Gemini Omni助力Google Flow创作电影级故事
Google Flow 🤝 Gemini Omni 使用我们的最新模型创作更具电影感的故事，它带来了批量编辑、改进的角色一致性等功能。以下是@FlowbyGoogle的其他新功能 → https://goo.gle/42K2nge #GoogleIO
AI视频 大事记
重要进展 IMPORTANT_PROGRESS
2026-08-03 — 2026-08-03
重要进展 · 第 9 / 86 页
MiniMax H3 开放基础模型权重
MiniMax 开放 H3 基础模型与代码，支持文字与首尾帧条件音视频生成；官方明确上下文编排和 2K 再生成模块尚未全部开放。
AI视频 精选历史资讯
— · 3 条
精选资讯 · 第 1 / 1 页
推出Gemini Omni多模态AI模型
谷歌推出原生多模态AI模型Gemini Omni，能够整合视频、图像、音频和文本等多种输入，生成高质量视频内容。其核心能力是通过自然语言对话进行视频编辑，并能保持角色一致性、物理规律与场景连贯性。首个模型Gemini Omni Flash已上线，未来将支持图像和音频输出。Gemini Omni结合了对物理世界的直觉理解与丰富的知识库，支持从写实到叙事的创意生成，并可通过多轮对话持续编辑视频，而不丢失原始场景上下文。
NVIDIA Cosmos Predict 2.5 微调：使用 LoRA/DoRA 生成机器人视频
NVIDIA Cosmos Predict 2.5 是一个 2B 参数的世界模型，可根据文本、图像或视频片段生成物理合理的视频。通过 LoRA 或 DoRA 在 DiT 的注意力层（to_q, to_k, to_v, to_out.0）和前馈层注入可训练适配器，冻结全部基座权重，在单个 80GB GPU 上即可完成参数高效微调，避免了全量微调的高成本与灾难性遗忘。该流程使用 diffusers 和 accelerate 库，利用 92 个机器人操作视频训练集与 50 个 (prompt， image) 测试对进行微调，并展示如何用微调模型生成合成机器人轨迹以支持下游机器人学习任务。支持单 GPU 与多 GPU 训练，切换不同领域适配器无需重训。
分类
排序
暂无内容