智谱AI宣布《清影》AI视频生成工具上线，现已集成至智谱清言PC与APP端

近日消息，智谱AI在OpenDay活动上揭晓了其最新研发的AI大模型——清影（Ying）。该模型独树一帜，能够迅速将任何文本内容转化为视频形式，展现出非凡的创造力。

用户仅需提供文本提示，并选定心仪风格，如卡通3D、黑白默片、油画质感或电影级视觉效果，清影便能在短短30秒内生成1440x960分辨率的高清视频。目前，该技术已集成至清言App，向公众全面开放使用，标志着AI内容生成技术的又一里程碑式进步。

除了文本生成视频，清影还支持图片生成视频，带来表情包梗图、广告制作、剧情创作、短视频创作等新玩法。同时，基于清影的“照片动起来”小程序也将上线，AI能让旧照片中的人物或场景动起来。

清影API也已上线大模型开放平台bigmodel.cn，企业和开发者可以通过调用API的方式使用文生视频和图生视频的模型能力。清影采用了新型DiT模型架构，更高效地压缩视频信息，并充分融合文本和视频内容，提升了复杂指令遵从能力、内容连贯性和画面调度。

智谱AI CEO张鹏在活动中提到，清影底座的视频生成模型是CogVideoX，它融合了文本、时间和空间三个维度，参考了Sora的算法设计。CogVideoX相比前代推理速度提升了6倍，未来将推出更高分辨率、更长时长的生成视频功能。

用户可以通过智谱清言PC/APP上的“清影智能体”直接体验清影，将脑中的灵感转化为艺术视频创作。

智谱AI张鹏展望文生视频未来：辅助影视制作已成现实，电影革新尚需时日

近日消息，智谱CEO张鹏在最近的采访中探讨了生成式AI文生视频技术对影视产业的潜在影响，特别提及OpenAI的Sora技术问世后，该领域的话题热度持续攀升。他指出，这一技术革命在国外已引发显著反响，甚至促成好莱坞相关的行业行动，显示出技术进步对传统影视制作流程的深刻挑战与变革。

张鹏透露，自己有一次在北京电影学院与教师一同讨论此事，众人得出了一致的看法：从技术发展角度来看，大家都认为 AI 的发展“是很好的事情”，也是“很重要的方向”，对影视行业的变化有积极意义。

张鹏表示，从目前来看，“至少也觉得如果把这项技术用在直接面向最终观众的生产过程当中，可能还是不太够。”因此，（文生视频）可用来做一些辅助的工作，甚至一些小规模的创作，比如有些专业玩家玩出来的短片。但真要达到改变电影的制作等级这样的更高要求，可能还需一段路来走。

据早些时候报道，智谱宣布升级视频生成模型，并正式推出新一代产品 ——CogVideoX。CogVideoX 模型目前已在智谱清言的 PC 端、移动应用端以及小程序端正式上线。所有 C 端用户均可通过智谱清言的 AI 视频生成功能「清影」（Ying），免费体验 AI 文本生成视频和图像生成视频的服务。

智谱AI引领开源创新：CodeGeeX4-ALL-9B代码生成大模型震撼发布

近日消息，由智谱 AI 开发的 CodeGeeX 第四代模型，现已正式发布且开源。该模型属于 10B 参数以下性能最为出色、功能最为全面的代码生成大模型。自 2014 年发布第一代起，每半年便会进行一次更新，一直致力于增强代码生成的能力。

CodeGeeX提供代码补全、注释、修复、翻译等基础功能，以及联网问答、代码解释器、检索增强等高级功能，对个人用户完全免费，并在各种主流IDE中可用。个人用户数已超100万，企业版本也广泛应用于多个行业，并在中国信通院的评估中获得高评级。

CodeGeeX4系列模型的开源版本CodeGeeX4-ALL-9B，集多种编程开发功能于一体，覆盖了编程的多个场景，并在多个代码评测集上表现优异，展现了强大的代码生成能力。模型支持128K上下文，处理长代码文件，并在代码检索任务中实现100%准确度。此外，CodeGeeX4-ALL-9B是唯一实现Function Call的代码大模型，在函数调用测试中成功率超过90%。

CodeGeeX插件v2.12.0版本已全面接入第四代模型，带来更快的代码生成速度和多项功能创新，如自动生成项目README文件、长文本上下文记忆、跨文件分析和问答、本地模式支持，以及NL2SQL能力提升。这些功能增强了代码查找、理解和维护的效率，提升了开发体验。

用户可以通过升级IDE中的CodeGeeX插件或在插件市场搜索下载来体验最新技术。同时，智谱AI还发布了企业级CodeGeeX4代软硬一体机产品，提供代码仓库级补写、问答和检索增强，支持信创方案，适用于更多企业级应用场景。

智谱AI解锁视频智慧之门：开源新型时间感知模型CogVLM2-Video

近日消息，智谱AI最近宣布了其在视频理解领域的重大突破，通过开源升级了CogVLM2-Video模型。这一升级标志着在处理复杂视频数据方面的重要进展，特别是针对时间信息的精准捕捉和理解。

模型利用自动化的时间定位数据构建方法，生成了3万条与时间相关的视频问答数据，从而训练出在公共视频理解基准上达到最新性能的模型。CogVLM2-Video在视频字幕生成和时间定位方面表现出色，为视频生成和摘要等任务提供了强大工具。

CogVLM2-Video通过从输入视频中提取帧并注释时间戳信息，使语言模型能准确知道每一帧的对应时间，从而实现时间定位和相关问答。

为了大规模训练，开发了自动化的视频问答数据生成流程，通过图像理解模型和大型语言模型的结合使用，减少了标注成本并提高了数据质量。最终构造的Temporal Grounding Question and Answer （TQA）数据集包含3万条记录，为模型训练提供了丰富的时间定位数据。

在多个公开评测集上，CogVLM2-Video展现了卓越的性能，包括在VideoChatGPT-Bench和Zero-shot QA以及MVBench等量化评估指标上的优异表现。