视频与三维生成

学习视频、三维资产和角色动作生成，适合媒体创作者与图形开发者。

16 条精选 · 入门 7 · 按推荐学习顺序：越基础、直观越靠前，越系统、深入越靠后

在 3D 图中查看
全部类型 帖子 4博客 2项目 9课程 1
  1. 1入门
    博客发布 05-18
    Google DeepMind

    推出 Gemini Omni

    Introducing Gemini Omni

    Google DeepMind 介绍 Gemini Omni 模型，称其可从任意输入生成内容，首先支持视频。Omni 可组合图像、音频、视频和文本作为输入，生成基于 Gemini 世界知识的高质量视频，并支持通过对话式自然语言编辑视频、保持角色与场景一致性。首个模型 Gemini Omni Flash 已在 Gemini 应用、Google Flow 和 YouTube Shorts 上线，后续将支持图像和音频输出。

    入门视频与三维生成视觉与多模态理解
    查看详情 →
  2. 6入门
    博客发布 10-28
    Google DeepMind

    Genie 4：新一代世界模拟

    Genie 4: A new generation of world simulation

    谷歌 DeepMind 发布世界模型 Genie 4 的博客，作者为 Raia Hadsell、Diego Rivas 和 Hang Qi。文中称该模型原生多模态，可在生成世界的同时生成音乐、环境声和交互对话，并借助 Gemini 系列模型（如 Gemini Omni）维持模拟的真实外观与连贯性，可用于机器人和智能体的训练环境以及交互式体验，页面提供候补名单申请。

    入门机器人与世界模型视频与三维生成
    查看详情 →

多模态与领域探索的其他细分主题

视觉与多模态理解 20扩散与图像生成 11语音与音频 22机器人与世界模型 12科学研究与医疗 34数学与形式化证明 15