先快速介绍一下Veo3.1，这是一个视频模型，之前在抖音上爆火的ASMR，就是用这玩意做的。 Veo3.1还有一个优点就是支持首尾帧，Sora2还没法首尾帧，这是我用首尾帧做的一个小动画，大家来看看~ ...

但谷歌这次对的起 0.1 的更新，在某些方面是能胜过 Sora2 的。所以可千万不要小看谷歌 Veo3.1 的能力。 这并不是什么新奇的能力，国产视频大模型很早就已经支持了，只不过Veo3.1 的首尾帧生成的视频是带有音效的，在画质上也表现很不错。

因此，研究人员改进Self-Forcing的5s视频自回归训练方式，使用全局注意力进行1分钟的流式训练，从而实现更高质量的长视频，此变种命名为LongSANA。并且通过蒸馏去噪步数，实现在H100上仅需35秒即可生成1分钟视频。生成效果如下： ...