智谱多模态开源周收官：四项视频生成关键技术全部开源

智谱多模态开源周刚刚收官，团队宣布开放四项面向视频生成的关键技术。这些成果不仅体现了智谱在多模态模型上的前沿进步，也为视频生成的未来打下了坚实基础。

一周内，智谱 GLM 团队连续推出多款多模态模型，覆盖视觉理解、设备操控与语音相关能力。其中包括 GLM-4.6V 视觉理解模型、AutoGLM 设备控制模型、GLM-ASR 语音识别模型和 GLM-TTS 语音合成模型。此次发布旨在让大模型在世界知识、记忆与复杂推理方面更贴近人类。

在活动的最后一天，智谱团队带来四项新技术：SCAIL、RealVideo、Kaleido 和 SSVAE，聚焦解决视频生成领域的关键难题，覆盖精细可控生成、复杂时空结构建模以及大规模训练的成本优化。

SCAIL 面向影视级角色动画，可精细控制复杂姿态，保证角色在运动时的结构完整与稳定。RealVideo 则是实时流式视频生成系统，显著降低生成延迟，约 2-3 秒即可产出视频，让与 AI 角色的互动更自然顺畅。

Kaleido 专注多主体视频生成，确保多主体的一致性，减少常见的特征混淆。SSVAE 通过优化训练过程，大幅提升训练效率，在相同质量下的收敛速度提升约三倍。

智谱表示，开放这些技术希望进一步激发视频生成社区的创新，为开发者提供更多工程化方案与研究基础。同时，也期待与更多开发者携手探索，推进通用人工智能（AGI）的落地。

划重点:

🌟 SCAIL：影视级角色动画生成，复杂姿态可控。

⚡ RealVideo：实时视频生成，延迟约 2-3 秒。

🎨 Kaleido：多主体生成，主体一致性更强，降低特征混淆。