在近日落幕的智谱多模态开源周上，智谱团队宣布开源四项针对视频生成领域的核心技术。这些成果不仅展现了智谱在多模态模型方面的最新突破，也为视频生成技术的进一步发展提供了重要支持。

在过去一周内，智谱GLM团队陆续发布了包括GLM-4.6V视觉理解模型、AutoGLM设备控制模型、GLM-ASR语音识别模型及GLM-TTS语音合成模型在内的多模态模型系列。这些技术旨在提升大模型在理解世界知识、记忆能力与复杂推理等方面的能力，使其更贴近人类的认知水平。

在开源周的最后阶段，团队集中发布了四项聚焦于视频生成关键挑战的新技术：SCAIL、RealVideo、Kaleido与SSVAE。它们分别针对精细化可控生成、复杂时空结构建模以及大规模训练成本控制等核心问题。

SCAIL技术专注于影视级角色动画生成，可实现复杂姿态的精准控制，确保生成角色在运动过程中的结构完整性。RealVideo则是一套实时流式视频生成系统，显著降低了生成延迟，仅需2至3秒即可输出视频，使得与AI角色的互动更为流畅自然。

Kaleido技术着力于多主体视频生成，能够保持多个主体之间的一致性，有效避免常见的特征混淆现象。SSVAE则通过训练过程的优化，提升了视频生成模型的训练效率，在同等输出质量下可将收敛速度提高三倍。

智谱团队表示，希望通过开源这些技术，激发视频生成技术社区的创新活力，为开发者提供更多可落地的工程方案与研究基础。同时，智谱也期待与全球开发者共同探索人工智能的演进路径，进一步推动通用人工智能（AGI）的实现。

核心亮点：

• 🌟 SCAIL：实现影视级角色动画生成，支持复杂姿态精准控制。
• ⚡ RealVideo：实时视频生成系统，生成延迟低至2–3秒。
• 🎨 Kaleido：多主体视频生成框架，确保主体间一致性，避免特征混淆。