文本、图像、音频、视频，你的算法属于哪种"模态"？

无论你是要给自己训练的大模型做算法备案，还是刚接触”多模态”这个概念，这篇文章从概念起源、判定逻辑、备案实操、真实案例、技术成本五个维度，帮你把”模态”和”多模态”这层窗户纸彻底捅破，全程干货、可直接对照填报。

视频转文字本地方案：faster-whisper 提速实录

手上攒了一批访谈视频要做视频转文字，单条四十分钟往上，总量三十多个小时。走云端 API 有两个顾虑：一是画面和音轨里有受访人的真实姓名、公司信息，二是按时长计费算下来不便宜。

拆解 Vera 1.1 文生视频：时序建模到底卡在哪了

文生视频技术商用落地的进程中，时序建模能力是区分模型可用性的核心技术指标，其技术难度与优化成本均显著高于静态空间画质。

Vera 1.1 VS 主流文生视频模型，写实风格输出对比

写实风格是文生视频商业化落地占比最高的赛道，覆盖电商物料、实景短视频、数字人、实景宣传素材等业务。

京东发布JoyAI-Video-Edit实时流式视频编辑模型

8月5日，京东旗下技术团队推出自主研发的视频编辑工具JoyAI-Video-Edit。该模型可实现视频内容的即时修改，解决传统视频创作需提前准备素材的限制。

『NAS』有时候能用的视频娱乐媒体中心-Stremio

Stremio 是免费开源的一站式视频娱乐媒体中心，主打聚合全网影视资源与多设备无缝同步，帮你告别多个视频 APP 切换与会员费困扰。

🔥 SolonCode 学习 1 - 快速安装或更新【视频教程】

可灵 3.0 模型上线：视频与图片能力全面升级

可灵 AI 官宣正式迈入3.0 时代，围绕视频与图片两大核心能力进行全面升级，重点提升叙事能力、可控性、一致性与画质表现，并首次引入多模态一体化的原生创作流程。

Shotcut 26.1.30 发布，开源跨平台视频编辑器

在 CPU 和 GPU RAM 之间传输未压缩的视频可能会成为瓶颈，因此此功能仅限于预览缩放或 1080p-60fps（或更低）的源。

ReShade 6.7.0 发布，游戏视频画面自定义工具

借助此应用程序，PC 游戏玩家可以轻松地将各种自定义处理模板添加到他们喜欢的视频游戏中，并添加新元素，例如抗锯齿，屏幕空间环境光遮挡，色差，景深效果，胶片颗粒，色彩校正，色彩后处理，多通道模糊以及许多视频游戏本身不支持的许多其他效果

字节跳动团队发布 DreaMontage，帧引导视频生成技术

字节跳动发布了名为 DreaMontage 的帧引导视频生成技术，其核心在于实现“任意帧引导的一次性视频生成”，创建无缝的长镜头和复杂的场景过渡。

快手正式上线首个音画同出模型：可灵视频 2.6

快手可灵 AI 团队宣布，可灵视频正式升级至 2.6 版本，带来了里程碑式的「音画同出」能力，标志着可灵 AI 正式迈入“有声”时代。

中国科大与字节发布 MoGA 长视频生成模型

中国科学技术大学与字节跳动即将联合发布一款具有里程碑意义的端到端长视频生成模型。

ReShade 6.6.0 发布，游戏视频画面自定义工具

借助此应用程序，PC 游戏玩家可以轻松地将各种自定义处理模板添加到他们喜欢的视频游戏中，并添加新元素，例如抗锯齿，屏幕空间环境光遮挡，色差，景深效果，胶片颗粒，色彩校正，色彩后处理，多通道模糊以及许多视频游戏本身不支持的许多其他效果

Shotcut 25.08.16 发布，开源跨平台视频编辑器

Shotcut 25.08.16 现已发布，此版本修复了上一版本 25.07中的错误。具体更新内容如下： 修复了以前版本项目中的 Gain/Volume filter不显示其 UI 或关键帧的问题（在 v25.07 中出现问题）。 修复了Gain/Volume、Fade In Audio 和 Fade Out Audio filters中的 artifacts（在 v25.07 中出现问题）。 修复 Fedora Linux RPM 包频繁崩溃的问题（在 v25.05 中出现问题）。 修复了将 BT.709 color space 转换为 BT.2020 的问题。 在预览中添加了 BT.2020 color space 支持。 修复了路径或名称中包含&的导出文件保存错误名称的问题。 添加导出任务的上下文菜单中添加了Embed Markers as Chapters选项。 更新说明：https://www.shotcut.org/blog/new-release-250816/

腾讯发布交互式视频生成基础框架“Yan”

腾讯发布了 AI 驱动的交互式视频生成框架 Yan。

Midjourney 发布首个 AI 视频生成模型 V1

AI 初创公司 Midjourney 宣布推出其备受期待的首款 AI 视频生成模型 V1，支持图像到视频的生成，并可实现从文本直接生成视频。

2025 年视频团队协作效率软件推荐之分秒帧

分秒帧是由北京云为先科技有限公司(成立于2019年)研发的云端音视频生产协作平台,专注于解决音视频内容制作全流程的协同效率问题。

Shotcut 25.05.11 发布，开源跨平台视频编辑器

Shotcut 25.05.11 现已发布，具体更细内容如下： 新功能 添加了Alpha Strobe视频滤镜。 在 Timeline中添加了 Freeze Frame。

3D 空间视频生成技术探索与应用

我们提出的基于人工智能的2D视频转换为3D空间视频的方法，涉及深度估计、图像生成等算法，并构建了一个3D视频数据集，作为后续行业发展的评测基准。