Meta 今天发布了自己的 AI 视频生成模型 Movie Gen，他们认为是迄今为止最先进的媒体基础模型。
Meta 今天发布了其 AI 视频生成模型 Movie Gen，称其为迄今为止最先进的媒体基础模型。
Movie Gen 是一个拥有 30 亿参数的变换器模型，能够从单一文本提示生成高质量、高分辨率的视频和图像。
除了视频生成，Movie Gen 还包括一个 13 亿参数的音频模型，能够通过视频输入和文本提示生成与视频同步的高保真音频，涵盖环境音、背景音和音效，确保音质优良且视频与音频精确对齐。
此外，Movie Gen 还具备编辑功能，可以通过生成的视频及文本指令执行局部编辑，如添加、删除或替换元素，或进行全局样式和背景的更改。
Movie Gen 还能够利用个人图像和文本提示，生成保留角色特征和自然运动效果的视频。
就目前发布的演示视频来看，画面质量和动态效果和 Sora 无异，总体效果甚至优于 Runway、可灵等目前最主流的 AI 视频生成工具。
AI 博主 ADIL 演示利用 Claude Fable 5 配合 Higgsfield MCP 插件，在 20 分钟内全自动复刻高收益 YouTube 频道。该工作流集成图像、视频及语音生成引擎，可自动分析爆款结构、撰写脚本并一键产出含配音的纪录片视频及封面标签。平台并不排斥优质 AI 内容，此端到端自动化流程将创作耗时从数天缩至十几分钟，大幅降低不露脸创作门槛。未来核心竞争力在于利用工具实现规模化生产与持续运营的能力。
谷歌推出开源模型 Gemma 4，旨在解决网络受限地区无法使用前沿 AI 的问题。该模型追求内存占用下的智能最大化，首次具备多模态与智能体能力，支持在无网移动端高效运行复杂任务。目前已在乌干达离线医疗系统及秘鲁原住民语言保护等场景中落地应用。通过将大模型蒸馏至终端设备，Gemma 4 摆脱了对云端算力的依赖，推动去中心化开源生态发展，赋能各社区按需构建专属系统。
微软研究院联合多所高校发布 Mirage 模型，通过在扩散模型隐空间直接存储三维记忆，解决了 AI 视频生成中场景一致性差及计算昂贵的问题。该方案摒弃传统 RGB 点云渲染流程，使生成速度提升最高 10.57 倍，显存占用降低 55 倍，且长视频边际成本几乎不增。测试显示其三维与光度一致性优于现有方案，虽暂不支持动态物体记忆，但已开源并适用于机器人仿真等静态场景任务。
围绕《Meta 发布最新 AI 视频生成模型 Movie Gen》展开交流，未登录用户可浏览评论，登录后可参与讨论。
