热点事件持续更新
Kandinsky S2V 1.0 开源语音驱动人像视频模型
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月15日，arXiv cs.CV 刊出报道，Kandinsky S2V 1.0 发布，这是一个开源语音驱动虚拟人视频生成模型家族，包含 2B 参数的 Lite 与 21B 参数的 Pro 两个版本。据报道，模型输入单张参考图、语音波形和文本提示词，即可生成 25 FPS 长视频，唇动、表情、姿态与手势跟随语音变化。架构方面，模型从 Qwen2.5-Omni 取文本与音频条件，并加入参考感知三尺度视觉记忆。这是该模型首次发布的报道，暂无更早报道可对照，也没有出现相互矛盾的数字或说法。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
Kandinsky S2V 1.0 发布 Lite（2B）与 Pro（21B）两版本，可生成 25 FPS 长视频。报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.CVKandinsky S2V 1.0 发布：开源语音驱动虚拟人视频生成模型
Kandinsky S2V 1.0 发布开源语音驱动虚拟人视频模型家族，包含 2B 参数的 Lite 和 21B 参数的 Pro 两个版本。模型输入单张参考图、语音波形和文本提示词即可生成 25 FPS 长视频，唇动、表情、姿态与手势跟随语音，架构从 Qwen2.5-Omni 取文本与音频条件并加入参考感知三尺度视觉记忆。
本事件热度走势
当前热度 9·可比范围峰值 10（10月15日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。