【AI日报·1/9】中文文字视频生成，AI视频爆发发展

加入交流群微信公众号图标

关注公众号联系我们图标

AI工具箱请求更新图标

体系设计

“锵锵！这里是心猿社滴杂务工之‘工具酱’！每日十分钟，最全的AI大事，全知道！”

“别开场了，省流日报，你每多说一个字，就浪费了心猿社辣么多用户整整二字节的流量！”

“嘿！到我这改了还？”

“导播导播，直接开场！”

技术突破（性能&易用性）

通义万相发布2.1视频模型，实现中文文字视频生成，提升复杂运动生成能力【AI视频·性能突破】

2025年1月9日，阿里云通义万相推出2.1版本视频生成模型，在复杂运动、物理规律遵循和艺术表现等方面全面提升。该模型在权威评测集VBench中以84.7%的总分登顶，超越国内外主流视频生成模型。通义万相2.1采用自研的VAE和DiT架构，支持无限长1080P视频的高效编解码，并首次实现中文文字视频生成功能。该模型已全面开放，用户可通过官网免费使用或调用API。

通义万相官网：https://tongyi.aliyun.com/wanxiang/videoCreation

Adobe TransPixar技术革新透明效果融入场景【AI视频·性能突破】

Adobe与香港科技大学联合开发的TransPixar技术，是一项创新的人工智能系统，它能够生成包含透明度（Alpha通道）的视觉效果，使得烟雾、反射等透明元素能够自然地融入场景中。这项技术突破了传统AI工具在处理透明元素方面的局限，通过扩展现有的视频AI模型，实现了在有限训练数据下生成高质量的RGBA视频。TransPixar不仅提高了视觉特效制作的效率，还降低了制作成本，为娱乐、广告和游戏行业提供了全新的创作可能性。此外，TransPixar的代码已在GitHub上开源，开发者可以通过Hugging Face上的演示进行试验和应用。

项目地址：https://github.com/wileewang/TransPixar

字节跳动联合高校推出STAR模型，提升视频清晰度【AI视频·性能突破】

南京大学、字节跳动和西南大学联合推出了STAR模型，这是一种创新的视频超分辨率（VSR）框架，能够将低分辨率视频提升为高分辨率，同时保持细节清晰度和时间一致性。STAR结合了文本到视频（T2V）扩散模型，增强了视频的空间细节和时间建模能力，并引入了局部信息增强模块（LIEM）和动态频率（DF）损失，以减轻伪影问题并提高恢复保真度。该技术适用于影视制作、安防监控、医疗影像处理等多个领域。

项目官网（需魔法才能通畅）：https://nju-pcalab.github.io/projects/STAR/?utm_source=ai-bot.cn

项目地址：https://github.com/NJU-PCALab/STAR

种子视频修复技术SeedVR，模糊变高清【AI视频·性能突破】

南洋理工大学与字节跳动的研究团队推出了SeedVR技术，这是一种基于扩散变换器（Diffusion Transformer）的创新视频修复技术。SeedVR利用移动窗口注意力机制，能够处理任意长度和分辨率的视频，显著提升了高分辨率视频的恢复质量。该技术在AI生成视频的修复中表现尤为突出，能够有效修复模糊、噪声等问题，并生成具有真实感的细节。SeedVR结合了因果视频自编码器和多阶段渐进式训练策略，在多个基准测试中展现了卓越的性能。

项目地址：https://iceclear.github.io/projects/seedvr/

Stability AI推出SPAR3D，快速生成3D对象【AI绘画·性能突破】

Stability AI在CES 2025上发布了SPAR3D（Stable Point Aware 3D），这是一种两阶段3D生成方法，能够在不到一秒的时间内从单个图像生成3D对象，并支持实时编辑。SPAR3D通过点扩散模型生成稀疏点云，再结合输入图像生成高细节网格，提供了精确的几何形状和完整的360度视图预测。该技术适用于游戏开发、产品设计和环境构建等领域，显著提升了3D建模的效率和质量。

Stability AI官网：https://stability.ai/news/stable-point-aware-3d

英伟达Isaac GR00T技术助力人形机器人开发【人形机器人·性能突破】

NVIDIA在CES 2025上发布了Isaac GR00T技术，旨在加速人形机器人的开发。该技术通过合成运动生成和模仿学习，帮助机器人从人类示范中获取新技能。GR00T结合了NVIDIA的AI计算平台、仿真工具（如Isaac Sim）和高性能硬件（如Jetson Thor），为机器人开发者提供了强大的工具链。该技术已在多个机器人公司中应用，推动了人形机器人在工业和制造业中的发展。

英伟达 GR00T介绍：https://developer.nvidia.cn/isaac/gr00t

AI重要事件&报道

2024胡润中国AI企业50强榜单发布

2025年1月9日，胡润研究院发布《2024胡润中国人工智能企业50强》，榜单聚焦于专注于AI算力或算法的中国企业，上榜门槛为价值60亿元人民币。寒武纪以2380亿元的价值位居榜首，科大讯飞和商汤科技分列第二、第三。北京以20家上榜企业领先，上海、深圳、广州紧随其后，一线城市企业占据榜单总数的80%以上。榜单还显示，生成式AI公司在2024年获得大量融资，如月之暗面、MiniMax等。

巨量引擎AIGC工具“即创”正式上线

巨量引擎旗下的AIGC工具“即创”于2025年1月9日正式上线。该工具支持AI脚本生成、智能成片、数字人等多种内容生成方式，并新增了“爆款裂变”和“一键过审”功能，帮助创作者快速响应市场变化并提升内容合规性。“即创”通过深度学习和自然语言处理技术，能够根据用户输入的主题实时生成高质量的文本和视频内容，显著提升了创作效率。其智能成片技术可一键将脚本转化为视频，并生成数字人以增强互动性。

相关资讯：https://www.qewen.com/6555.html

生成式人工智能服务在国家网信办备案数量达238款

截至2024年12月31日，国家互联网信息办公室共完成302款生成式人工智能服务的备案，其中2024年新增238款。备案工作依据《生成式人工智能服务管理暂行办法》开展，旨在规范市场并提升服务的安全性和透明度。已备案的服务需在产品显著位置公示模型名称、备案号等信息，以确保用户知情权。

AI发烧友&Github资讯

适合开发者/程序员等喜欢探索AI的用户哦~

微软Phi-4小模型开源，性能优异

微软于2025年1月8日在Hugging Face平台上开源了小型语言模型Phi-4，该模型参数量仅为140亿，但在多项基准测试中表现优异，超越了OpenAI的GPT-4o、Llama-3.1等知名模型。Phi-4在数学竞赛AMC中获得了91.8分，并在MMLU测试中取得84.8分，展现了强大的推理能力。其成功得益于创新的合成数据生成方法、高效的预训练机制以及对消费级硬件的适配性。Phi-4的开源吸引了大量开发者和AI爱好者的关注，并支持商业用途。

项目地址（需魔法才能通畅）：https://huggingface.co/microsoft/phi-4