TAG:多模态生成
谷歌I/O大会新动作：AI创作工具升级，多模态生成更听从指令
谷歌在I/O大会上发布AI创作工具重大升级，推出Gemini Omni多模态模型，支持文本、图像、音频、视频无缝整合生成。新增对话式编辑功能，用户可通过自然语言指令完成视频角色更换、光线调整等复杂剪辑，极大降低创作门槛。此举标志着AI从内容生成者向智能协作伙伴转型，助力创作者聚焦创意本身。
3 
0 
豆神教育携手微软Azure打造AI短剧平台
豆神教育在 Microsoft AI Tour 发布“豆神 AI 短剧平台”，与微软 Azure 合作构建多模态内容生产能力，集成剧本创作、分镜拆解、角色设定、图像/视频生成与智能配音，实现从创作到成片输出的一体化流程。平台已上架 Microsoft Marketplace，面向教育、MCN 与企业提供全球化 SaaS 服务。
腾讯发布混元3D世界模型2.0，可无缝对接游戏工作流
腾讯开源发布混元3D世界模型2.0（HY-World2.0），支持文本、图片、视频多模态输入，自动生成与重建可编辑3D场景，并导出Mesh、3DGS、点云等资产无缝接入Unity与UE。相比1.5版本，2.0在真实感、风格化生成、数字孪生复刻和智能漫游导航上全面升级，显著降低游戏地图与关卡原型开发门槛。
快手电话会透露AI进展：可灵AI年收入超3亿美元 算力持续加码
快手在2025年业绩电话会上释放多重AI信号，透露可灵AI截至2026年1月ARR已超3亿美元，持续加码算力与基础模型投入。公司正推动AI从单点能力迈向一体化创作系统，布局多模态、Agent及商业化落地，在电商、内容生态和影视制作等领域实现深度应用。
腾讯混元3.0四月发布 推理与智能体能力大幅提升
腾讯混元3.0大模型将于2026年4月发布，重点升级推理能力和智能体功能，实现从大模型向强智能体的跃迁。该版本在逻辑推理、任务处理和多模态生成方面取得重大突破，同时优化了底层架构和数据质量，展现了腾讯在AI领域的持续投入和技术领先优势。
告别视频扭曲与“AI电音”：巨人网络多模态模型让虚拟世界更真实
巨人网络AI Lab联合清华大学和西北工业大学发布三项多模态生成技术：YingVideo-MV实现音乐驱动视频生成并消除人物畸变，YingMusic-SVC提供零样本歌声转换确保真实歌曲可用，YingMusic-Singer支持任意歌词生成自然歌声。这些开源技术显著提升了音视频创作的质量与灵活性。
李飞飞World Labs放大招！Marble 3D世界模型公测，文本/图片秒变可交互虚拟宇宙
李飞飞World Labs推出Marble 3D世界模型公测版，支持从文本、图像、视频等多模态输入直接生成完整可交互的3D虚拟世界。用户可实时编辑导航，10分钟内创建风格多样的沉浸式环境，并导出高斯溅射、三角网格等多种格式。这一突破性工具将重塑游戏开发、VR/影视制作和AI训练等领域，推动从2D生成向3D空间智能的跨越。
