LCT: Long Context Tuning for Video Generation官网 – 场景级视频生成框架

LCT 是由香港中文大学和字节跳动联合开发的场景级视频生成框架，旨在通过数据驱动方法学习场景一致性，扩展 MMDiT 的上下文窗口到整个场景，无需额外参数。它通过扩展上下文窗口和数据驱动方法，试图实现更真实的叙事视频制作，特别适用于需要多镜头、多场景连贯性的叙事视频生产。

LCT: Long Context Tuning for Video Generation的特点:

1. 使用长上下文 MMDiT 块，全注意力机制覆盖所有文本和视频标记。
2. 采用交错三维旋转位置嵌入（RoPE）区分不同镜头，保持内部相对位置关系。
3. 异步时间步策略，支持联合去噪和条件生成。
4. 支持条件生成和组合生成，可基于身份或环境图像生成视频。
5. 能将单镜头视频扩展到分钟级时长，通过自动回归生成 10 秒片段保持视觉一致性。
6. 提供互动式多镜头开发，导演可基于先前片段逐步完善内容，支持即时视觉反馈的创意决策。

LCT: Long Context Tuning for Video Generation的功能:

1. 联合生成：使用双向注意力模型，适合一次性生成所有镜头。
2. 自动回归生成：使用经过上下文因果注意力微调的模型，需设置历史条件和特定扩散时间步（通常在 t=100 到 t=500 之间），以平衡生成质量和保真度。
3. 互动生成：允许基于先前片段逐步完善内容，导演可逐镜头调整，无需全面的初始提示。

相关导航

translation-agent-webui开源项目 – 吴恩达翻译项目的Web界面

translation-agent-webui是吴恩达translation-agent翻译项目的一个基于gradio的Web用户界面。它能够自动检测输入文本的语言，支持文本分词展示，并突出显示不同翻译版本之间的差异，帮助用户更直观地理解和比较翻译结果。

Reelze官网 – AI驱动的视频编辑平台

Reelze是一个利用人工智能技术的视频编辑平台，能够将长视频转化为10个以上的短视频片段，方便用户快速提取和分享精彩内容。

Kuasar Video AI官网 – 人工智能视频分析工具

Kuasar Video AI是一个利用人工智能分析社交媒体视频的平台，帮助用户深入了解视频表现、受众行为和趋势，无需观看成千上万的视频数据。

TranslateTracks官网 – 多语言音轨生成工具

TranslateTracks 是一个用于为 YouTube 视频生成多语言音轨的工具，支持多种声音选择，帮助内容创作者触及全球观众。

HumanoidVerse开源项目 – 多模拟器人形机器人学习框架

HumanoidVerse是一个多模拟器框架，专注于人形机器人的仿真到现实学习。它支持多种模拟器，如IsaacGym、IsaacSim和Genesis，允许灵活切换。该框架提供多种人形机器人模型，自由度从10DoF到23DoF不等，能够实现无缝的Sim2Sim和Sim2Real转移，加速人形机器人的部署。

TRIL开源项目 – 模块化强化学习与模仿学习库

TRIL是一个模块化的强化学习（RL）和模仿学习（IL）算法开发库，基于Hugging Face开源的transformers、accelerate和peft等库，直接支持预训练语言模型并支持分布式计算。它提供了多种算法和任务支持，适用于广泛的机器学习应用场景。

Rask AI官网 – AI视频本地化和配音工具

Rask AI是一个领先的AI视频本地化和配音工具，旨在提供与人类一样出色的配音和翻译体验。用户可以轻松地将视频翻译和本地化为超过130种语言，提供语音克隆和多语音者功能，以实现更个性化的内容体验。

WebWalker官网 – 测试LLM网页浏览能力的基准工具

WebWalker 是一个用于测试大型语言模型（LLM）网页浏览能力的基准工具。它通过 WebWalkerQA 数据集和 WebWalker 多智能体框架，支持 LLM 在网页导航和信息检索任务中的测试。该工具涵盖 680 个查询，涉及 1373 个网页，支持中英文，适合多种真实场景。它还提供在线演示和本地运行选项，方便研究者使用。

DualPipe开源项目 – 高效并行算法优化AI训练

DualPipe是一种创新的双向流水线并行算法，专为解决大规模AI模型训练中的效率问题而设计。它通过创新的调度策略，完全重叠前向和后向计算-通信阶段，同时减少流水线气泡，从而在相同设备配置下实现更高的训练吞吐量。该算法适用于跨多设备训练超大规模模型的场景，支持PyTorch 2.0及以上版本，无缝融入现代深度学习框架。

Speechlab官网 – AI语音技术平台，打破语言障碍

SpeechLab是一个基于AI的语音技术平台，帮助出版商和创作者通过克服语言障碍，在全球范围内扩展影响力。它提供多种语言和方言的定制配音、语音解说和合成语音。用户可以上传音频或视频内容，选择所需的语言和方言进行配音或语音解说，或选择与自身声音或品牌相匹配的合成语音进行叙述。SpeechLab的先进AI技术将生成所需的语音输出，使您的内容在全球范围内可访问。

StoryLab.ai官网 – 现代营销者的AI内容创作工具包

StoryLab.ai是一个为现代营销者设计的AI内容创作工具，旨在帮助用户快速生成高质量的内容，提升营销效果。用户可以通过注册，快速体验其价值，并利用内容生成器和丰富的教育资源进行无限学习和创作。

Story Machine官网 – 强大的无代码叙事游戏引擎

Story Machine 是一个强大的无代码、融合 AI 的跨平台通用 2D 游戏引擎，专为叙事游戏而设计。用户可以通过简单的拖放方式组装游戏，无需编程。

Xiu.ai官网 – 丰富强大的AI模型，提升个人工作效率

Xiu.ai是一个提供超过100种AI工具的平台，用户可以创建免费账户，上传数据或文件，利用各种AI模型来提升生产力，满足多样化的需求。

Native Sparse Attention开源项目 – 高效实现原生稀疏注意力

Native Sparse Attention是一个高效实现原生稀疏注意力的Triton代码库，专注于在深度学习模型中优化注意力机制。通过硬件对齐优化和动态选择稀疏块，显著提升了性能，比FlashAttention更快，性能提升高达数倍。适用于需要高效处理稀疏数据的场景，并在AI创造营等项目中得到应用。