智象发布全模态视频模型 HiDream-V1,双榜跻身全球前十
新智元 · wechat · 2026-09-22
智象(HiDream.ai)发布原生全模态视频模型 HiDream-O1-Video-1.0,首次参评即在 Artificial Analysis 图生视频榜(含音频)排全球第四、Arena 图生视频盲测榜第八,与 MiniMax、字节 Seedance、阿里万相同列全球第一梯队。
- 主打物理合理性:官方演示覆盖多普勒效应、自由落体、太空水球、不同材质落地变形等场景;5–20 秒任意时长,时长由叙事而非固定秒数决定
- 生成前前置多模态意图理解模块,把口语化提示转写为结构化分镜(镜头、场景、角色、光影、音效等)
- 原生全模态架构对文本、视频、音频联合建模,音画同步、中文口型与情绪切换为宣传重点
- 后训练采用 Diffusion RL + 多模态 Reward,由三项论文支撑:DMSampler(ICML 2026,降低采样成本)、DiffusionCompass(ECCV 2026,防奖励过拟合)、EvoID(CVPR 2026,身份保持)
- 智象的 UiT 统一底座已长出图像、交互世界模型、具身世界模型和视频四类模型,形成原生全模态闭环。注:内容带有明显宣传色彩,物理能力结论以官方 demo 为准
「多模态」频道最新
- Reddit 用户用 AI 生成分集短剧：异常体已删掉她父母，正在重写整座城市 — Crazy-Baker-8828 · 2026-11-12
- Runway 发布 27B MoE 世界行动模型 Praxis-1,Fast 版中位延迟仅 73ms — ChongZzZhang · 2026-11-12
- MiniMax H3 Image 生成 3D 游戏场景比 GPT Image 快 3 倍 — HeyToha · 2026-11-12
- Ditto 视频换人工具发布:任意视频主角可换成任何人 — yoobinray · 2026-11-12
- Fable 5.2 像素艺术+高斯泼溅惊艳出圈，网友晒生成效果图 — Flomerboy · 2026-11-12
- Reddit 用户分享 AI 生成动画《Bubblegum Adventures》万圣节特集 — Zard-Oz · 2026-11-12