小红花·文摘
  • 首页
  • AI Tokens🪙
  • 排行榜🏆
  • 直播
  • FAQ
Dify.AI
沉浸式翻译 immersive translate
美国AI音乐巨头进军视频生成,底层模型来自中国MiniMax

Suno推出视觉创作工具Visuals,将视频和图像生成引入音乐创作。其模型H3 Move基于MiniMax开源视频模型H3打造,并针对音乐场景调优,可生成呼应歌词、支持口型同步的最长15秒视频,还能制作歌词视频和专辑封面。视频模型在速度、成本和质量上已适合普通用户。Visuals采用独立付费积分,并加入内容过滤和水印保护。

美国AI音乐巨头进军视频生成,底层模型来自中国MiniMax

量子位 量子位 · 2026-11-20T12:18:01Z
Suno现可为AI音乐生成AI视频

Suno推出“Visuals”功能,可将AI歌曲转为AI图像和最长15秒的自动对口型视频,支持网页、iOS和安卓。用户可选预设角色、上传图片或通过提示生成图像,并设置画幅、首尾帧及剪辑时间线。该功能由基于MiniMax H3的H3 Move模型驱动,并设有过滤措施防止生成艺人、公众人物及版权内容。视频和图像需另用Visuals积分。此前Suno因音乐生成面临诉讼,部分用户希望其先改进音频质量。

Suno现可为AI音乐生成AI视频

The Verge The Verge · 2026-11-18T11:16:53Z

McKinsey Global Publishing’s visual storytellers reveal the creative choices behind ten of the best images, animations, and interactives representing our key insights.

McKinsey Publishing’s year in visuals

McKinsey Insights & Publications McKinsey Insights & Publications · 2025-12-08T00:00:00Z

本研究分析了视觉语言模型(VLMs)在处理ASCII艺术时的局限性,发现其在文本与视觉模式冲突时存在文本优先偏见,且随着语义复杂度的增加,视觉识别能力下降。这为未来模型的改进提供了参考。

Text Over Visuals: ASCII Art Reveals Text Bias in Vision-Language Models

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2025-04-02T00:00:00Z

本研究提出了“误导性图表问答基准”,用于评估多模态大语言模型识别误导性图表的能力。结果表明,现有模型在识别视觉误导方面存在局限性,并提出了新方法以提高解读准确性,为理解误导性图表提供了基础。

Unmasking Deceptive Visuals: Benchmarking Multimodal Large Language Models on Misleading Chart Question Answering

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2025-03-23T00:00:00Z

本研究探讨了如何利用大型语言模型(LLMs)自动生成数学图形,以解决数学教育中的视觉化不足问题。研究表明,生成的SVG格式矢量图形能有效提升学生的学习体验。

From Text to Visuals: Using Large Language Models to Generate Mathematical Diagrams and Vector Graphics

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2025-03-10T00:00:00Z

SceneXplain transforms product images into audio descriptions, ensuring visual content isn't just seen, but also heard and understood. It's a step forward in creating an inclusive digital world...

Making Visuals Vocal: SceneXplain's Impact on Product Image Accessibility

Jina AI Jina AI · 2023-06-29T14:00:18Z
视觉说明:通过实时视觉画面增强语言交流 (Visual Captions: Augmenting Verbal Communication with On-the-fly Visuals)

该工作设计了一个基于在线会议平台的AI辅助插件,通过视觉字幕推荐多种方式的视觉图像,帮助人们理解他人的话语。作者通过众包完成了一个涵盖超过1500个用户意图的数据集,并通过微调语言模型进行视觉字幕的预测。用户可以浏览备选的视觉图像并选择将其公开展示。该工作设计了三种交互模式,根据用户请求、根据AI推荐和AI全自动。通过多个用户实验,发现视觉说明可以帮助用户理解不熟悉的概念、减少语言中的模糊性,并且不同人在不同场景下对于交互模式的偏好具有差异。

视觉说明:通过实时视觉画面增强语言交流 (Visual Captions: Augmenting Verbal Communication with On-the-fly Visuals)

北京大学可视化与可视分析博客 北京大学可视化与可视分析博客 · 2023-06-03T13:24:10Z
  • <<
  • <
  • 1 (current)
  • >
  • >>
👤 个人中心
在公众号发送验证码完成验证
登录验证
在本设备完成一次验证即可继续使用

完成下面两步后,将自动完成登录并继续当前操作。

1 关注公众号
小红花技术领袖公众号二维码
小红花技术领袖
如果当前 App 无法识别二维码,请在微信搜索并关注该公众号
2 发送验证码
在公众号对话中发送下面 4 位验证码
友情链接: MOGE.AI 九胧科技 1tok 菜鸟教程 Remio.AI DeekSeek连连 53AI 神龙海外代理IP IPIPGO全球代理IP 东波哥的博客 匡优考试在线考试系统 开源服务指南 蓝莺IM Solo 独立开发者社区 AI酷站导航 极客Fun 我爱水煮鱼 周报生成器 He3.app 简单简历 白鲸出海 T沙龙 职友集 TechParty 蟒周刊 Best AI Music Generator 模力方舟 Gitee AI

小红花技术领袖俱乐部
小红花·文摘:汇聚分发优质内容
小红花技术领袖俱乐部
Copyright © 2021-
粤ICP备2022094092号-1
公众号 小红花技术领袖俱乐部公众号二维码
视频号 小红花技术领袖俱乐部视频号二维码