XNews

小米、字节跳动、万和Medeo发布新的视频和多模态模型

小米、字节跳动、万和Medeo发布新的视频和多模态模型

多家中国公司发布了新的视频和多模态人工智能模型及工具。

Key insights

小米开源MiMo-V2-Flash,具备大上下文和低成本服务

小米发布了MiMo-V2-Flash作为一个开源模型,具有309亿参数、每个token激活量为150亿、原生32K上下文扩展至256K,并报告推理吞吐量为每秒150个token。该公司宣传低API成本(每百万输入token $0.1,每百万输出token $0.3)以及免费的API测试层。

字节跳动的Seedance 1.5 Pro支持带方言音频的文本到视频

字节跳动发布了Seedance 1.5 Pro,这是一个支持音频同步和地区方言输出的视频生成模型。该模型专注于纯文本到视频生成,并在演示示例中展示了方言渲染能力。

Medeo 1.0定位为灵活的视频代理,支持长提示

Medeo 1.0作为一个视频代理推出,支持非常长的提示输入和自然语言驱动的修改。报告的优势包括跨风格的强泛化能力和多步骤可编辑性,并提供用户教程和提示模板。

Wan 2.6新增角色扮演、多镜头视频功能及音频同步

Wan 2.6发布了角色扮演、音视频同步、多镜头镜头生成和语音驱动动画等功能,将单个视频长度扩展至15秒,并提高了保真度和指令遵循能力。

Source posts