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。
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。
Google 推出 Information Agents 功能，面向 AI Ultra 订阅用户开放。该功能将搜索从被动查询转变为主动监测，智能体可 7×24 小时追踪用户需求并推送变化信息。其底层依托 Personal Intelligence 战略，通过整合 Gmail、Photos 等跨应用数据实现个性化推理。尽管存在隐私与准确性挑战，但凭借二十年数据积累，Google 正推动 AI 助手从对话工具向自主代理进化，重塑“信息找人”的交互范式。
6 月首周，月之暗面、微软、Google 及 Databricks 密集发布智能体产品，标志着 AI 正从对话助手转向持续行动系统。其中 Kimi Work 主打本地桌面运行，支持多智能体并行与浏览器接管；Microsoft Scout 定位永远在线的个人助理；Google 推出 24 小时信息追踪智能体；Databricks 开源 Omnigent 实现跨智能体互操作。行业共识逐渐形成，智能体将具备自主调度、任务拆解及持续运行能力。
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。
