arxiv arXiv cs.LG · 刚刚 · research

Vidu S2 推出实时交互虚拟形象和编辑模型

译自 English → 中文

Vidu S2 包含 Vidu S2-Avatar（实时交互数字角色模型）和 Vidu S2-Editing（实时视频编辑模型）。该系统还探索了为这两个组件实现实时空间视频生成的可行性。

实验表明，Vidu S2 优于所有基线模型。

重要性 2/3 相对领先者的新功能 arXiv cs.LG MiniMax AI agents Video generation

OpenAI首席科学家Jakub Pachocki表示，未发布的Astra模型旨在在2026年9月前成为“自动化AI研究实习生”，而CEO Sam Altman估计公司将在2026年12月内部宣布实现AGI。

Meta在封闭测试中发布了其Muse Video模型的早期输出，该模型具备原生音频功能，并能在10秒视频中保持强大的时间一致性。与此同时，Stripe收购了OpenRouter，以利用其跨网络交易数据来增强AI安全性和对齐能力。

MiniMax发布了MiniMax H3，这是一个开放权重的多模态视频生成模型，能够处理文本、图像、视频和音频。该模型联合生成视觉内容和同步立体声音频，包括对话、音效、环境音和音乐，而不是将音频作为后处理步骤添加。

MiniMax在Hugging Face上发布了开源权重的H3全模态视频生成模型，该模型具备原生立体声功能，可通过单次前向传递驱动视频。该模型支持2K分辨率、24fps的 clips，时长为5到15秒，并允许每次生成最多接受9张参考图像、3个视频和3段音频。

2026年8月3日至4日的AI新闻汇总涵盖了阿里巴巴 Qwen、NVIDIA、Mistral AI 和 Black Forest Labs 的重要模型发布，以及代理路由、基础设施和网络安全的最新进展。