Gemini Omni正式发布：多模态输入生成高质量视频

谷歌推出全新模型Gemini Omni，支持图像、音频、视频和文本的多模态输入，并可生成高质量视频。用户可通过自然语言对话编辑视频，保持角色一致性与场景连贯性。Omni结合物理直觉与Gemini的知识库，实现更真实的视觉...

Open-Sora Plan项目：旨在重现 OpenAI 的视频生成模型Sora

北大和Rabbitpre AI发起的Open-Sora Plan项目致力于复现OpenAI的视频生成模型Sora。项目包括Video VQ-VAE压缩视频至潜在维度，Denoising Diffusion Transfo...