搜索：多人对话视频生成

「多人对话视频生成」共找到 1525 篇相关文章

打破长视频理解瓶颈：HoPE混合位置编码提升VLM长度泛化能力

如今视觉语言模型在长上下文任务表现不佳，CMU和小红书团队深入研究，首次提出多模态RoPE扩展策略理论评估框架，指出现有泛化能力不足原因，提出HoPE大幅提升VLM长度泛化能力。

本文记录基于Agent完成Qwen-Image、FLUX.2、Wan和SANA Video优化的过程，包括定位问题、写Kernel及遇到的坑。介绍SGLang Diffusion Kernel结构，分析数值敏感原因，展示各模型优化实践、无收益实验及验证流程。

前字节跳动剪映早期成员关梦龙，正开发AI编导产品“Cutto”，让AI参与内容生成，降低普通人创作门槛。他认为AI虽提升生产力，但创业竞争更激烈，产品成功需看用户能否持续使用。

具身智能赛道分“VLA派”“智驾降维派”和“大模型派”。地平线前高管牛建伟认为VLA是弯路，主张用分层架构，以万亿参数“空间智能大模型”做大脑，VA小模型执行操作，目标是做物理世界的OpenClaw。

本文是对聚力维度创始人赵天奇的访谈。他认为 3D AI 技术潜力大，团队聚焦 AI 漫剧/短剧，用自研赛娲大模型降成本。还将拓展 3D 互动影游，认为它是游戏终极形态，从业者要回归影视本质，创业者需拥抱变化。

本文是对心光创始人王禹效和徐璐的访谈。心光是笔记类AI陪伴产品，主界面简洁，功能丰富。团队回顾其发展历程，探讨技术与需求关系、模型选择、用户画像等，还谈及盈利模式、创业时机及未来计划。

本文是对鹿明CTO丁琰的访谈。丁琰博士最早将UMI落地实践，其数采方案「FastUMI」受青睐。他认为UMI是完整体系，数据会反向影响多方面。还对比多种数采方式，介绍FastUMI改进及Pro版优势。

雷峰网第八届GAIR大会邀请微分智飞高飞，探讨具身智能在飞行机器人领域应用。高飞指出其与传统无人机本质区别，介绍应用场景、分布式集群技术，还谈世界模型价值、挑战及创业契机，认为具身智能是历史拐点。

原力灵机是具身智能新秀，9个月连融3轮获阿里数亿投资。其创始团队多出自旷视，从To B工业场景切入物流行业。公司发布开源三件套，还将开源基座模型，强调创业要穿越周期，谨慎慢跑。

文章是对OPPO AI姜昱辰的访谈。他认为AI会改变智能手机，OPPO将小布记忆做成跨系统收藏夹。产品迭代后记得更广、更深、更有用，团队还探索记忆分层、更新等，也重视用户隐私和主动推荐能力提升。