变说话视频 11. — AI 写代码，免费额度够日常用 12. — 说话就能建网站，零代码 13. — Vercel AI 前端生成器，描述即页面 14. — 浏览器里写代码+AI 辅助+一键部署 15. — 粘贴文字自动生成信息图 16. — AI 一键生成 PPT，告别 PPT 地狱 17. — Notion AI 免费写+总结+翻译 18. — 画草图 AI 自动生成真实网页 19. — AI 搜索引擎，问任何问题秒给答案+来源 20. — 开发者专属 AI 搜索，代码问题一搜即解 21. — 会议实时转文字，免费每月 300 分钟 22. — AI 剪辑短视频，自动找高光片段 23. — 一个网站用 GPT-4 o/Claude/Gemini 全免费 24. — 开源 AI 模型免费试玩场 25. — 一键 AI 去背景，1 秒出图 26. — AI 擦除照片中任何物体 27. — AI 换脸，1 分钟出片 28. — AI 音乐标签+推荐 29. — AI 写作助手，免费版够日常 30. — Anthropic 免费 AI 助手，长文处理天花板 全部合法。全部免费。 在它消失前收藏这个。

30 个感觉「非法」却合法的 AI 网站 1. — 免费无限 AI 生图，质量直逼 Midjourney 2. — 实时 AI 生图，边画边出图 3. — AI 无限放大图片，细节自动补全 4. — AI 一键去背景/补光/擦除 5. — AI 语音克隆，5 秒模仿任何声音 6. — 输入歌词自动生成完整歌曲 7. — AI 视频生成先驱，Gen-3 免费试 8. — 快手可灵 AI，中文视频生成最丝滑 9. — 一张照片+一段语音=说话的数字人 10. — 静态照片变说话视频 11. — AI 写代码，免费额度够日常用 12. — 说话就能建网站，零代码 13. — Vercel AI 前端生成器，描述即页面 14. — 浏览器里写代码+AI 辅助+一键部署 15. — 粘贴文字自动生成信息图 16. — AI 一键生成 PPT，告别 PPT 地狱 17. — Notion AI 免费写+总结+翻译 18. — 画草图 AI 自动生成真实网页 19. — AI 搜索引擎，问任何问题秒给答案+来源 20. — 开发者专属 AI 搜索，代码问题一搜即解 21. — 会议实时转文字，免费每月 300 分钟 22. — AI 剪辑短视频，自动找高光片段 23. — 一个网站用 GPT-4 o/Claude/Gemini 全免费 24. — 开源 AI 模型免费试玩场 25. — 一键 AI 去背景，1 秒出图 26. — AI 擦除照片中任何物体 27. — AI 换脸，1 分钟出片 28. — AI 音乐标签+推荐 29. — AI 写作助手，免费版够日常 30. — Anthropic 免费 AI 助手，长文处理天花板 全部合法。全部免费。 在它消失前收藏这个。

收藏这5个工具，人人都能靠制作AI短剧赚钱 AI短剧最近流量特别好，大家对这种视频的接受度开始变高。AI短剧的创作者收入也开始水涨船高，那么如何开始短剧创作呢，有了下面5个工具，人人都能用AI短剧赚钱，而且不需要任何门槛： 1. 19.6K Star Pixelle-Video 应该是github最高星级的AI 视频引擎，主打的是全自动化：只需输入一个主题，Pixelle-Video 就能自动完成撰写视频文案，生成 AI 配图/视频，合成语音解说，添加背景音乐。零门槛，零剪辑经验都可以用。 2. 12.4K Star waoowaoo 首家工业级全流程 AI 影视生产工具。waoowaoo 支持从小说文本自动生成分镜、角色、场景，并制作成完整视频。 3. 12.4K Star 火宝短剧 是一个基于 AI 的短剧自动化生产平台，实现从剧本生成、角色设计、分镜制作到视频合成的全流程自动化。 4. 8.5K Star Toonflow 是开源一站式 AI 短剧创作工具，将小说、剧本快速转化为动画短剧。集成 AI 编剧、智能分镜、角色与视频生成，跨平台桌面端轻量部署，助力创作者低成本批量产出视觉内容。 5. 1.3K Star BigBanana AI Director 是一个 AI 一站式短剧/漫剧平台，面向创作者,实现从灵感到成片的高效生产。 有了上面5个工具，你也可以零门槛生产自己的短剧了。 我是尼卡，平时会持续分享 AI、美股、Web3 相关有用又有趣的工具和项目，感兴趣的话欢迎关注，下次见～

圆满结束了！ Google I/O 2026 第一天的活动已落下帷幕，精彩绝伦。 10 个你必须知道的震撼发布： 1. Nano Banana 视频生成功能，由 Gemini Omni 驱动

一图看清 Google I/O 2026 今天的发布！ 虽然很多内容前几天都 Android Show 预告了，但这次能更系统的看到 Gemini 与 Search、Workspace 还有 XR 硬件生态的融合，以及全模态 Omni 的最新进展，这次主题：从 AI 工具，走向 AI 代理✨ Gemini 模型与代理 - Gemini 3.5 Flash：新快速旗舰模型，已推出（快 4 倍，推理/编码强于 3.1 Pro），作为 Search AI Mode 等默认后端。Gemini 3.5 Pro 预计下月发布； - Gemini Omni：全新多模态模型（视频优先），支持“从任何输入创建任何输出”。可从文本/图片/视频生成或编辑视频，添加特效、角色、改变风格/场景、生成多角度（多代理并行）。已在 Gemini App、Flow 等产品上线。这被 Demis 视为向“创造任何事物”愿景迈进的重要一步！ - Gemini Spark：个人 Agent AI，能在后台主动做事（如规划 Instacart 订单、跨应用自动化）。一个可以在云端 7x24 小时运行的 Agent Harness👀 - Daily Brief（个性化早报）、Gemini for Science（科研辅助：论文追踪、药物发现模拟、天气等）。 Search 大升级 - 全新智能搜索框：更对话式、可扩展，支持创建/管理多个 AI 代理； - Information Agents：后台 24/7 监控网络任务（如股票、房源、球鞋发售），变化时主动通知； - 在搜索结果中集成生成式 UI、小程序/仪表盘等更便捷的用户体验； Workspace 与生产力工具 - Docs Live / Gmail Live / Google Keep：语音自然指令创建/编辑文档、整理收件箱、清理笔记（拉取 Gmail/Drive 等数据）； - Google Pics：全新 AI 图像/设计工具（夏季推出）； - Universal Cart：跨 Search、Gemini、YouTube、Gmail 的代理式购物车，跟踪优惠、价格历史、库存等（夏季推出）。 硬件与 Android XR - 智能眼镜（Audio Glasses）：今年秋季推出（与 Samsung 合作，Warby Parker、Gentle Monster 等设计款）。内置摄像头/扬声器，支持 Gemini 私人语音辅助、实时自动化（如通过手机 App 点咖啡、播放音乐），支持 Android 和 iOS； - Project Aura 等更高级 AR 眼镜原型； - Android Halo：管理 AI Agent 的专用界面，将会集成到 Android 系统里！你早晚不需要亲自来使用手机 App，直接问 Gemini 或者通过眼睛这样的穿戴这边就行，估计下个月 WWDC Apple 的 Siri 就是往这个方向改进的🤔

究极"拼好模"出现了! 字节跳动 Lance! 字节跳动刚发布了一个开源模型 Lance, 激活参数量只有 3B. 但是这个模型可以接受文本, 图片, 视频输入, 然后同时可以输出文本, 图片, 视频! 所以这一个模型就能完成像图片理解, 视频理解, 文生图, 图生图, 图片编辑, 文生视频, 图生视频, 视频编辑等任务. 而训练团队在技术报告中透露, 训练成本仅仅是 128 涨 A100 显卡 (按照大厂算力来说纯纯是把冗余算力拿来用了). 那为啥说是"拼好模"呢? 原因是团队并没有完全从0造轮子. 模型的视觉输入模块直接用了 Qwen2.5-VL-ViT (用来看图和视频), 而视觉输出模块是 Wan2.2_VAE (用来画画). 而模型本体是两个: Lance_3B (用来做图片的理解、生成或编辑任务) Lance_3B_Video (用来做视频相关的任务, 比如文生视频、图生视频) 所以, 这完全是一个研究性项目了, 而项目本身的亮点其实恰好是"拼得好". 这个模型不像之前许多自称为全能模型那样直接把大语言模型 (LLM) 和扩散模型 (Diffusion) 硬拼接在一起 (即所谓的 Pipeline 方案) . 而是在一个共享的交错序列 (Interleaved sequence) 中同时处理文本、图像和视频的上下文. 这样做最大的好处是统一了语义空间, 让模型的理解能力和性能更好. (从评测来看3B就接近了许多10B甚至20B模型的水平) 另外还引入了多任务协同. 简单来讲, 理解任务 (图片转向量) 和生成任务 (向量转图片) 在模型内部本身是互斥的. Lance 创新性地在同一个框架内加入了专用专家模块, 成功缓解了这种冲突, 让模型既能做 VQA (视觉问答) , 又能做图像/视频生成和编辑. 期待一波实际应用落地, 这个模型对于端侧和多模态 Agent 来讲意义是重大的, 有很多之前需要多个模型协作的场景都能用单个模型做了. #lance# #全模态模型#

阿里前几天刚发季报，破天荒的第一次披露了模型与应用服务——其实就是MaaS——的经常性年化收入： 截至今年3月超过80亿人民币，预计6月达到100亿，年底突破300亿。 相当于半年3.75x的增长速度，大概也是基于如此乐观的势头，阿里才会难得的公布这个数字，向资本市场构建叙事。 所以你以为我要开始吹阿里了？错了。 阿里的AI收入，建立在阿里云这个中国最大的云计算平台上，阿里云拥有现成的客户群体、销售网络和算力资源，用配套升级的方式去叠一层AI服务收入，是很容易的。 所以真正要吹的，不是阿里的AI业绩凭什么增长这么快，而是如果连主要靠存量用户增加预算就能做到半年3.75x的增速，那么原生AI公司今年在同样的市场环境下，增速会飙到什么地步？ 要知道，原生AI公司赚的每一块钱都是从零开始、靠着模型能力兑现而来的，除了更加纯粹的增长之外，因为不必承担其他业务的成本转移，ROI的负担也更小。 比如摩根士丹利测算发现MiniMax平均每分钟进账1美金，同时成本低于0.3美金，而行业平均收入只有约0.5美元/分钟，相当于MiniMax仅凭利润就跑赢了大盘。 这就是Pure-play的价值，算清楚这笔账，对于理解走向拐点时刻的AI行业，非常重要。 在研报里，摩根大通认为中国在2026年的企业端需求，很大概率会复制美国2025年至今的来路，也就是从试点到规模化投入再到AI成为固定支出的三级跳。 简而言之，就是Anthropic的那条离谱曲线。 Anthropic创造了AI行业还是商业史上的创收奇迹，300亿美金的经常性年化收入，让它成为了全球瞩目的新王，甚至让OpenAI的股份交易在一级市场失去了吸引力。 毫无疑问，Coding是一个回报路径极其明确的赛道，根据The Information的报道，在企业级市场，Anthropic展现了空前强势的定价权，从它用按量计费替换订阅套餐，到上线导致Token费用上涨的分词器，都让企业找不到商量余地，只能拿着超标的账单去找老板加大预算。 没办法，品质和稀缺绑在一起，就是硬通货。 摩根大通也是这么判断的，在AI行业，拥有强大模型的公司某种程度上可以豁免于成本战争，而且它想进入「下沉市场」的难度，要远低于低价模型打入「高端市场」。 但Coding是一个已经实现预期的赛道，下一个大的是什么？ 目前来看，几天之后的Google I/O大会非常重要，从已经被剧透的Gemini Omni来看，「All In One」的全栈模型要给多模态打翻身仗了。 那个教授在黑板上写公式讲课的片段，之所以艳惊四座，是因为它并非简单的视频生成，这个新的Gemini Omni模型同时搞对了三件事： 手持粉笔的空间关系、板书撰写的画面关系、推导过程的逻辑关系。 更直白的说，这绝对不是三个模型合在一起的结果，而是基座模型已经就在全模态信息上完成了训练，也就是，世界模型的雏形。 像是杨立昆、李飞飞这些不属于Transform派别的行业大佬，都对语言模型颇有微词，认为这条路线跑不出真正的世界模型，所以都选择了另辟蹊径，但Google、OpenAI甚至字节跳动都在证明，即使语言模型确实有局限之处，只要坚持Sc­a­l­i­ng La­ws、在同一个基座模型上训练全模态能力，同样能够渐进式的通向世界模型。 如果只看Coding的叙事，中国的原生AI公司都在扮演「一个更便宜的Anthropic」，杀成一片红海。 但在找出「一个更本土的Google」这件事情上，就会发现阿里、字节和MiniMax都在这么干，只有它们的模型迭代方向与Google完全一致：在一个系统内完成文本理解、图片生成、视频生成和音频输出。 王慧文在即刻上说，一家新兴公司的估值，是由相信它的资本定价的，不是不相信它的人定价的，「好吧，这是句废话。」 多模态的生成是语言模型理解世界的硬验证信号，且大部分底层能力与核心模型复用，多个模态并不等同于多份研发投入，有限的成本提升，能够极具经济性的帮助AI构建世界，并让每一代模型的更新不断放大效率差，并打开更高的智能上限。 我想吹的和期待看到的，其实就是这个。

Warp-as-History：仅用一条视频就能实现交互式视频生成 用单条带标注的视频做轻量LoRA微调后，即可让通用视频模型实现跟随视角生成视频。项目里用的这条视频是来自DAVIS数据集里的car-roundabout.mp4。 原理是：把相机轨迹产生的变形(warp)伪装成视频模型原生的"历史帧"输入，无需额外的相机编码器或控制分支，就能让预训练视频生成模型跟随指定视角运动。 Github：