全新AI工具EditVerse將圖片和影片編輯整合到一個框架中，讓你像P圖一樣輕鬆P影片。透過統一的通用視覺語言和上下文學習能力，EditVerse解決了傳統影片編輯複雜、資料稀缺的問題，也能實現罕見的「湧現能力」。在效果上，它甚至超越了商業工具Runway，預示著一個創作新紀元​​的到來。你是否曾有過這樣的經驗：用Hunyuan- Image、nano-banana等各類AI軟體修圖已經得心應手，但面對影片編輯，卻需要打開有著複雜時間軸和特效面板的影片剪輯軟體（PR/FCPX），瞬間感覺「我不會了」。圖片編輯和影片編輯，彷彿是兩個次元的技能樹。但如果，有一個工具，能讓你像P圖一樣P影片呢？今天，這個顛覆性的工具來了！由香港中文大學、Adobe Research、約翰霍普金斯大學的研究員們聯合推出的EditVerse，是一個劃時代的AI模型，徹底打破了圖片和視訊創作之間的壁壘，用一個統一的框架，實現了對圖像和視訊的自由編輯與生成 。論文連結：https://arxiv.org/abs/2509.20360專案首頁：http://editverse.s3-website-us-east-1.amazonaws.com/測試程式碼：https://github.com/adobe-research/EditVerse完整結果：http://editverse.s3-website-us-east-1.amazonaws.com/comparison.html無論是生成音樂音符特效，還是為跳舞的人物加上一對閃亮的翅膀，你只需要輸入一句話，EditVerse就能幫你實現。「資料孤島」影片編輯為何如此之難？長期以來，AI影片編輯的發展遠遠落後於圖片編輯。究其原因，主要有兩大「天塹」：架構的「隔閡」：傳統的AI模型，要嘛是專為圖片設計的，要嘛是專為影片設計的。想讓一個圖片編輯模型去處理視訊，或者反之，都極其困難，需要複雜的魔改和適配。這導致了工具的碎片化。資料的「饑荒」：高品質的、「編輯指令-編輯後」配對的影片資料集極為稀少。相較於數以億計的影像編輯資料，影片領域的「養分」嚴重不足，這大大限制了AI的學習和進化。這些難題，使得過去的AI影片編輯工具要麼功能單一，要麼效果不盡人意，始終無法像圖片編輯那樣靈活和強大。EditVerse的「破壁」之道EditVerse的革命性，在於它用一套全新的「世界觀」和方法論，同時解決了架構和資料的雙重難題。核心思想一：創造一種「通用視覺語言」EditVerse交錯文字與視覺模式的範例。 EditVerse 能夠處理任意解析度、長度和順序位置的影像與視訊輸入和輸出。EditVerse做的第一件事，就是教會AI用同一種方式去「閱讀」世界上所有的視覺訊息。它創新地將文字、圖片、影片全部轉換成一種統一的、一維的「資料流」（Token序列） 。這就像是發明了一種「世界語」，讓原本說著不同方言（圖片編碼vs 視訊編碼）的AI，現在可以用同一種語言進行交流和思考。核心思想二：強大的「上下文學習能力」EditVerse 模型結構。研究人員設計了一個統一的圖像和視訊編輯與生成框架，將文字與視覺輸入處理為統一的序列。圖中右側展示了位置資訊編碼設計（RoPE位置編碼）。該框架利用全自注意力機制，以促進強大的上下文學習能力，並實現跨模態的高效知識遷移。有了「通用語言」後，EditVerse採用了一個基於全自注意力機制（Full Self-attention）的強大Transformer架構。透過將所有資訊流在序列維度拼接在一起，EditVerse模型可以直接透過attention的上下文學習能力將不同圖片、影片和文字中的資訊關聯起來。你可以把它想像成一位「上下文學習大師」，它能一口氣讀完包含指令、原始畫面的整段「資料流」，並精準地理解其中每個部分之間的關聯。例如「把【影片1】左邊女人的裙子變成【圖2】中的裙子」 ，全注意力機制能精準地將文字指令、影片中的特定人物和圖片中的服裝關聯起來。同時，這種設計使得EditVerse能夠靈活處理任意解析度、任意時長的輸入，真正做到了「隨心所欲」 。核心思想三：搭建一座「知識遷移的橋樑」這正是EditVerse最巧妙的地方。因為它使用一套統一的框架同時處理圖片和視訊，所以它能將在海量的圖片編輯資料中學到的知識（比如什麼是“火焰特效”、“水彩畫風格”），無縫遷移並應用到視訊編輯任務中 。這座「知識橋樑」大大緩解了視訊資料稀少的問題，讓模型能夠舉一反三，展現出驚人的創造力和泛化能力。訓練資料與首個多解析度影片編輯評測基準光有聰明的「大腦」（模型架構）還不夠，還需要大量的「知識」（訓練資料）和公平的「考官」（評測基準）。面對影片編輯資料稀缺的困境，EditVerse團隊首先建立了一條可擴展的資料生產線。他們利用各種先進的專用AI模型，先自動產生大量的影片編輯樣本（例如物件移除、風格轉換等），然後透過一個視覺語言模型（VLM）進行評分和篩選，最終精選出23.2萬個高品質的影片編輯樣本用於訓練。這批影片編輯資料，與600萬圖像編輯樣本、390萬視訊生成樣本、190萬圖像生成樣本等海量資料混合在一起，共同訓練EditVerse，從而使模型擁有更好的知識遷移理解能力。此外，為了科學、公正地評估模型的能力，團隊也推出了業界首個針對指令式影片編輯的綜合性評測基準——EditVerseBench 。這個評測基準包含了100個不同解析度的視訊，涵蓋了多達20種不同的編輯任務，從簡單的物體加入，到複雜的風格變換，確保能全面地檢驗每個模型的真實水平。EditVerseBench範例。 EditVerseBench包含200組編輯樣本，均勻分佈在20個編輯類別中，影片涵蓋橫向和縱向兩種方向。能力展示當想像力沒有邊界EditVerse不僅統一了工作流程，其編輯效果更是達到了業界頂尖水準，在人工評估（Human Evaluation）上更是超過了商業模式Runway Aleph。為了進行大規模、客觀的自動化評測，團隊從多個角度進行了各個模型的評測影片品質(Video Quality): 使用與人類美學高度相關的PickScore進行評分。文字對齊(Text Alignment): 分別在單幀和整個影片層面，計算編輯結果與文字指令的語意匹配度。時間一致性(Temporal Consistency): 透過計算相鄰影格之間的特徵相似度，來判斷影片是否流暢、無閃爍。視覺語言模型（VLM）GPT-4o評分（VLM Evaluation） ：它會從指令遵循、編輯品質、背景一致性等多個角度為產生結果評分。在EditVerseBench基準測試上，EditVerse與現有主流方法進行了對比，結果顯示其全面領先於所有開源模型。更值得注意的是，在最符合人類偏好的VLM評分上，EditVerse超越了閉源商業模式Runway Aleph 。在EditVerseBench上的定量比較。對於開源研究模型，研究人員比較了兩種無需訓練的方法（TokenFlow和STDF）、一種首幀傳播方法（Señorita-2M），以及一種基於指令的影片編輯方法（InsV2V）。最佳結果以粗體標示。也提供了一個商業模式Runway Aleph的結果。儘管由於基礎模型的差異，EditVerse在生成品質上略遜於Runway Aleph，但EditVerse在編輯忠實度上（透過基於視覺語言模型的編輯品質評估）超越了它，與人類評估結果更加一致。在編輯領域，使用者的真實偏好最有說服力。在真人評測環節中，評測者在不知道模型來源的情況下，對不同模型產生的影片進行投票。結果再次印證了EditVerse的優勢：它不僅對開源模型取得了壓倒性的勝利（例如對InsV2V的勝率高達96.9%），面對商業模型Runway Aleph，也有51.7%的使用者認為EditVerse的效果更好 。人類評估結果EditVerse的「湧現能力」從何而來？在測試過程中，研究人員發現了一個令人興奮的現象：EditVerse經常能完成一些它從未在視訊資料中學過的任務。例如，指令是「把烏龜變成水晶材質」或「給天空加上縮時攝影效果」，儘管它的視訊訓練集中並沒有這類“材質變換”或“特效加入”的專項資料，但模型依然能出色地完成。這種「無師自通」的能力，就是AI領域備受關注的「湧現能力」（Emergent Ability）。這背後的秘密，正是前文提到的那座「知識遷移的橋樑」在扮演關鍵角色。想像一下，EditVerse就像學徒，閱讀了600萬本關於「靜態繪畫」的頂級教材（圖片編輯資料），卻只看了28.8萬份關於「動態影像」的簡報（影片編輯資料） 。然而，他從海量繪畫教材中學到了關於光影、構圖、材質、風格的深刻原則。當他處理動態影像時，他能將這些底層藝術原理靈活運用，從而「領悟」出影片中如何表現「水晶質感」或「天氣變化」，即便簡報裡從未提過。為了驗證這個猜想，團隊進行了一個關鍵的消融實驗：他們拿走那600萬本「繪畫教材」（即移除圖片編輯資料），只用影片資料來訓練模型。結果不出所料，新模型的影片編輯能力發生了斷崖式的下降 。另外，團隊也發現，如果將影片產生訓練資料移除，模型效果同樣會下降，這說明了模型是從圖片編輯+影片產生兩者各取其長，湧現出了影片編輯的能力。關於訓練資料的消融研究。訓練資料消融實驗的可視化結果。圖像資料起到了關鍵作用。這項實驗無可辯駁地證明了：正是從海量、多樣化的圖像資料中汲取的深層知識，賦予了EditVerse在視訊領域舉一反三、觸類旁通的“湧現能力”。它甚至能創造出比其訓練資料更高品質的作品，因為它不是在死記硬背，而是在真正理解和創造。將EditVerse的生成結果與真實資料進行比較。結果顯示，EditVerse能夠透過從影像和影片產生資料中提取知識，產生品質超越真實資料。一個創作新紀元​​的開啟EditVerse的出現，其意義遠不止於一個強大的工具，它預示著一個全新的內容創作範式的到來，從分離到統一，從繁瑣到簡潔。EditVerse正在做的，是將專業級的視覺編輯能力，真正普及給每一個有創意的人。 （新智元）

前字節大佬狂拿5.2億融資！ AI產品使用者已超1億。智東西10月17日報導，今日，AI視訊企業愛詩科技宣佈完成1億元人民幣B+輪融資，由復星銳正、同創偉業、順禧基金等共同投資。此前9月10日，愛詩科技剛完成B輪融資，總金額超過6000萬美元（約合人民幣4.27億元）。本輪融資由阿里巴巴領投，達晨財智、深創投、北京市AI基金、湖南電廣傳媒、巨人網路和Antler跟投，創下國內視訊生成領域單次最大融資額。愛詩科技成立於2023年4月，專注於AI影片生成大模型及相關產品的研發應用，是國內首家發表DiT架構影片生成模式的新創公司。愛詩科技創辦人兼CEO王長虎，曾任字節跳動視覺技術負責人，曾從0到1參與抖音與TikTok等產品的視覺能力建構。加入字節前，他曾在微軟亞洲研究院和新加坡國立大學擔任研究職位。▲愛詩科技創辦人兼CEO王長虎的個人首頁愛詩科技官方資料顯示，公司旗下產品使用者規模已突破1億，年度經常性收入（ARR）超過4000萬美元（約2.85億元），產品MAU超過1600萬。公司自2024年11月商業化至今，不到一年時間收入成長超過10倍，是過去一年全球營收和使用者成長最快的AI平台之一。2024年1月，愛詩科技以海外市場推出首款產品PixVerse，以範本化影片生成為主要特色。 2025年6月，該公司又推出了國內使用者的「拍我AI」。截至目前，其自研影片產生大模型已完成五次重要更新，共發佈八個版本。最新版本PixVerse V5已於8月27日上線，重點最佳化了動態表現、畫面清晰度、一致性處理與指令回應能力。同時上線的還有Agent創作助手，幫助使用者簡化創作流程，無需複雜提示詞即可製作影片。▲拍我AI（PixVerse）首頁截圖地址：https://pai.video/PixVerse在9月入選了a16z 「全球Top 50生成式AI消費級行動應用」榜單第25名。根據數據機構AIGCRank資料，PixVerse9月網站造訪量成長超過26.91%。▲全球Top 50生成式AI消費行動應用（圖源：a16z）在今年兩次融資之前，愛詩科技於2023年8月完成數千萬元人民幣天使輪融資。 2024年，該公司相繼完成A2至A4輪融資，累計金額近3億元。 A2輪由螞蟻集團投資，A3與A4輪則獲得北京市人工智慧產業投資基金、國科投資、光源資本等機構支援。 （智東西）

想在這個影片主導的時代輕鬆製作動態內容？AI 技術的出現，正正協助我們輕鬆簡單製作影片。透過Vidwud AI，我們不再需要花大量時間去設計或剪片，只需提供一張照片或一句文字描述，系統就能自動生成視覺吸引人的影片內容，大幅節省時間與資源，同時提升創作效率與品質。什麼是 AI 照片轉影片工具？AI 照片轉影片工具是一種利用人工智慧技術，將靜態影像或文字輸入自動轉換為影片內容的線上工具。傳統的影片製作需要剪輯、動態設計、音樂搭配，對許多人來說門檻很高。而 AI 工具的優勢，就是自動化、快速且不需專業技能，特別適合想輕鬆完成短片的人。圖源 Vidwud AI 官網為什麼要用AI 照片轉影片功能？無論您是經營品牌、熱愛創作，還是單純想留下生活的美好片段，將照片變影片，都能在多種情境中發揮極大效用，讓內容表達更加生動、專業又有情感溫度：把靜態畫面以動態呈現：動態影片更能吸引目光與延長停留時間。透過轉場、動畫、配樂的加持，即便是平凡的照片也能瞬間變得有故事、有感覺。提升情感表達與說服力：影片比圖片更容易傳遞情緒。透過動態呈現與音效搭配，一張親人的合照可以變成感人生日祝福影片；一組產品照，也能講述一段品牌故事。更適合在多平台分享與推廣：現今的社群平台（如 Facebook、IG、YouTube Shorts等）偏好影片內容。將照片轉成影片，能提高觸及率與互動率，是內容行銷的一大關鍵。節省成本與時間：若請專人製作影片，無論是拍攝、剪輯還是配音，都是一筆不小的成本。利用AI 照片轉影片工具，只需上傳照片或輸入文字，即可快速生成影片，省時又省力。利用 AI 把照片變影像是現代較低成本且快捷的做法。如何使用 Vidwud AI 製作短片？Vidwud AI 影像轉影片工具簡單易用，甚至不需要下載，在網頁上就可以透過以下3個步驟把照片變影片：1. 上載照片或輸入文字按中間加號上傳照片，Vidwud AI 支援 JPG、PNG、WEBP 圖片格式。同時您也可以直接輸入文字描述或標題內容。2. 生成影片上傳後按「生成影片」，系統將根據輸入內容轉化為動畫，幾分鐘便能完成。閱覽影片並滿意後，並可以直接下載到您的裝置或分享到社交媒體。Vidwud AI 照片轉影片工具的特色：100% 免費使用：無需付費即可享受完整功能。直覺操作介面：無需學習成本，初次使用者也能輕鬆上手。支援多語言輸入：無論中文、英文或其他語言皆可使用。商業友好：生成影片可合法用於商業推廣、簡報、廣告等場景。支援文字轉影片：除了圖片，也能用一句話生成動態影片，應用更彈性。高品質輸出：轉場流暢、畫面色彩豐富，視覺效果佳。結論AI時代之前，影片製作是專業領域，並需要剪輯師與美術設計師花大量時間製作。但現在，AI 工具如 Vidwud AI 的出現，讓這一切變得平民化與自動化。無論您是要做行銷內容、社群影片，還是單純分享個人回憶，都能在幾分鐘內完成高質感的影片創作。別再被複雜的影片軟體綁住手腳，馬上開始使用AI幫助您製作動態影片吧！

一段高畫質的影片才能為觀眾帶來更細節、真實的視覺體驗，能有效提升影片的觀看率。但是專業的拍攝和設備的成本高昂，普通創作者難以負擔。這時您可以利用AI影片畫質修復技術，助您輕鬆提升影片畫質。想了解有哪些影片修復軟體免費工具？本文將為您詳細介紹不同的AI影片畫質修復軟體。 方法一：專業AI影片畫質修復軟體 首先必須介紹最推薦的一款工具—— HitPaw 影片修復軟體，它特別適合沒什麼經驗的使用者。這款軟體採用先進的AI技術，有人臉專用、黑白著色、動漫專用、夜景增強等多種AI 模型，能夠自動檢測和修復影片中的噪點、模糊和其他畫質問題，讓影片變得更加清晰細膩。 HitPaw 影片修復軟體的操作步驟非常簡單，只需幾步即可完成！

【導讀】近日，來自谷歌的研究人員發布了多模態擴散模型VLOGGER，只需一張照片，和一段音頻，就能直接生成人物說話的視頻！ 只需一張照片，和一段音頻，就能直接生成人物說話的視頻！ 近日，來自Google的研究人員發布了多模態擴散模型VLOGGER，讓我們朝著虛擬數位人又邁進了一步。 論文地址：https://enriccorona.github.io/vlogger/paper.pdf

不久前，OpenAI憑藉Sora引爆了文生視頻的熱潮，而作為其競爭對手的Pika也在3月10日宣布推出全新功能——Sound Effects，該功能為Pika生成的視頻提供了無縫音效集成的解決方案，相當於從默片進化到了有聲視訊階段。 隨著今年AI大模型與各類文本生成、文生圖、文生視頻工具的發展一路“狂飆”，AI時代的到來已成既定的事實。就連央視都在今天發布了AI視野下的神州大地《AI我中華》影片。AI將帶來顛覆式的技術變革，首當其衝的或許就是最近相當活躍的影視產業。 Pika劍指有聲視頻，文生視頻AI百花齊放 Sora 的出現讓文生視訊模型及應用程式火了起來，而身為其「前輩」的Pika也感到了些許危機感。為了應對Sora的挑戰，Pika選擇了揚長避短式打法，暫時先不去比拼生成視頻的時長，而是優先給視頻生成音效，讓視頻和音效“一鍋出”。

【導讀】中國國產Sora來了！這家公司的AI影片已經實現了15秒4K 60幀的超逼真效果。而且，它和小米、快手都已展開戰略合作，瞄準了500億美元的短劇出海市場。 OpenAI的Sora，現在是徹底把AI影片的場子給熱起來了。 不僅Stable Video立刻上線了公測，而且Pika也隨即拿出了給視訊對口型的Lip Sync，以及可以根據內容自動生成聲音的音效生成功能。 LTX Studio則另闢蹊徑，上線了電影製作平台，把影片生成、剪輯、剪輯、旁白一條龍全包了。

【新智元導讀】 Google團隊推出「通用視覺編碼器」VideoPrism，在3600萬高品質視訊字幕對和5.82億個視訊剪輯的資料集上完成了訓練，效能刷新30項SOTA。 AI視訊模型Sora爆紅之後，Meta、Google等大廠紛紛下場做研究，追趕OpenAI的步伐。 最近，來自Google團隊的研究人員提出了一種通用視訊編碼器——VideoPrism。 它能夠透過單一凍結模型，處理各種視訊理解任務。