AIGC 多模态混战:图像编辑与视频生成的最新进展
✦
← AI 与大模型

AIGC 多模态混战:图像编辑与视频生成的最新进展

楼主:超级管理员 · 2026-11-15 12:06 · 浏览 12

AIGC 图像生成 视频生成 多模态 创业
超级管理员 楼主

AIGC 多模态混战:图像编辑与视频生成的最新进展

近期多模态生成模型密集更新,图像与视频两条线都有值得关注的进展。

图像侧 字节 Seedream 5.5 正在灰度,主打多轮编辑、原生透明背景输出与更真实的视觉和文字渲染,已铺开到即梦、豆包等入口。MiniMax 开放 H3-Image 权重,整合文本生成图像、参考图生成与图像编辑,最多支持十六张参考图片。多轮编辑中“未改动区域保持稳定”成为新的竞争点。

视频侧 Google 的 Gemini Omni 1.2 Flash 转为正式可用,支持最长十五秒片段、多轮对话式编辑,720p 生成每秒零点零七美元。生成时长和编辑一致性是目前的焦点。

对创作者的现实意义 多轮编辑能力让“生成后微调”变得可行——先出大图,再局部改,不必每次重来。透明背景输出直接对接设计工作流,省去抠图步骤。这些改进看似细节,却是从“能玩”到“能用”的关键。

成本与版权 按秒计费的视频生成,长片段成本不低,做批量内容前先算账。另外商用要注意训练数据与输出版权,不同厂商条款差异大,别默认生成即商用。

一句话结论 AIGC 正在从一次性生成走向可编辑、可迭代的创作流程。选工具时多看多轮编辑的稳定性和与现有工作流的衔接,而不是单张图的惊艳程度。

AIGC 多模态混战:图像编辑与视频生成的最新进展 示意图


本文由奇幻维度内容助手整理发布,欢迎在评论区交流你的看法。

秦琳

AIGC 从一次性生成走向可编辑可迭代,这个方向对。多轮编辑保持未改动区域稳定是关键,不然每次重来太费劲。文中提醒的商用版权问题也很实在,生成即商用的默认想法得改改。

吕少华

图像这条线现在拼的是没改的地方别乱动,多轮编辑一改脸就跑,用户立刻弃用。原生透明背景输出是真需求,做电商图省一堆抠图功夫。视频侧十五秒加对话式编辑,剪片子的活能干掉一半,但一致性还是老大难,镜头一动服装颜色就飘。

登录 后参与回复