Génération vidéo

Une optimisation matérielle et logicielle prouvée permet de générer de la vidéo plus vite qu'elle n'est regardée, changeant la nature du streaming.

Des chercheurs proposent un modèle qui génère conjointement la vidéo et le mouvement 3D rejouable pour n'importe quel squelette, avec une caméra qui replace l'animation dans la scène 3D.

La plateforme Pollo AI s'appuie sur GPT-5.6, GPT-6 Astra et GPT-Image-2.5 pour générer des visuels détaillés et des vidéos publicitaires cinématiques à partir de concepts créatifs.

Une nouvelle méthode remplace l'estimation de score par une classification adversariale, supprimant le modèle auxiliaire coûteux de la distillation par correspondance de distribution.

Un système transforme une image unique en scène 3D éditable pour contrôler conjointement caméra et mouvement des objets en génération vidéo.

Un nouveau benchmark évalue la correction textuelle, la stabilité temporelle et la préservation de scène dans l'édition vidéo de texte incrusté.

Une nouvelle architecture MoE à rôles séparés améliore la cohérence du routing et la qualité de génération vidéo, sans surcoût de paramètres actifs.

Une nouvelle technique filtre les erreurs du critique dans la distillation par correspondance de distribution, réduisant les artefacts visuels tout en accélérant la génération vidéo.

Runway détaille WorldPrompt, un format d'entrée pour piloter des simulations vidéo/audio générées en temps réel par son modèle GWM Worlds 2.

Un outil communautaire permettant de générer et monter des vidéos publicitaires de produits grâce à un agent IA autonome.

Un nouveau modèle génère des explorations vidéo cohérentes sur plusieurs minutes grâce à une mémoire 3D interrogeable par point de vue.

Propulsé par GPT-6 Astra, Higgsfield AI simplifie la création de vidéos publicitaires pour les PME et accélère la mise sur le marché d'outils créatifs.

Des chercheurs exploitent le son généré par IA pour extraire des profils de force et guider un bras robotique dans des tâches de contact.

Un modèle autorégressif permettant un contrôle précis et interactif des dynamiques physiques dans la génération vidéo.

Un mouvement physiquement correct peut rester présent dans un modèle vidéo même s'il génère une animation fausse — et être réactivé par une simple intervention.

DeepMind et des cinéastes collaborent pour restituer visuellement le passé oublié d'un couple.

Un framework léger convertit un générateur vidéo de 33B paramètres en modèle de monde interactif piloté par instructions en langage naturel.

Une optimisation d'inférence 35x plus rapide permet désormais le streaming vidéo génératif en temps réel et interactif.

GeoNeXt réutilise des modèles vidéo pré-entraînés pour estimer profondeur et normales de surface, avec bien moins de données que les approches concurrentes.

CLAP unifie les espaces d'action robots et humains pour générer des vidéos prédisant la physique en zero-shot.

Le filtrage de données accélère l'entraînement et booste les performances des modèles vidéo.

ReWorld sépare contrôle et mémoire pour un streaming vidéo temps réel sur de longs horizons.

Un nouveau benchmark révèle que les modèles vidéo génératifs concentrent leurs sorties sur peu d'issues au lieu de reproduire des distributions physiques réelles.

Un nouveau modèle de monde sépare explicitement état 3D, rendu géométrique et synthèse visuelle pour des jeux avec personnages articulés.

Le spécialiste des 'world models' pourrait être acquis pour un montant record.

Un nouveau framework transforme les vidéos en graphes de connaissances exploitables par des agents créatifs pour un raisonnement et un montage cinématographique.

Un framework agentique combine LLM multimodal et optimisation bayésienne pour piloter la génération vidéo I2V sans essais aléatoires.

Une nouvelle technique de distillation par trajectoire réduit le nombre d'étapes de débruitage sans sacrifier la diversité des générations vidéo.

Une nouvelle méthode améliore la distillation on-policy en corrigeant les déséquilibres du CFG.

Black Forest Lens présente Flux 3 X Mimic, une avancée pour la génération et le contrôle d'actions vidéo.

Black Forest Labs dévoile FLUX 3 Video, surpassant Seedance et Gemini, ainsi que FLUX-mimic pour la robotique.

Un nouveau modèle image-vers-vidéo utilise des graphes structurés pour contrôler précisément les interactions entre plusieurs objets.

Un workflow open-source exploitant Claude Code et Seedance pour automatiser la production vidéo longue.

Un modèle fondation unifié pour la compréhension et la génération de mouvement, disponible en open-weights.

Hugging Face intègre NVIDIA NeMo Automodel à Diffusers pour accélérer l'entraînement distribué.

Un créateur teste un budget de 100 dollars pour comparer deux modèles IA dans la production d'un clip musical complet.

Gemini Omni et les avatars personnels arrivent dans Google Vids pour simplifier la création vidéo assistée par IA.

Un framework open-source qui transforme la génération vidéo en mécanisme de raisonnement séquentiel, alternatif au Chain-of-Thought textuel.