商汤推出的AI视频创作工具Seko已吸引10万创作者使用。该工具集成多模态生成模型，用户通过对话即可生成完整视频，支持复杂剧本拆分和一致性输出，显著降低创作成本，成为“AI短剧大师”。

生数科技于9月19日完成数亿元A轮融资，资金将用于模型研发和技术创新。该公司在多模态生成技术领域迅速发展，已覆盖200多个国家，生成视频超过4亿次。其Vidu系列产品在AI视频生成中表现突出，吸引了众多行业合作伙伴。

本研究提出了一种新的统一离散扩散模型UniDisc，旨在解决多模态生成模型在图像与文本理解和生成中的不足，显著提升样本质量、多样性控制和生成效率。

本研究回顾了自2022年以来生成性人工智能在创意产业的进展，重点分析了文本到图像、视频及多模态生成技术的突破及其对内容创作的影响，同时指出传媒行业面临的通信流量挑战。

本研究提出了一种潜在语言建模（LatentLM）方法，旨在解决多模态生成模型中离散与连续数据的整合问题。通过结合因果变换器和变分自编码器，该方法在图像生成和文本到语音合成方面表现出色。

本研究提出了GATE OpenING基准，解决了开放式交互图文生成评估中数据规模和多样性不足的问题。该基准包含5400个高质量标注实例，涵盖56个真实任务，展示了IntJudge模型在评估多模态生成方法方面的优势，为未来模型发展提供指导。

本研究系统评估了视觉领域自回归模型的应用现状，分析了现有方法的贡献、优势与局限，涵盖图像、视频及多模态生成任务，为未来研究提供指导。

本研究提出Diff-2-in-1框架，解决了扩散模型在密集视觉感知任务中的应用不足，优化了多模态生成与视觉感知的结合，显著提升了生成数据的有效性和多样性。

本文介绍了去噪扩散隐式模型（DDIMs），通过非马尔科夫扩散过程显著加速采样速度，提升了10至50倍。研究探讨了基于扩散模型的图像生成方法及其生成质量的改进，并提出了新的框架以解决效率问题，展示了在多模态生成中的应用潜力。

本文介绍了JADE、i-Code V2、Ziya-VL和SynthVLM等新方法在视觉问答和多模态生成领域的应用。这些方法通过结合视觉和语言数据，提高了模型在多任务中的性能，并有效解决了数据效率和隐私问题，展现了在视觉问答任务中的竞争力。

本文提出了一种基于混合提示编码的AIGC质量评估框架，验证了其在多模态生成领域的有效性。该框架通过大型语言模型改善文本到图像生成的一致性，提升了图像质量和相似度。同时，介绍了Prompt-Guided In-Context inpainting框架，实现高效的图像修复和合成，无需精细调整。实验结果表明，该框架性能优于传统方法。