博客

今天为大家总结近一周的AI资讯：

1. Wan2.1 Lora

随着wan2.1 Laura训练代码的发布，civitai 已经上线了很多炫酷的视频特效。

其中包括压扁、飞行、射击、秀肌肉等特效。此外，还有将图像转换为旋转效果的 Lora，大家可以尝试。

大家也可以访问 civitai，下载更多基于wan 2.1微调的 Lora 模型。

2. Vace

这是阿里新发布的视频生成和编辑框架，可以实现物体替换、风格迁移、位置移动等效果。我们可以通过添加动作序列，让静止的人物向指定方向移动；或者通过遮罩原视频中的角色，将其替换为参考图中的人物。

Vace同时支持面部替换，且可以更换图像中的任意物体。结合阿里新发布的wan 2.1视频生成模型，我们就可以轻松制作各种创意视频。

Vace 还可以执行视频重新渲染，并保持原视频的主体结构不变。

3. Quander

这是一款全新的视频生成工具，可以根据一段简单的提示词，生成长达 1 分钟的视频。

Quander 的操作方法非常简单：

1. 输入一段提示词，并选择视频的比例，系统会自动生成一段脚本；
2. 选择一种预设的风格，或者选择自定义视频风格，Quander 会根据脚本内容自动生成多个人物形象；
3. 如果对自动生成的人物不满意，也可以点击“重新生成”按钮。

此外，用户还可以修改图像的提示词，或者手动选择配音员。Quander提供了两种预设工作流，可用于一键生成小说和产品广告视频。只需上传一张产品图，即可自动生成一段带有背景音乐的高清视频。无论在画质还是画面流畅度方面，Quander都有不错的表现。

4. Mirage

这个新发布的模型，能够分析脚本或音频片段，并生成具备真实面部表情和肢体语言的数字人视频。

这是全球首个 UGC 基础模型，能够根据简单的提示词，生成不受版权限制的生动数字人播报员。

Mirage 模型可以进一步降低视频广告的制作成本，无需雇佣演员和摄影师，也可完成创意生成。用户只需上传音频文件，自定义数字人的形象和声音，即可完成视频合成。Mirage 将会终结数字人唇形同步的时代，且可以生成超真实的视频。

此外，大家也可以尝试 Captions 的视频生成功能。Captions 支持中文输入，可以根据提示生成一段吸引人的脚本，然后选择播音员和字幕类型，点击“生成视频”即可。

5. Gemini 2.0 Flash

本周，Gemini 2.0 Flash 推出了图像生成功能，且可以通过对话的形式完成图像编辑。例如，用户可以输入指令，对图像局部进行修改和替换。

Gemini 2.0 Flash 还支持在图像中添加文字，非常适合制作广告海报。登陆 Google AI Studio，选择 Gemini 2.0 Flash Experimental 模型，即可免费体验。从实际测试来看，生成一张图像只需 3 秒钟！

除了生成图像，我们还可以从本地上传图像，进行风格转换和局部修改。更多编辑方法，大家可以自行尝试。

6. Gemma 3

本周，Google 发布了轻量级开源模型Gemma 3，可以在手机和笔记本电脑上快速运行。Gemma 3 的性能介于 Deepseek V3 和 R1 之间，且支持多模态能力，以及 128K 的上下文窗口能力。

Gemma 3 能够在单个 H100 GPU 上运行，适合高校 AI 计算和本地推理。Gemma 3 分为四种尺寸，其中 1B 参数模型可在移动设备上运行，27B 模型的性能最强，对 GPU 的要求也很低。

Gemma 3 具备视觉推理能力，可以根据用户提供的图像和命令，完成图像分析和交互。此外，Gemma 3 还支持同时分析多张图像，完成推理和分析。

7. Gemini Robotics

近期，Google DeepMind 推出了基于 Gemini 2.0 研发的机器人控制模型。无需专门训练，即可适应新的任务和环境。

其中，Gemini Robotics 模型具备视觉、语言和动作能力，可以控制机器人执行任务。Gemini Robotics 12 模型则具备空间理解和推理能力，能够让机器人更好地理解周围环境，并规划行动路径。

Gemini Robotics 模型能够理解不同语言的指令，并通过多模态推理，完成多步骤操控任务。该模型的发布，将会推动家用机器人的研发进程。更多演示画面可访问 DeepMind 查询。