<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>视频生成 &#8211; mylogs.cn</title>
	<atom:link href="https://mylogs.cn/tag/%E8%A7%86%E9%A2%91%E7%94%9F%E6%88%90/feed/" rel="self" type="application/rss+xml" />
	<link>https://mylogs.cn</link>
	<description>发现、记录、分享</description>
	<lastBuildDate>Tue, 13 Oct 2026 05:14:37 +0000</lastBuildDate>
	<language>zh-Hans</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	
	<item>
		<title>OpenAI复活Sora：转做专业影视AI工具</title>
		<link>https://mylogs.cn/openai%e5%a4%8d%e6%b4%bbsora%ef%bc%9a%e8%bd%ac%e5%81%9a%e4%b8%93%e4%b8%9a%e5%bd%b1%e8%a7%86ai%e5%b7%a5%e5%85%b7/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Tue, 13 Oct 2026 05:14:37 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[AI影视]]></category>
		<category><![CDATA[OpenAI]]></category>
		<category><![CDATA[Sora]]></category>
		<category><![CDATA[人工智能视频]]></category>
		<category><![CDATA[卡岑伯格]]></category>
		<category><![CDATA[视频生成]]></category>
		<guid isPermaLink="false">https://mylogs.cn/openai%e5%a4%8d%e6%b4%bbsora%ef%bc%9a%e8%bd%ac%e5%81%9a%e4%b8%93%e4%b8%9a%e5%bd%b1%e8%a7%86ai%e5%b7%a5%e5%85%b7/</guid>

					<description><![CDATA[据《The Information》10 月 12 日报道，OpenAI 正与一家专注于电影制作 AI 视频技 [&#8230;]]]></description>
										<content:encoded><![CDATA[<p class="wp-block-paragraph">据《The Information》10 月 12 日报道，OpenAI 正与一家专注于电影制作 AI 视频技术的隐身初创公司谈判，计划将此前已停运的视频生成模型 Sora 移交该公司，以专业影视工具的形态重新进入市场。</p>
<p class="wp-block-paragraph">这家初创公司由好莱坞制片人杰弗里·卡岑伯格（Jeffrey Katzenberg，梦工厂动画联合创始人）、Sora 前研究负责人比尔·皮布尔斯（Bill Peebles）以及 Dropbox 前首席财务官苏杰·贾斯瓦（Sujay Jaswa）于数月前创立，公司名称尚未公开。</p>
<p class="wp-block-paragraph">按照披露的合作设想，该初创公司将接管并改造 Sora 平台，并基于其开发、销售面向影视制作方的软件或服务。目前双方尚未敲定合作条款，也不清楚这家公司能否获得 Sora 的模型权重。</p>
<p class="wp-block-paragraph">OpenAI 今年早些时候为削减高算力消耗的非核心项目，停止了 Sora 模型及其类 TikTok 视频应用的开发，将资源转向企业 AI、编程工具等业务。Sora 的消费级应用和网页平台已经关闭，OpenAI 还终止了与迪士尼规模约 10 亿美元（约合 67.06 亿元人民币）的合作计划。</p>
<p class="wp-block-paragraph">若交易达成，OpenAI 将获得这家初创公司的股权，具体比例尚不确定。</p>
<p class="wp-block-paragraph">从时间线看，Sora 于 2024 年 2 月首次展示，同年 12 月正式推出，2025 年推出 Sora2；其网页端和 App 于 2026 年 4 月 26 日停止服务，API 也于 9 月 24 日关闭。此番若借第三方之手回归，Sora 的商业化方向可能从面向大众的视频生成，转向专业影视制作市场。</p>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>可灵AI拟赴港IPO募资10亿美元，快手分拆AI视频业务</title>
		<link>https://mylogs.cn/%e5%8f%af%e7%81%b5ai%e6%8b%9f%e8%b5%b4%e6%b8%afipo%e5%8b%9f%e8%b5%8410%e4%ba%bf%e7%be%8e%e5%85%83%ef%bc%8c%e5%bf%ab%e6%89%8b%e5%88%86%e6%8b%86ai%e8%a7%86%e9%a2%91%e4%b8%9a%e5%8a%a1/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Tue, 06 Oct 2026 06:23:25 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[AI融资]]></category>
		<category><![CDATA[Sora]]></category>
		<category><![CDATA[可灵AI]]></category>
		<category><![CDATA[快手]]></category>
		<category><![CDATA[港交所IPO]]></category>
		<category><![CDATA[生成式AI]]></category>
		<category><![CDATA[视频生成]]></category>
		<guid isPermaLink="false">https://mylogs.cn/%e5%8f%af%e7%81%b5ai%e6%8b%9f%e8%b5%b4%e6%b8%afipo%e5%8b%9f%e8%b5%8410%e4%ba%bf%e7%be%8e%e5%85%83%ef%bc%8c%e5%bf%ab%e6%89%8b%e5%88%86%e6%8b%86ai%e8%a7%86%e9%a2%91%e4%b8%9a%e5%8a%a1/</guid>

					<description><![CDATA[据彭博社 10 月 6 日报道，快手科技旗下的视频生成大模型可灵 AI（Kling AI）已选定承销银行，筹备 [&#8230;]]]></description>
										<content:encoded><![CDATA[<p class="wp-block-paragraph">据彭博社 10 月 6 日报道，快手科技旗下的视频生成大模型可灵 AI（Kling AI）已选定承销银行，筹备赴香港开展首次公开募股，此次 IPO 募资规模至少可达 10 亿美元（约合 67.14 亿元人民币）。这有望成为快手在 AI 大模型领域分拆上市的关键一步。</p>
<h2 class="wp-block-heading">中金、高盛、瑞银联手承销</h2>
<p class="wp-block-paragraph">知情人士称，这家人工智能视频服务提供商正与中金公司、高盛集团以及瑞银集团合作推进潜在的股票发行事宜，目标是最早于明年完成上市。相关商讨仍在进行，融资规模与上市时间等细节仍可能变动。</p>
<p class="wp-block-paragraph">可灵 AI 成立于 2024 年，是国内 AI 生成式视频赛道的重要参与者，正积极寻求商业化。有媒体报道称，在 OpenAI 调整 Sora 项目之后，可灵 AI 也希望借此填补市场空白。</p>
<h2 class="wp-block-heading">7 月刚完成 28 亿美元融资</h2>
<p class="wp-block-paragraph">今年 7 月，可灵 AI 完成一轮 28 亿美元（约合 188.01 亿元人民币）融资，投资方包括阿里巴巴、腾讯以及百度等科技巨头；该轮融资完成后，可灵 AI 的投前估值约为 150 亿美元（约合 1007.17 亿元人民币）。</p>
<p class="wp-block-paragraph">据快手财报披露，2026 年第一季度可灵 AI 单季营业收入超过 6.5 亿元，同比增长超 300%；第二季度营业收入进一步超过 8.5 亿元，同比增长超 200%。可灵 AI 约七成收入来自海外市场，到 2026 年 6 月，其全球注册用户已突破 1 亿，覆盖 224 个国家和地区。</p>
<h2 class="wp-block-heading">赛道竞速与港股回暖</h2>
<p class="wp-block-paragraph">可灵 AI 的竞争对手包括字节跳动旗下的 Seedance，以及生数科技、PixVerse 两家初创企业，后两者同样计划在香港 IPO。在 AI 概念持续受到资金关注的背景下，AI 相关交易正带动港股 IPO 市场回暖，推动第三季度新股募资总额创下新高。不过，快手自身在港股价今年以来已缩水过半。</p>
<p class="wp-block-paragraph">对快手而言，推动可灵 AI 分拆上市，一方面可借助外部资本加速模型研发与生态扩张，另一方面也有望让这一高成长业务获得更独立的估值。其 IPO 规模与定价，将成为观察视频生成赛道估值的重要风向标。</p>
<p class="wp-block-paragraph">资料来源：IT之家、新浪财经、彭博社</p>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>折叠获数百万美元融资：爱诗科技押注 AI 影视</title>
		<link>https://mylogs.cn/%e6%8a%98%e5%8f%a0%e8%8e%b7%e6%95%b0%e7%99%be%e4%b8%87%e7%be%8e%e5%85%83%e8%9e%8d%e8%b5%84%ef%bc%9a%e7%88%b1%e8%af%97%e7%a7%91%e6%8a%80%e6%8a%bc%e6%b3%a8-ai-%e5%bd%b1%e8%a7%86/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Mon, 31 Aug 2026 08:56:51 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[AIGC]]></category>
		<category><![CDATA[AI影视]]></category>
		<category><![CDATA[PixVerse]]></category>
		<category><![CDATA[折叠]]></category>
		<category><![CDATA[爱诗科技]]></category>
		<category><![CDATA[视频生成]]></category>
		<guid isPermaLink="false">https://mylogs.cn/%e6%8a%98%e5%8f%a0%e8%8e%b7%e6%95%b0%e7%99%be%e4%b8%87%e7%be%8e%e5%85%83%e8%9e%8d%e8%b5%84%ef%bc%9a%e7%88%b1%e8%af%97%e7%a7%91%e6%8a%80%e6%8a%bc%e6%b3%a8-ai-%e5%bd%b1%e8%a7%86/</guid>

					<description><![CDATA[36氪 8月31日 获悉，8月，AI 数字影视公司上海折叠视觉设计有限公司（简称&#8221;折叠&#8221 [&#8230;]]]></description>
										<content:encoded><![CDATA[<p class="wp-block-paragraph">36氪 8月31日 获悉，8月，AI 数字影视公司上海折叠视觉设计有限公司（简称&#8221;折叠&#8221;）完成数百万美元种子轮战略投资，由 AI 视频企业爱诗科技投资。这笔资金将主要用于扩充创意人才与技术团队、搭建 AI 工作流，以及采购与开发 IP。在 AI 短剧经历监管与产能过剩的双重挤压后，&#8221;传统内容能力叠加 AI&#8221;的混制路线，正成为资本看中的新方向。</p>

<figure data-wp-context="{&quot;imageId&quot;:&quot;6af9657d22e8c&quot;}" data-wp-interactive="core/image" data-wp-key="6af9657d22e8c" class="wp-block-image size-large wp-lightbox-container"><img fetchpriority="high" decoding="async" width="1536" height="1024" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/08/a924b6b286810c332373170a3ad60374_header.webp" alt="AI 影视混制工作流示意" class="wp-image-5735" srcset="https://mylogs.cn/wp-content/uploads/2026/08/a924b6b286810c332373170a3ad60374_header.webp 1536w, https://mylogs.cn/wp-content/uploads/2026/08/a924b6b286810c332373170a3ad60374_header-300x200.webp 300w, https://mylogs.cn/wp-content/uploads/2026/08/a924b6b286810c332373170a3ad60374_header-1024x683.webp 1024w, https://mylogs.cn/wp-content/uploads/2026/08/a924b6b286810c332373170a3ad60374_header-768x512.webp 768w" sizes="(max-width: 1536px) 100vw, 1536px" /><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button><figcaption>图片来源：示意图（AI 生成）</figcaption></figure>

<h2 class="wp-block-heading">不止做 AI 短剧，主打&#8221;传统+AI&#8221;混制</h2>

<p class="wp-block-paragraph">折叠的主营业务并非当下最火热的 AI 短剧，而是基于传统制作流程与 AI 混制的中长番、动画电影以及广告等内容。创始团队中的 Cage 与 Hisun 均为具备审美与创作能力的数字艺术家，团队成员来自内容平台、版权公司与 AI 技术企业。</p>

<p class="wp-block-paragraph">这种混制模式对&#8221;传统内容制作能力&#8221;与&#8221;<a href="https://mylogs.cn/chatgpt-pro-%e9%87%8d%e5%bc%80-200-%e7%be%8e%e5%85%83%e6%a1%a3%ef%bc%9aapi-%e4%bb%b7%e5%80%bc%e8%bf%91%e7%bf%bb%e5%80%8d/">大模型</a>应用能力&#8221;的结合要求更高。折叠方面提到，国内视频平台对&#8221;传统+AI&#8221;模式反应速度极快，公司目前正在配合多项混制方向的业务。去年，折叠曾向红果短剧交付过评级为 S 级的内容；在 AI 短剧侧，公司暂时采取跑量策略，借此沉淀数据资产、挖掘潜在人才。</p>

<p class="wp-block-paragraph">产能方面，折叠在多个城市拥有百人级团队，每月高品质内容产能可达 5000 分钟，约等于 40 部电影。公司还组建了专门的技术团队，除内部 AI 影视生产流程外，也支持 AI 游戏的改编与制作。</p>

<h2 class="wp-block-heading">自建 AI 工作流，把导演&#8221;蒸馏&#8221;成技能</h2>

<p class="wp-block-paragraph">市面上内置多个 Agent 的工具与模型，仍难以满足一家高产公司的细分生产需求与团队协作要求，因此折叠选择自建生产流程。其自研的 AI 工作流覆盖剧本拆解、提示词生成、角色设定等环节，用于降本增效。</p>

<p class="wp-block-paragraph">团队中的导演、制片与美术每天都在研究如何把自己&#8221;蒸馏&#8221;成各类技能，把更多时间留给创意思考。折叠方面表示，内容自动化程度越高，距离精品反而越远——&#8221;AI 可以让我们更轻松地做出 60 分的内容，但 100 分的内容需要既懂 AI 技术、又有传统审美的人参与进来&#8221;。这种&#8221;既懂内容也懂技术&#8221;的人员结构，被其视为核心竞争力。</p>

<h2 class="wp-block-heading">爱诗科技的投资逻辑：从 Prompt 红利进入审美壁垒</h2>

<p class="wp-block-paragraph">作为投资方，爱诗科技的核心产品是 AI 视频生成平台 PixVerse，全球用户已突破 1 亿。其投资逻辑在于：当 AI 内容进入&#8221;审美淘汰赛&#8221;，经典 CG 反而成为稀缺生产力；AI 视频正从 Prompt（提示词）红利阶段进入审美壁垒阶段，具备传统 CG 能力、又能感知模型边界的团队，将成为下一代精品内容公司的核心生产范式定义者。</p>

<p class="wp-block-paragraph">行业背景是，AI 短剧赛道今年初还能快速获利，但受国家监管政策出台与供给端产能过剩影响，已沦为红海。据 36氪 此前了解，几乎占据 AI 短剧主导地位的 Seedance 2.0 毛利率超过 70%，是字节旗下火山引擎最赚钱的业务之一，但赛道红利正在消退。爱奇艺、<a href="https://mylogs.cn/%e8%85%be%e8%ae%af%e5%86%85%e6%b5%8b-ai-%e6%b8%b8%e6%88%8f%e6%90%ad%e5%ad%90%e9%b9%85%e6%ac%a1%e5%85%83%ef%bc%9a%e6%95%b0%e5%ad%97%e4%ba%ba%e9%99%aa%e4%bd%a0%e5%bc%80%e9%bb%91/">腾讯</a>视频、优酷、芒果 TV、B站 等视频平台也都在探索用 AI 改造或融入内容生产流程。</p>

<p class="wp-block-paragraph">目前，折叠已与多个平台达成合作，用 AI 混制推进平台 IP 的影视化，预计今年年底陆续有相关精品内容上線；同时，公司正在筹备登陆院线的 AI 混制动画电影。折叠方面认为，AI 只是一种工具和手段，本质上还是好内容在哪里，观众的注意力就在哪里。</p>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>Redis 之父给 Mac 写了个 MiniMax H3 本地推理引擎</title>
		<link>https://mylogs.cn/antirez-h3c-minimax-h3-mac-local-inference/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Tue, 11 Aug 2026 04:45:09 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[antirez]]></category>
		<category><![CDATA[Apple Silicon]]></category>
		<category><![CDATA[H3]]></category>
		<category><![CDATA[MiniMax]]></category>
		<category><![CDATA[开源模型]]></category>
		<category><![CDATA[本地推理]]></category>
		<category><![CDATA[视频生成]]></category>
		<guid isPermaLink="false">https://mylogs.cn/antirez-h3c-minimax-h3-mac-local-inference/</guid>

					<description><![CDATA[Redis 作者 antirez（Salvatore Sanfilippo）近日在 GitHub 上发布了一个 [&#8230;]]]></description>
										<content:encoded><![CDATA[
<p class="wp-block-paragraph">Redis 作者 antirez（Salvatore Sanfilippo）近日在 GitHub 上发布了一个名为 h3.c 的项目，目标是为<a href="https://mylogs.cn/ai-%e5%8a%a0%e9%80%9f%e9%bb%91%e5%ae%a2%e5%b7%a5%e5%85%b7%ef%bc%8c%e8%8b%b9%e6%9e%9c%e7%b4%a7%e6%80%a5%e6%8f%90%e9%80%9f%e5%ae%89%e5%85%a8%e6%9b%b4%e6%96%b0/"><a href="https://mylogs.cn/%e5%8f%b0%e7%a7%af%e7%94%b5-2nm-%e5%b9%b4%e5%ba%95%e6%9c%88%e4%ba%a7%e8%83%bd%e5%86%b2-12-%e4%b8%87%e7%89%87%ef%bc%8c%e6%8f%90%e5%89%8d%e4%b8%a4%e5%b9%b4%e8%be%be%e6%a0%87/">苹果</a></a>电脑写一套原生的 MiniMax H3 推理引擎。与社区里基于 MLX 框架的移植不同，h3.c 从词法到 Metal 着色器几乎都用 C 和 Objective-C 重写，专门吃 Apple Silicon 的统一内存，让 Mac 在本地直接跑这个 33B 参数的全模态视频模型。</p>



<figure data-wp-context="{&quot;imageId&quot;:&quot;6af9657d23e4d&quot;}" data-wp-interactive="core/image" data-wp-key="6af9657d23e4d" class="wp-block-image size-large aligncenter wp-lightbox-container"><img decoding="async" width="1200" height="600" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/08/h3c_header.webp" alt="Redis 之父给 Mac 写了个 MiniMax H3 本地推理引擎" class="wp-image-4405" style="max-width:100%;height:auto" srcset="https://mylogs.cn/wp-content/uploads/2026/08/h3c_header.webp 1200w, https://mylogs.cn/wp-content/uploads/2026/08/h3c_header-300x150.webp 300w, https://mylogs.cn/wp-content/uploads/2026/08/h3c_header-1024x512.webp 1024w, https://mylogs.cn/wp-content/uploads/2026/08/h3c_header-768x384.webp 768w" sizes="(max-width: 1200px) 100vw, 1200px" /><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button><figcaption class="wp-element-caption">图片来源：GitHub／antirez/h3.c 项目页</figcaption></figure>





<h2 class="wp-block-heading">为什么要在 Mac 上重造一个引擎</h2>



<p class="wp-block-paragraph">MiniMax 在 8 月 3 日把 H3 正式开源，这是一个能同时吃进文本、图像、音频、视频、再一次性吐出最长 15 秒带原生立体声视频的通用生成模型。官方提供了 Hugging Face 权重和基于 SGLang、MLX 等的参考实现，社区也很快出现了 PipeNetwork 的 MLX 移植版。</p>



<p class="wp-block-paragraph">但 antirez 选择了一条更硬核的路：不依赖现成框架，自己用 C 实现推理内核，再用 Metal 把矩阵运算落到苹果芯片的 GPU 上。这样做的好处是能精细控制统一内存的占用与复用——视频模型权重动辄上百 GB，能否塞进 Mac 的有限内存，取决于推理引擎怎么分批搬运张量。h3.c 目前仍在开发中，仓库显示它已能跑通提示词到视频、首尾帧约束，以及参考图、视频、音频的 Ref2VA 条件控制。</p>



<h2 class="wp-block-heading">速度能快多少</h2>



<p class="wp-block-paragraph">项目 README 里给出了一组在 M5 Max 上的实测。以一段 512 像素见方、22 帧的红狐踏雪短片为基准：用默认 20 步去噪需要约 26.4 秒；而采用 4 步的激进调度，耗时压缩到约 3.5 秒，画面对照 29 步参考稿的全片结构相似度（SSIM）仍有 0.556，独立的冲浪者测试为 0.547。换句话说，用不到七分之一的时间，就能拿到一个可用、但细节更糙的预览。</p>



<p class="wp-block-paragraph">模型核心是一个 33B 的稠密 Transformer（H3-Omni-Transformer），文本编码器复用 Qwen 系模型，权重以 BF16 精度常驻。在开启预览的激进配置下，峰值显存占用约 25.9 GiB（int8 估算）。仓库还提供多档预设：默认 20 步、最慢 50 步参考、最快 4 至 7 步，开发者可以一次只调一个旋钮来权衡速度与画质。</p>



<h2 class="wp-block-heading">能拿来做什么</h2>



<p class="wp-block-paragraph">h3.c 内置了一个类似 Iris 的交互会话：启动时加载模型与分词器，之后输入提示词即可连续生成，重复提示词换随机种子时不必重新加载。它支持首帧与末帧锚定，让镜头从 A 画面运动到 B 画面，也支持按顺序追加多张参考图，标记为图片 1、图片 2，让模型据此生成「让图片 1 里的人挥手」这类指令。</p>



<p class="wp-block-paragraph">分辨率方面，512×512 是被反复验证的开发尺寸，768p 级别的横竖构图也已验证，画布上限受机械限制约 768×1344。更短的 256 见方预览会自动降低空间位置编码频率，消除长镜头里出现的网格伪影。</p>



<p class="wp-block-paragraph">对普通用户而言，h3.c 的意义在于把在云端排队、按秒计费的视频生成，变成在自己电脑上离线跑的一件事。代价是需要一台内存充足的 Apple Silicon Mac，以及等待项目继续打磨工程完整度。antirez 本人以把复杂系统写到极简著称，h3.c 最终能否成为 Mac 上跑 H3 的默认选择，还要看后续的内存优化与稳定性。</p>



<p class="has-small-font-size wp-block-paragraph">来源：Hacker News | antirez | https://github.com/antirez/h3.c</p>

]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>MiniMax H3 开源：音视频一锅端，2K 15 秒</title>
		<link>https://mylogs.cn/minimax-h3-%e5%bc%80%e6%ba%90%ef%bc%9a%e9%9f%b3%e8%a7%86%e9%a2%91%e4%b8%80%e9%94%85%e7%ab%af%ef%bc%8c2k-15-%e7%a7%92/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Mon, 03 Aug 2026 04:54:46 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[AI视频]]></category>
		<category><![CDATA[AMD]]></category>
		<category><![CDATA[MiniMax]]></category>
		<category><![CDATA[国产AI]]></category>
		<category><![CDATA[多模态]]></category>
		<category><![CDATA[开源模型]]></category>
		<category><![CDATA[视频生成]]></category>
		<guid isPermaLink="false">https://mylogs.cn/minimax-h3-%e5%bc%80%e6%ba%90%ef%bc%9a%e9%9f%b3%e8%a7%86%e9%a2%91%e4%b8%80%e9%94%85%e7%ab%af%ef%bc%8c2k-15-%e7%a7%92/</guid>

					<description><![CDATA[MiniMax H3 开源：音视频一锅端，2K 15 秒]]></description>
										<content:encoded><![CDATA[
<p class="wp-block-paragraph">你听过的AI视频生成工具，多数还卡在&#8221;文生视频&#8221;或&#8221;图生视频&#8221;两件事之间来回切换。2026年8月3日，MiniMax把H3正式开源，把文本、图像、视频、音频当成同一件事一起处理。</p>



<figure data-wp-context="{&quot;imageId&quot;:&quot;6af9657d248fd&quot;}" data-wp-interactive="core/image" data-wp-key="6af9657d248fd" class="wp-block-image size-large aligncenter wp-lightbox-container"><img decoding="async" width="1200" height="427" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/08/565a59cd4d1358cd81db97780e153724_header.webp" alt="MiniMax H3 开源：音视频一锅端，2K 15 秒" class="wp-image-3400" style="max-width:100%;height:auto" srcset="https://mylogs.cn/wp-content/uploads/2026/08/565a59cd4d1358cd81db97780e153724_header.webp 1200w, https://mylogs.cn/wp-content/uploads/2026/08/565a59cd4d1358cd81db97780e153724_header-300x107.webp 300w, https://mylogs.cn/wp-content/uploads/2026/08/565a59cd4d1358cd81db97780e153724_header-1024x364.webp 1024w, https://mylogs.cn/wp-content/uploads/2026/08/565a59cd4d1358cd81db97780e153724_header-768x273.webp 768w" sizes="(max-width: 1200px) 100vw, 1200px" /><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button><figcaption class="wp-element-caption">图片来源：MiniMax Research</figcaption></figure>





<p class="wp-block-paragraph">H3是个通用多模态生成模型，输出15秒、2K分辨率（短边约1440像素）、24帧每秒的视频，画面与原生立体声音频在同一次生成中同步产出。同一段提示词里可以塞进至多9张图、3段视频、3段音频。比如&#8221;参考视频1的希区柯克运镜，让图片2里的角色按音频3开口唱歌&#8221;，H3会自己理顺上下文的关系。</p>



<p class="wp-block-paragraph">核心架构由四部分撑起来：Contextual Omni Representation把上百K token的原始素材压缩到约4K token，让语言成为跨模态的通用桥梁；H3-VAE把序列有效长度扩展4倍，配合原生2K输出；H3-Omni Transformer把理解与生成的<a href="https://mylogs.cn/ai-%e6%99%ba%e8%83%bd%e4%bd%93%e5%bc%95%e7%88%86%e9%9c%80%e6%b1%82%ef%bc%9a%e6%9c%8d%e5%8a%a1%e5%99%a8-cpu-%e4%ba%a4%e4%bb%98%e8%a6%81%e7%ad%89-30-%e5%91%a8/">算力</a>分离，训练吞吐约提高30%；In-Context Regeneration让2K输出由模型自身在上下文内重画，不用外挂超分模块，小字、品牌标识都能保住。</p>



<p class="wp-block-paragraph">生成任务分三档：纯文本驱动的t2va、首尾帧关键帧驱动的fl2va，以及参考素材驱动的ref2va——后者能绑定主体图像与参考音色，做口型同步与语音克隆。</p>



<p class="wp-block-paragraph">价格上，2K同档每秒单价不到主流闭源模型的三分之一，768p每秒不到主流模型720p的一半。硬件适配是同步推进的：AMD用SGLang在MI355X和MI300X上跑出Day 0支持，8卡序列并行；摩尔线程同日在国产AI训推卡MTT S5000上完成适配。开源采用MiniMax Community License，权重将在未来几天放出。</p>



<p class="wp-block-paragraph">说白了，H3的看点不是又一个&#8221;文生视频&#8221;，而是把图像生成、参考控制、编辑拉到同一个框架里。<a href="https://mylogs.cn/chatgpt-pro-%e9%87%8d%e5%bc%80-200-%e7%be%8e%e5%85%83%e6%a1%a3%ef%bc%9aapi-%e4%bb%b7%e5%80%bc%e8%bf%91%e7%bf%bb%e5%80%8d/">OpenAI</a> Sora 2、字节Seedance 2.5与谷歌Gemini Omni Flash分占不同赛道，H3在编辑与可控参考上领先，但纯文生视频和图生视频环节未必都第一。</p>



<p class="wp-block-paragraph">我的判断是，2026年下半年AI视频工具的PK标准会从&#8221;几秒高清&#8221;改成&#8221;多模态可控+开源可改+多硬件可跑&#8221;。H3把三条都点上了。想试的话，盯紧开源权重放出的那一天。</p>



<p class="wp-block-paragraph">来源：MiniMax Research 官方博客、AMD Developer Blog、36氪</p>

]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>单次生成30秒：字节Seedance 2.5上线豆包即梦</title>
		<link>https://mylogs.cn/%e5%8d%95%e6%ac%a1%e7%94%9f%e6%88%9030%e7%a7%92%ef%bc%9a%e5%ad%97%e8%8a%82seedance-2-5%e4%b8%8a%e7%ba%bf%e8%b1%86%e5%8c%85%e5%8d%b3%e6%a2%a6/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Fri, 31 Jul 2026 06:39:11 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[AI创作]]></category>
		<category><![CDATA[Seedance 2.5]]></category>
		<category><![CDATA[即梦AI]]></category>
		<category><![CDATA[字节跳动]]></category>
		<category><![CDATA[视频生成]]></category>
		<category><![CDATA[豆包]]></category>
		<guid isPermaLink="false">https://mylogs.cn/%e5%8d%95%e6%ac%a1%e7%94%9f%e6%88%9030%e7%a7%92%ef%bc%9a%e5%ad%97%e8%8a%82seedance-2-5%e4%b8%8a%e7%ba%bf%e8%b1%86%e5%8c%85%e5%8d%b3%e6%a2%a6/</guid>

					<description><![CDATA[7 月 31 日，字节跳动 Seed 团队通过官方渠道发布新一代视频创作模型 Seedance 2.5。这一版 [&#8230;]]]></description>
										<content:encoded><![CDATA[
<p class="wp-block-paragraph">7 月 31 日，字节跳动 Seed 团队通过官方渠道发布新一代视频创作模型 Seedance 2.5。这一版本延续了 Seedance 2.0 统一的多模态音视频联合生成架构，重点补强三块能力：长叙事、多模态参考和编辑。</p>



<figure data-wp-context="{&quot;imageId&quot;:&quot;6af9657d25ae3&quot;}" data-wp-interactive="core/image" data-wp-key="6af9657d25ae3" class="wp-block-image size-large aligncenter wp-lightbox-container"><img loading="lazy" decoding="async" width="1200" height="799" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/07/d29ed5e9a0e16de2ddfb64ff50ab7e7e_header.webp" alt="单次生成30秒：字节Seedance 2.5上线豆包即梦" class="wp-image-3021" style="max-width:100%;height:auto;" srcset="https://mylogs.cn/wp-content/uploads/2026/07/d29ed5e9a0e16de2ddfb64ff50ab7e7e_header.webp 1200w, https://mylogs.cn/wp-content/uploads/2026/07/d29ed5e9a0e16de2ddfb64ff50ab7e7e_header-300x200.webp 300w, https://mylogs.cn/wp-content/uploads/2026/07/d29ed5e9a0e16de2ddfb64ff50ab7e7e_header-1024x682.webp 1024w, https://mylogs.cn/wp-content/uploads/2026/07/d29ed5e9a0e16de2ddfb64ff50ab7e7e_header-768x511.webp 768w" sizes="auto, (max-width: 1200px) 100vw, 1200px" /><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button><figcaption class="wp-element-caption">图片来源：Wikimedia Commons (N509FZ, CC BY-SA 4.0)</figcaption></figure>





<p class="wp-block-paragraph">目前 Seedance 2.5 已陆续上线豆包、即梦 AI、扣子、小云雀等字节旗下产品，接口服务也将在近期上线火山方舟，通过火山引擎面向企业用户开放。</p>



<h2 class="wp-block-heading">从“生成一个片段”到“完成一段创作”</h2>



<p class="wp-block-paragraph">Seed 团队在发布说明中给出了这次升级的出发点：</p>



<p class="wp-block-paragraph">“Seedance 2.0 发布后，我们观察到，用户对视频创作模型的期待正在从‘生成一个片段’走向‘完成一段创作’。Seedance 2.5 延续了 Seedance 2.0 统一的多模态音视频联合生成架构，重点突破长叙事能力、多模态参考能力和编辑能力。”</p>



<p class="wp-block-paragraph">这句话基本概括了这一代模型的产品思路——不再只比谁生成的几秒画面更炫，而是看能否把一个完整的创意从头做到尾。</p>



<h2 class="wp-block-heading">单次时长翻倍到 30 秒，支持多轮延长</h2>



<p class="wp-block-paragraph">最直观的变化是时长。Seedance 2.5 把单次视频生成时长从 15 秒提升至 30 秒，并支持多轮延长。</p>



<p class="wp-block-paragraph">时长翻倍带来的不只是“更长”。团队称模型优化了镜头衔接和场景过渡，可以在 30 秒内组织多个具备逻辑关联的镜头，让一个故事按照铺垫、推进、转折、收尾的结构完整展开。配合多轮延长，用户可以产出数分钟具有统一视听语言的连贯内容。</p>



<p class="wp-block-paragraph">画质、音质和运动质量也做了大幅优化，并明确针对 AI 视频常见的“油腻感”做了弱化处理——这是当前生成视频最容易被一眼识破的通病之一。</p>



<h2 class="wp-block-heading">一次最多喂 50 份参考素材</h2>



<p class="wp-block-paragraph">多模态参考能力这一块，Seedance 2.5 支持用户单次输入最多 30 张图片、10 段视频和 10 段音频作为参考素材，合计 50 份。</p>



<p class="wp-block-paragraph">模型可以综合理解不同素材的构图、场景、风格、人物等元素，实现多主体、多场景、多镜头变化的复杂创意。参考类型上，白模参考、运动参考、创意参考等能力均有提升。据媒体报道，新版本还增加了白模与绿幕参考能力，并原生支持十余种语言，以适配多语言、多版本的工业化生产需求。</p>



<p class="wp-block-paragraph">对内容团队来说，这项能力的实际意义在于可控性：不必反复调整提示词去“碰运气”，而是直接把想要的角色形象、场景基调、音乐节奏作为素材喂进去。</p>



<h2 class="wp-block-heading">支持时间戳级别的定向编辑</h2>



<p class="wp-block-paragraph">编辑能力是这一代的第三个重点。Seedance 2.5 支持精准的时间戳控制，可以对视频内容做定向编辑，而不必推倒重来。</p>



<p class="wp-block-paragraph">同时，模型强化了绿幕编辑、视角编辑、参考编辑等多种编辑能力，可以在维持整体画面节奏的前提下，对背景、商品、人物等局部元素做精准修改，面向影视、广告等更专业、更复杂的创作场景。</p>



<p class="wp-block-paragraph">对商业化内容生产而言，这一点相当关键——同一支广告片换个产品、换个背景、出一个不同市场的版本，此前往往意味着整段重新生成。</p>



<h2 class="wp-block-heading">首批企业客户已确认</h2>



<p class="wp-block-paragraph">据火山引擎方面透露，Seedance 2.5 发布当日，徐工集团、小鹏汽车、灵初智能、微分智飞、穹彻智能等多家企业已确认合作，将率先引入该模型能力。这些企业此前已经基于 Seedance 系列模型展开了场景落地探索。</p>



<h2 class="wp-block-heading">团队承认的短板</h2>



<p class="wp-block-paragraph">Seed 团队在发布说明中也直接点出了当前版本的不足：在复杂运动的物理合理性、以及极多主体交互场景的稳定性上，模型仍有提升空间。</p>



<p class="wp-block-paragraph">团队表示，后续将继续探索更长的连贯叙事、更懂用户的生成与编辑体验，并进一步增强模型对物理世界规律的理解。</p>



<p class="wp-block-paragraph">从行业角度看，视频生成模型的竞争焦点正在从单纯的画质与时长，转向可控性和工业化流程适配。谁能让创作者少改几遍、少等几轮，谁就更有机会进入真实的生产管线。</p>



<p class="wp-block-paragraph">来源：36氪（https://36kr.com/newsflashes/3919079681715588 ）、新京报贝壳财经、上海证券报</p>

]]></content:encoded>
					
		
		
			</item>
	</channel>
</rss>
