⌘ K
… 读取采集状态 同步中...
雷

#视频

今日 5 条
9月1日周二
  1. 人工智能学家47

    西湖大学团队提出 Code World Model：用 Coding Agent 驱动世界演化

    西湖大学与南洋理工大学团队提出 Code World Model，将世界演化与视觉生成解耦，由 Coding Agent 通过代码管理状态，视频模型负责生成观察。该框架引入轻量级 Proxy 渲染时空约束，在仅 5.6 小时 GTA V 视频微调后，MiniMax-H3 能有效遵循实体位置与相机运动。实验显示该接口实现了细粒度时空控制，为构建开放式世界模型提供新路径。

  2. 行者AI视频60

    LibTV 深度动作捕捉实测：解决多人舞蹈及复杂运镜 AI 视频生成难题

    实测 LibTV「深度动作捕捉」功能，通过将视频转化为深度图作为动作参考，成功在多人国风舞等复杂场景下解决了 AI 视频直接参考原视频导致的画风和光影干扰问题。同时介绍了「智能剪辑」功能，通过输入剪辑要求，Agent 自动完成粗剪和包装，将视频剪辑时间从 2-3 小时缩短至 15 分钟。

8月31日周一
  1. 量子位81

    MiniMax发布H3 Max：5秒视频生成仅需3秒，开启AI实时直播

    MiniMax与fal联合推出视频生成模型H3 Max，生成5秒768p视频耗时不到3秒，吞吐量约为原版H3的35倍。该模型在Artificial Analysis和Design Arena榜单的图生视频项目中排名第一，支持首尾帧参考，已开放调用接口。

    推荐理由：H3 Max将5秒视频生成时间压缩至3秒内，实现了实时直播与无缝短视频流，开启了新的商业化路径。

  2. 特工宇宙82

    基于 MiniMax H3 Max 实时视频生成，团队 24 小时搓出五个 AI 直播项目

    MiniMax 开源 H3 后，fal 推出 H3 Max，5 秒 768p 音视频生成时间不到 3 秒，支持实时直播。特工宇宙编辑部基于 H3 Max 进行 24 小时内部 Agent 赛马，同时上线弹幕梗工厂、无限电视台、生成式世界、互动影游和点菜直播间五个项目，验证了实时生成视频嵌入直播管线的多种交互形态。

    推荐理由：作者团队基于 MiniMax H3 Max 开源能力，24 小时跑通了五个实时视频直播项目，展示了视频模型作为持续管线在弹幕互动、世界模型和影游等场景的落地路径。

  4. 行者AI视频53

    Lovart 新版实测：田园 VLog、天宫视频与茶饮品牌视觉全案

    行者使用 Lovart 新版完成 5 个实测项目，验证了其 100 多个专业 Skill 在从单图生成到视频、封面及品牌全案交付中的串联能力。实测显示，用户可利用 Skill 调用 Midjourney、Seedance 等模型，通过图生视频分镜设计生成 5 秒运镜视频，并一键将 Logo 等品牌图形转换为可编辑的 SVG 格式。

8月30日周日
  1. 量子位58

    vivo AI Lab 提出 RefineCut：8B 小模型通过验证器反馈实现手机本地视频剪辑自我进化

    vivo AI Lab 联合港中深研究团队提出 RefineCut 框架，利用确定性验证器驱动 8B 开源模型进行本地视频剪辑。该框架通过验证器回放蒸馏与 DPO 偏好优化两阶段训练，使模型 VES 得分从 59.4 提升至 92.4，表现追平 DeepSeek-V4-Pro。RefineCut 支持手机端纯本地运行，平均任务耗时 11.7 秒，且该工作已被 EMNLP 2026 主会接收。

8月29日周六
  2. 新智元86

    谷歌 Gemini Omni 1.1 Flash 视频生成功能更新，登顶 Arena 全球榜首

    谷歌更新 Gemini Omni 1.1 Flash，其文生视频功能登顶 Arena 全球第一，图生视频排名第二。该模型引入场景延展、首尾帧控制、视频参考、360p 草稿及 4K 放大等五项能力，支持连续生成最长 40 秒视频，草稿生成速度比 720p 提升 60% 且成本降低至三分之一，全功能当日向全球开放。

    推荐理由：谷歌此次更新将视频生成从单次抽卡改为可连续扩展的流水线，通过明确首尾帧、场景延展和低成本草稿机制，让创作者能够直接指挥镜头运动与转场。

8月28日周五
  3. 硅星人Pro55

    美图AI应用层战略解析：垂直智能构建与独立团队冷启动实践

    美图通过让RoboNeo、Picchi、MVLAND等新产品独立冷启动，拒绝了成熟产品流量导入，以此验证真实PMF。2026年中期财报显示，其AI生产力应用ARR同比增长47.8%，超过96%的输出由自研模型层生成，第三方API成本占比仅为中等个位数百分比。美图构建了三层智能体系，利用自有模型与垂直场景调优，使应用层从模型调用者转变为垂直智能生产者，以应对通用模型扩张带来的Token中间商困境。

  4. Google DeepMind70

    Google DeepMind 发布 Gemini Omni 1.1 Flash，新增视频生成控制能力

    Google DeepMind 发布 Gemini Omni 1.1 Flash，为生成式视频提供场扩展、首尾帧插值、4K 上采样和 360p 快速草稿等控制能力，可通过 Gemini API 在 Google AI Studio 使用。

    推荐理由：官方发布 Gemini Omni 1.1 Flash，给出了场扩展、首尾帧控制和 4K 上采样等视频能力，以及 API 与订阅入口的可用性说明。

8月27日周四
  1. Google Gemini API Release Notes64

    Gemini Omni Flash 模型正式版发布

    Gemini 官方发布 gemini-omni-1.1-flash 模型正式版，支持视频延长与首尾帧插值生成，并在 video_config 中新增分辨率参数，支持 360p、720p、1080p 和 4K 输出。原有的 gemini-omni-flash-preview 端点将于 2026 年 9 月 30 日弃用。

    推荐理由：新模型正式版支持视频延长与首尾帧插值，并开放多档分辨率参数，可直接用于视频生成工作流。

8月26日周三
  1. 新智元67

    Pavo 上线 Agnes Video 2.5 并提供免费 AI 视频创作工具

    Pavo 平台上线 Agnes Video 2.5 模型，其 Flash 版本支持 720p 生成 4-12 秒视频且免费开放，API 参考价 1.5 美元/分钟。平台结合无限画布和 Agent 模式，提供从剧本到成片的全流程工具，降低了 AI 短剧制作成本。

    推荐理由：实测了免费模型与创作工具的组合流程，读者可以据此了解低成本生成完整视频的路径。

8月25日周二
8月24日周一
  2. 行者AI视频66

    Seedance 2.0 fast 视频模型量产能力实测评测

    Seedance 2.0 fast 降价至6毛/秒后，实测显示其在量产场景下表现最均衡。同档模型包括MiniMax H3和Wan 3.0，测试基于720P分辨率与相同提示词。Seedance 2.0 fast在短漫剧、电商视频和广告素材生成中，于速度、成本与画面稳定性上表现最佳，一次至两次生成即可出片。

  4. AI产品阿颖47

    PixVerse R2 交互式世界模型即将发布，通过统一架构解决实时生成连续性与扩展性难题

    爱诗科技新一代交互式世界模型 PixVerse R2 即将正式发布。该模型采用统一的 Omni Causal AR 架构，重构了从视频生成到实时加速的训练链路，旨在解决 R1 版本中存在的场景漂移与故事割裂问题。通过引入误差鲁棒性训练和分层记忆机制，R2 能够支持用户通过 WASD 快捷键或自然语言实时介入并持续生成世界，目前处于内测 Demo 阶段。

  5. 机器之心62

    PixVerse 发布实时世界模型 R2，主打可持续交互的互动娱乐体验

    PixVerse（爱诗科技）宣布实时视频世界模型升级到 R2 版本，用户可用按键、文字或语音与持续运行的世界实时交互。技术上 R2 把生成质量、长程一致性和多模态控制收敛进统一的 Omni Causal AR 持续预训练，再直接蒸馏出实时模型，包含 Dynamic Chunk、三层记忆和 Error Bank 等机制，官方称长期亮度漂移指标从 0.201 降到 0.129。

  6. 硅星人Pro65

    PixVerse R2 发布：重构互动娱乐，让视频世界支持实时操作与生成

    PixVerse R2 即将发布，旨在通过世界模型重构互动娱乐，支持游戏、互动影视及直播场景的实时生成与用户参与。技术层面采用 Omni Causal AR 和 Real-Time Acceleration 双层架构，配合 Dynamic Chunk 机制，以适配文字、语音及动作等不同节奏的交互输入。爱诗科技认为，互动娱乐是早期世界模型最合适的落地场景，能产生宝贵的交互数据以驱动模型迭代。

8月23日周日
  1. 光子星球63

    实测 MiniMax Design：视频生成 Agent 能落地，但语义编辑翻车

    MiniMax 推出 AI 视频工作台 MiniMax Design，底层基于刚开源的 H3 多模态视频模型。作者按官方手册测试发现，该工具在生成 15 秒竖屏电商广告和批量生成不同人设的 KOC 视频方面效果可用，且 Skill 调用与项目级记忆均已跑通。核心问题在于官方主打的语义级视频编辑功能，指令能被正确理解，但在修改背景或色调时主体画面会变形。

8月21日周五
8月20日周四
  3. 特工宇宙77

    MiniMax Design 发布，全面接入 H3 视频生成模型构建智能体工作流

    MiniMax 官方发布创作工作台 MiniMax Design，将 H3 视频生成能力接入需求理解、分镜规划、逐镜头生成到自动剪辑的完整流程。实测显示其擅长人物口型要求高、镜头目标明确的内容，支持 ComfyUI 工作流一键迁移及 3D 导演台精确控制，并内置专业 Skill 生态实现稳定批量生产。

    推荐理由：原文实测了 MiniMax Design 从自然语言理解到自动剪辑的完整生成链路，展示了原厂 Agent 在视频生产流程中的可控性与批量复用价值。

  4. 量子位33

    TennisVAR 提出基于击球证据的战术推理框架，在 TRACE 基准上超越通用模型

    TennisVAR 是厦门大学等团队提出的网球多模态大模型，专攻基于击球证据的战术推理。其在 TRACE 基准中 T-F1@8 达 73.04、T-IoU@4 达 56.19，显著高于 GPT-5.5 的 37.03 和 24.54。该模型采用事件解析与战术图引导时序推理，能将击球事件转化为战术证据链，提升 AI 对体育赛事的深层理解能力。

  6. APPSO78

    MiniMax Design 发布，将 H3 视频模型能力嵌入完整 Agent 工作流

    MiniMax 推出 MiniMax Design，将 H3 视频模型接入包含画布、3D 导演台和 Skills 的 Agent 工作流。用户无需编写复杂提示词，只需描述需求，系统即可自动完成从分镜、关键帧生成到视频剪辑的全流程。实测显示其能处理《牛来》片段复刻、一分钟 MV 及电商素材编排，并将单次生成结果扩展为可复用的模板生产线。

    推荐理由：原文通过复刻电影、制作 MV 及电商素材等实测案例，展示了 MiniMax Design 如何利用 3D 导演台与 Agent 团队，将 H3 视频模型转化为可复用的完整生产工作流。

8月19日周三