标签
SCoPE 是 TencentARC 提出的一个模型，它将相机视线作为位置坐标添加到预训练的视频扩散 Transformer 中，从而能够在保持图像到视频先验的同时实现相机轨迹控制。该发布包含一个用于 Wan2.2-I2V-A14B 推理的自包含检查点。
介绍了Blur2Vid，一种从运动模糊图像生成视频的方法，发表于SIGGRAPH Asia 2025。
面向 Minimax-h3-Turbo 视频生成模型的 Hugging Face 页面，提供通过 Diffusers 及 Colab/Kaggle 笔记本使用该模型的说明。
MiniMax发布了开放权重的H3视频模型，这是首个登顶AI视频排名的开放模型，在视频编辑中排名第一，在文本生成视频中排名第二。该33B参数模型可处理文本、图像、视频和音频，但部分组件如2K分辨率和H3-Context-IR仍未开放。
MiniMax H3 在 Artificial Analysis 视频编辑排行榜上位居榜首，提供基于指令的多模态输入编辑现有片段，并具有竞争力的定价，同时计划开源权重供商业使用。
Comfy-Org 为 ComfyUI 重新打包了 MiniMax-H3 模型文件，包括扩散模型、文本编码器和 VAE，并提供了用于文本生成视频、图像生成视频和参考生成视频的工作流模板。
Black Forest Labs 宣布推出 FLUX 3，这是一个多模态基础模型，能够共同从图像、视频和音频中学习，实现跨模态的统一生成和理解，现已开放早期访问。
GraphVid 提出了一种基于图条件的图像到视频生成模型，通过结构化交互图实现交互式控制，在 FID 和 FVD 上较先前方法有显著降低，表现优异。
日本AIdea Labs发布了AnimeGen，一款免费的动漫风格视频生成AI模型，支持文本到视频和图像到视频，允许商业使用。
本文介绍了CineMobile，一种高效的设备端图像到视频生成方法，通过蒸馏引导剪枝、扩散蒸馏和混合量化，相较于教师模型实现了40倍加速，使得在移动设备上实现电影级摄影机运动效果成为可能。
Go-with-the-Track 使用点轨迹嵌入与空间感知编码及视频扩散变压器，统一了视频生成中的运动控制与参考图像合成，在单一模型中实现了卓越的运动与参考控制。
PhaseLock是一个无需训练的框架，通过从早期步骤推理中保留运动先验来提高图像到视频扩散模型的物理一致性，以最小开销实现6.2个百分点的提升。
AAD-1 引入具有分阶段训练的非对称对抗性蒸馏，以实现一步自回归视频生成，在 VBench 上优于先前方法。
字节跳动发布了Bernini，一个开源的视频生成与编辑模型，可在Hugging Face上获取，性能媲美顶级闭源模型。
Grok-Imagine-Video-1.5-Preview（720p）在 Image-to-Video Arena 中获得第一名，比前代产品提升了52分，超过了 Seedance-2.0 和 HappyHorse 等顶级视频模型。
NVIDIA 发布 Cosmos3-Super-Image2Video，该模型能够根据输入图像和文本指令生成时间上连贯的视频序列，是面向物理 AI 应用的 Cosmos 3 全模态世界模型平台的一部分。
SANA-WM 是一个高效的 2.6B 参数开源世界模型，用于分钟级视频生成并具备精确的相机控制。它采用混合线性扩散变换器和两阶段流水线，从图像和文本提示生成 720p 视频。
Dhee 是一款新型智能视频生成AI，能够根据单一描述生成视频，自动处理提示词、图像生成与合成，并支持逐镜头编辑以进行精细调整。
Grok AI 现已向所有普通订阅用户提供图像生成、X 搜索和图像转视频功能。