Video Generation

Principais notícias

1. 1

   OpenAI's Sora encerrando operações com saída da Disney do acordo

   OpenAI's Sora encerrando operações com saída da Disney do acordo

2. 2

   Apple、ビデオ圧縮技術「VideoFlexTok」を研究発表

   Appleの研究チームが、ビデオを圧縮表現に変換する新しいトークン化技術「VideoFlexTok」を発表しました。従来の標準的なアプローチでは、ビデオを時空間的な3次元グリッドとして表現していたのに対し、この新技術は異なるアプローチを提供します。 ビデオトークナイザーは、テキスト生成ビデオなどの下流モデルがどの情報を保持し、どのように整理するかを決定しています。従来方式では、ビデオの固有の複雑さに関わらず、モデルが低レベルの詳細をすべて「ピクセルごと」に予測する必要があり、これが処理の効率を制限していた可能性があります。

   この研究はAppleのMachine Learning Researchグループにより発表されており、視覚的トークン化の改善に向けた取り組みを示しています。

3. 3

   Geração de Videoclipes com IA: 10 Ferramentas que Automatizam seu Fluxo de Trabalho Criativo em 2026

   Geração de Videoclipes com IA: 10 Ferramentas que Automatizam seu Fluxo de Trabalho Criativo em 2026

4. 4

   Google lança dois novos modelos de IA: geração de imagens rápida e vídeos via API

   Google apresentou Nano Banana 2 Lite, que gera imagens em quatro segundos a $0.034 cada, e Gemini Omni Flash, que oferece geração e edição de vídeos via texto pela primeira vez através de API. A empresa recomenda usar os dois modelos em cadeia para transformar imagens rápidas em vídeos animados. As duas ferramentas ampliam as opções de IA generativa disponíveis para desenvolvedores e empresas que trabalham com conteúdo visual. O Nano Banana 2 Lite oferece velocidade e custo acessível para prototipagem rápida, enquanto o Gemini Omni Flash traz capacidades de vídeo que antes não estavam disponíveis via API.

   Nano Banana 2 Lite custa $0.034 por imagem e gera resultados em quatro segundos. Gemini Omni Flash marca a primeira vez que edição e geração de vídeo chegam à API de Google, abrindo novas possibilidades de integração para aplicações.

5. 5

   Google、Gemini Omni Flashを企業向けAPI提供開始——動画編集を会話で実現

   GoogleはGemini Omni Flashを開発者および企業顧客向けのAPIを通じて提供開始しました。このモデルは5月に消費者向けに発表されましたが、今回プログラム的インターフェースが追加され、企業が利用できるようになりました。 従来、企業の訓練動画や製品説明動画は企画、撮影、編集、修正に多くの時間とコストがかかっていました。Omni Flashは完成した動画を会話を通じて編集できるため、法務レビューなどで画面上のテキストを変更する必要が生じた場合でも、全工程を繰り返す必要がなくなる可能性があります。

   APIを通じた提供により、消費者向けではなく企業やプロ向けの用途が広がりました。Googleはこの「Omni」ファミリーを「あらゆる入力から何でも作成できる」という野心を掲げており、当面は動画がその出発点となります。

6. 6

   DeepSeek V4, modelo de IA aberto, apresenta avanço em raciocínio

   O que aconteceu: DeepSeek lançou V4, um modelo de linguagem de código aberto que apresenta melhorias em capacidades de raciocínio e se posiciona como #2 modelo de raciocínio de pesos abertos. Por que é importante: Modelos de IA de código aberto permitem que empresas e pesquisadores usem tecnologia avançada sem depender de fornecedores propriedários, reduzindo custos e aumentando a flexibilidade para aplicações comerciais.

   Pontos de atenção: O modelo está disponível para uso, mas os detalhes específicos de acesso, preço e capacidades técnicas exatas devem ser verificados no comunicado oficial da DeepSeek.