速手正式启动“可灵AI”导演共创打算，9位著名导演将依托可灵AI筑造9部AIGC影戏短片，这是中国首个AIGC导演共创打算。可灵AI自觉布以还，已效劳赶上160万用户，天生2500万张图片和1600万个视频星空体育，正在短剧行业已告捷运用。9位导演将充溢应用可灵AI的物理全国模仿和观点创造才智，筑造时长约3分钟的影戏短片，找寻“人+AI共创”形式。

　　该打算旨正在将影戏人文艺术与AIGC手艺深度统一，配合找寻新手艺正在影视创作和筑造规模的鸿沟，胀励影视工业走向下一轮手艺改革。可灵AI不光是环球实质创作家的创意东西，也希望成为影视行业的新质临蓐力，帮力财产智能化升级。

　　短视频营销已成为跨境电商的核心政策，但实质当地化、筑形本钱、文明差别等题目困扰着商家。AIGC手艺为跨境商家供给相识决计划，通过智能剖判商场趋向、天生剧本和数字人，帮帮商家筑造爆款视频。AIGC东西可能疾速天生高质料的短视频，降作本钱，但视频质料、创意性和易用性仍需优化。尽量AIGC手艺尚处于早期可用阶段，但其运用远景宏壮，跨境商家应踊跃找寻和运用，晋升短视频营销效劳。本文以保健食物类目为例，先容了特看科技何如应用AIGC手艺帮帮商家疾速筑造短视频，并剖判了而今AIGC正在短视频营销规模面对的寻事和来日进展趋向。

　　可能惩罚各式杂乱的OCR职司，不光搜罗遍及文本，还可能识别公式、表格、曲谱等杂乱实质。

　　• OCR-2.0闭键撑持中文和英文字符识别，并可能通过进一步的微调扩展到更多措辞。

　　• 场景文本识别：可能惩罚天然场景中的文本识别职司，如街道记号、告白牌上的文字等。

　　• 文档OCR：惩罚文档中完善页面的文字识别，无论是纯文本文档，如故含有表格、公式等的杂乱文档。

　　• 体式化文本OCR：撑持将光学文档中的文本直接转换为 Markdown、Latex 等体式，依旧杂乱文档的原始排版和体式。

　　• 动态判袂率：GOT 撑持对超高分辦率图像（如大幅海报星空体育AI精选（182）-人为智能规模内的最新发达：中国首个AIGC导演共创盘算启动、拼接PDF页面）举行OCR惩罚，行使动态判袂率手艺确保正在图像过大时依旧识别切实性。

　　无需绘画本领轻松筑造故事板 格表容易上手，内置大方可用的图形资产、插画、场景道具和脚色组合，撑持多种文明、种族和体型。 可能通过轻松的拖动智能、简略操作即可创作出各式各样的故事版。

　　创筑相像OpenAI o1 的推理链 模子被恳求行使起码 3 种差异的手腕得出谜底，并找寻多种能够性，确保模子可能确切地管理题目。 这种政策帮帮 Llama-3.1 正在 Strawberry 题目上的切实率从 0% 晋升至 70%。 用户也可能看到每一步推理历程的题目和实质，帮帮懂得模子的推理逻辑。

　　模子的每一步推理输出以 JSON 体式显示，搜罗题目、推理实质和下一步活动（不绝或给出最终谜底）。

　　本项目是Modelscope-Sora寻事赛第五名参赛计划，详明描画了数据筛选历程、模子演练与推理方法以及最终的评测手腕。进程视频场景切分、视频片断筛选、视频caption天生以及带caption的样本筛选，最终获得41549个用于模子演练的视频样本。行使CogVLM2-Video模子从头天生局部数据caption，晋升模子演练后果。项目供给完善的代码和处境设备剧本，可正在最低24GB GPU上告终文生视频职司的研习及实行。通过模子演练和推理，天生了一系列高质料的文生视频，并行使VBench平台对天生视频举行评测。

　　RealisDance 是一种新手腕，可能巩固现有可控脚色动画手腕的模样操纵，告终鲁棒的天生、光滑的运动和传神的手部质料。RealisDance 的架构包括两个阶段：第一阶段行使 HAMER 推测手的运动星空体育，第二阶段行使神经搜集将手部运动照射到 3D 手部模子。该项目供给了疾速最先指南智能，搜罗设立处境、盘算预演练模子智能、举行疾速推理、盘算数据集、演练 RealisDance 模子以及评估模子功能。RealisDance 的代码基于 Open-Animate Anyone、Moore-Animate Anyone 和 MusePose星空体育，并供给了详明的阐述和示例。RealisDance 是一个开源项目，可能用于学术推敲和个体研习，开拓者激劝用户行使该项目举行创造性的运用，但对用户天生的实质不继承负担。

　　Out of Focus是一款基于Gradio的AI图像惩罚东西，允诺用户通过提示语操控图像，告终图像篡改。该东西行使扩散反转历程举行图像重筑，并提议行使起码15GB VRAM的GPU，最好行使A100 GPU以得回最佳体验。Out of Focus供给GitHub项目下载地点，并供给详明的装配依赖项和运转Gradio演示的方法。用户可能通过Colab运转该东西，需求确保行使GPU札记本并启用A100或L4 GPU。该东西还供给视频演示，出现其效力和行使手腕。

　　StripeM-Inner是一个基于视频帧的细粒度视频懂得模子，它可能将视频剖释成帧并举行剖判，从而更好地懂得视频实质。该模子应用了Transformer架构，可能逮捕视频帧之间的时空相闭，从而告终更切实的视频懂得。StripeM-Inner正在多个视频懂得职司上博得了优异的功能，搜罗行动识别、视频分类和视频检索。该模子的代码和预演练模子已开源，轻易推敲者和开拓者行使。