多模态大模型再进化：原生音视频同步生成能力发布

过去做 AI 视频是两道工序：先出画面，再配音、对口型、卡节奏，最后人工收尾。新一代多模态模型把音画塞进同一套时序建模里，一次生成、天然对齐。

真正被压缩的不是剪辑时间，而是成片率——音画不打架，返工和补拍就少，素材从生成到可用的距离被拉近。眼下它更适合口播、短片和 demo，长镜头下的稳定性仍待验证。想上车，建议从轻量场景试水。