火山引擎发布Seedance 2.0系列API服务，提供先进的视频生成技术，支持文本、图片、音频和视频四种输入方式，具备多模态内容创建与编辑能力，适用于复杂互动和动态场景。该服务旨在帮助企业及个人用户优化工作流程，探索创新应用，同时确保AI视频创作的合规性与安全性。
马斯克旗下xAI公司发布Grok Imagine 1.0，实现AI视频生成技术重大突破。该版本支持生成10秒720p高清视频，音频质量显著提升，大幅缩短高质量视频创作时间，标志着AI视频生成领域的重要进展。
昆仑万维开源视频生成大模型SkyReels-V3，实现参考图像转视频、视频延长及音频驱动虚拟形象三大功能集成。该模型支持1至4张参考图输入，能精准保留主体身份与构图，推动视频生成技术进入高保真、多模态新阶段。
Meta提出基于多模态感知的AI面部表情生成技术，通过分析用户身体动作、语音等多维度信息，在虚拟互动中实现自然生动的表情生成，克服了传统方案依赖昂贵硬件或仅同步音频的局限，尤其适用于用户活动复杂、面部遮挡或仅通过身体传达信息的场景。
V03 AI是基于Google Veo 3 AI技术的视频生成器，支持文本到视频和图片到视频的转换，具备音频功能。
JoyGen 是一种音频驱动的 3D 深度感知的说话人脸视频编辑技术。
SyncAnimation 是一种基于 NeRF 的音频驱动实时生成说话头像和上半身动作的技术框架。
高效并行音频生成技术
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
$6
$24
256
Baidu
128
Bytedance
$1.2
$3.6
4
$2
unsloth
Gemma 3n是谷歌推出的轻量级、最先进的多模态开放模型，基于Gemini技术构建。专为低资源设备设计，支持文本、图像、视频和音频输入，生成文本输出。采用选择性参数激活技术，在4B参数规模下高效运行。
DeSTA-ntu
DeSTA2.5-Audio是一个通用的大型音频语言模型，通过自生成的跨模态对齐技术，在无需特定任务指令调优数据的情况下实现高扩展性和效率，同时保留语言能力并避免灾难性遗忘。
FunAudioLLM
InspireMusic是一个专注于音乐生成、歌曲生成和音频生成的统一框架，通过音频标记化技术整合自回归变换器与基于流匹配模型，支持高质量长音频生成。
declare-lab
TangoFlux是一个高效的文本转音频生成系统，结合流匹配与CLAP偏好优化技术，能够快速生成高质量音频。
jadechoghari
QAMDT是一种面向文本生成音乐的质量感知扩散模型，通过创新训练技术提升音频保真度和音乐表现力。
Tango 2是基于Tango改进的文本转音频生成模型，通过直接偏好优化(DPO)技术实现音频生成的对齐训练
Narsil
基于稳定扩散技术的实时音乐生成模型，可根据文本输入生成频谱图并转换为音频片段
riffusion
Riffusion是一款基于稳定扩散技术的实时音乐生成应用，可根据文本输入生成频谱图并转换为音频片段。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
