
视频生成大模型是基于人工智能技术的视频生成系统。从2024年OpenAI发布SORA、谷歌推出Veo及中国研发Vidu开始,至2026年,包括快手、阿里巴巴、字节跳动、Vivix在内的多家科技公司相继发布了各自的视频生成模型。 其中,快手自研的可灵3.0 Pro模型在2026年2月的全球AI基准测试中位列第一 ,阿里巴巴于2026年5月宣布推出视频生成模型和世界模型 ,字节跳动在2026年6月推出Seedance 2.0 Mini模型 并于7月发布Seedance2.5模型 ,Vivix于2026年7月发布实时交互多模态模型A1 。2026年7月,快手旗下可灵AI完成独立分拆融资 。
这类模型通过深度学习处理多模态输入以生成连续视频内容。技术发展已从基础画面生成逐步向影视工业化领域延伸,并朝着世界模型方向发展。 2026年4月,香港大学俞益洲团队发布首篇高效视频世界模型全面综述 。2026年7月,中国科学院自动化研究所研究团队发布PhiZero研究,旨在让AI理解物理世界规律 。部分模型支持原生单段生成30秒连贯视频、实现实时交互,并能被改造应用于计算机视觉任务。 例如,字节跳动Seedance2.5支持原生单段生成30秒连贯视频 ,Vivix的A1模型实现了实时交互 。2026年7月,谷歌DeepMind发布的GenCeption模型展示了视频生成模型应用于计算机视觉任务的潜力 。
想要了解更多“视频生成大模型”的信息,请点击:视频生成大模型百科
