跳到正文
11月6日周五
11月4日周三
  1. IT之家41

    小米 WorldCast 3D 运镜在 REDMI K100 上线:平面照片还原成三维场景,并虚拟出真实相机轨迹

    小米 REDMI K100 上线基于视觉生成框架 WorldCast 的 3D 运镜功能:选中相册静态照片即可生成环绕、推拉、倾斜的大角度 3D 运镜视频,人物五官、发型、衣着保持一致。WorldCast 通过解读画面深度结构将平面照片还原为三维场景,并虚拟出真实相机轨迹。小米称其沉淀了方法、数据集和评测方式,后续将探索更复杂运镜形态与可控 4D 视频生成。

  2. 量子位56

    虎鲸文娱“鲸锐AI”平台正式上线,AI视频单分钟成本节省30%以上

    11月4日,虎鲸文娱集团打造的AI影视制作与管理平台“鲸锐AI”正式上线,官网开放全员注册,无需订阅会员、积分即充即用。平台集成50余个主流AI视频生成模型与10余个自研模型,提供五类精控套件、35类工具与300余项精控能力,官方称AI视频单分钟成本较传统AI生成方式可节省30%以上。平台无限画布支持千级节点、百人实时协同创作,据用户实测视频制作时长可缩短40%至60%。

  3. 爱范儿39

    奥运赛事首次来到非洲,阿里巴巴 AI 学着「入乡随俗」

    阿里巴巴以 AI 互动装置和专有云技术,全程护航奥运史上首次登陆非洲的 2026 达喀尔青奥会。现场装置 Alibaba Teranga Beat 基于千问(Qwen)大模型,让观众敲打 Sabar 鼓生成穿传统服饰的数字分身;开幕式百人击鼓短片由阿里云 Wan 3.0 制作,100 张真实面孔在 60 秒长镜头中稳定亮相。

  4. 爱范儿34

    早报|国行 Apple 智能开测,Siri 接入千问 / 中兴否认出售手机业务传闻 / 多所高校免费发 Token

    国行 Apple 智能随 iOS 27.3 首个开发者测试版开启体验,Siri、写作工具与视觉智能接入千问,首批功能还包括实时翻译、照片消除与通知摘要。苹果同时向所有开发者开放 Siri AI 预览,可通过 App Intents 将多个 App 动作串成任务。此外,中兴通讯否认出售手机业务传闻,中科大、同济、北邮等高校开始向师生免费提供 Token 或算力账户。

11月3日周二
11月2日周一
  1. 少数派37

    派评 | 近期值得关注的 App

    本期《派评》推荐了多款覆盖 macOS、Android 与 iOS 平台的新 App。Local Code 是一款本地优先的 AI Agent 工具,可依据 Mac 配置自动匹配本地模型,采用本地运行免费、云端模型另收费的模式。

11月1日周日
  1. The Decoder50

    Google 团队提出 StreamVibe 视频智能体,让 AI 学会判断何时主动帮忙

    Google 联合斯坦福、牛津等高校的研究团队提出 StreamVibe,一个能区分明确、隐含和变化意图并自行决定何时开口的视频智能体。团队用约 4100 条来自 183 小时日常与软件录制的评测数据训练出 StreamVibe-VL(基于阿里巴巴 Qwen3.5-9B),其响应时机与质量比其他模型提升 10.7%,记忆系统将主动交互再提升 12.3%。

10月31日周六
  1. 量子位43

    好莱坞最缺的答案,被 10 亿美元估值的 AI 影视独角兽 Utopai Studios 写进了片单

    AI 影视公司 Utopai Studios 完成 6000 万美元融资,估值站上 10 亿美元,被《综艺》评为“全球最大独立 AI 原生影视公司”。其基于 MiniMax H3 定制的视频模型 Utopai X 在 Artificial Analysis 文生与图生视频排行榜均位列全球第二,自研制片系统 PAI 已引入 CJ ENM 剧集制作管线。

10月30日周五
10月29日周四
  1. 博客园77

    用 Electron 做的 AI 视频切片工作台 VClip:技术选型与踩坑实录

    作者开源了 VClip(https://github.com/wyfirstname/videoclip),一个 Electron 桌面应用,本机跑完语音识别、大模型挑选切片与导出,全程不传视频音频,唯一外部调用是可选的 OpenAI 兼容接口,也可换本地 Ollama。

    推荐理由:作者把六个真实踩坑点讲到了可复现的程度,做 Electron 媒体类应用的人能直接照着排查。

10月28日周三
  1. 极客公园69

    即梦上线「短剧工作室」,将剧本、导演与剪辑整合进同一创作空间

    即梦于 10 月 26 日上线「短剧工作室」,把剧本创作、角色与场景资产管理、分镜设计、视频生成和后期编辑整合进同一项目。DreamScript 剧本模型可从一句话灵感生成剧本,3D 导演台支持排布演员站位与运镜,智能预演能用一段 8 秒视频的成本预演 1 分 13 秒的整场戏。

  2. 爱范儿78

    Google DeepMind 发布世界模型 Genie 4,支持实时音频与两分钟交互模拟

    Google DeepMind 发布新一代世界模型 Genie 4,单次交互模拟时长从约一分钟延长至两分钟,首次支持实时生成环境声音、音乐与人物对话,用户可在运行中输入提示词改变天气、添加人物和物体。

    同一新闻,精选展示《Google DeepMind 发布 Genie 4 新一代世界模拟模型》

  3. Ars Technica · AI46

    DeepMind 发布 Genie 4 世界模型:物理效果与人类表现更真实

    Google DeepMind 发布 Genie 4 世界模型,在物理模拟和人物表现上比 Genie 3 更真实。该模型无需预渲染环境或编程交互元素,可根据指令逐帧实时生成可探索的体验。DeepMind 将世界模型视为迈向 AGI 的关键,称其可为物理机器人创造无限训练环境,付费用户有望较早用上 Genie 4。

  4. Google DeepMind80

    Google DeepMind 发布 Genie 4 新一代世界模拟模型

    Google DeepMind 发布新一代世界模型 Genie 4,可实时生成交互式模拟,并原生生成环境音、音乐与可适应输入的角色对话。模型结合 Gemini 系列能力,Gemini 3.8 Flash 作为引导智能体维护场景连贯,还可与 Gemini 4 Argon 及 Gemini Robotics 联动模拟多步骤机器人任务。

    推荐理由:原文将 Genie 4 的能力拆为实时操控、物理与人物动作、原生音频和复杂事件模拟四部分,并说明了研究预览版的开放范围与已知局限。

10月27日周二
  1. 博客园23

    智云先锋 AI 赋能中医科普,天翼云 DramaFlow 解锁大健康内容新产能

    天翼云 DramaFlow AI 创作平台为大健康企业中瑶集团提供零代码 AI 视频创作方案,内置 Seedance2.5、MiniMax-H3 等高阶模型,支持浏览器直接创作与多任务并行。科普视频制作周期从数周甚至数月压缩至数小时到一天,整体生产效率提升 10~50 倍。平台配套全局资产库与全流程合规辅助体系,适配强监管赛道的内容量产需求。

  2. 爱范儿40

    早报|苹果回应 iPhone Duo 内屏开裂 / Anthropic 公开上市申请,冲击史上最大 IPO / 小鹏 Robotaxi 获批 L4 级示范运营

    Anthropic 向美国证监会提交 S-1 注册文件,拟以「ANT」代码登陆纳斯达克,上半年营收 162.86 亿美元、经调整经营利润 16.18 亿美元。苹果首次回应 iPhone Duo 内屏开裂,称仅少量设备受影响,用户可联系 AppleCare 换机。OpenAI 发布 GPT-6.1 Terra,标准 API 价格减半;小鹏 Robotaxi 获广州 L4 级示范运营资格。

10月26日周一
  1. 博客园30

    Codex Skill 集成汇影AI:从语义素材检索到剪映草稿的全自动流水线

    将汇影AI语义素材检索封装为Codex Skill,配合Cutflow客户端,可构建从文案到剪映草稿的全自动视频流水线。Codex负责拆解文案生成镜头描述,Skill调用API检索素材元数据,Cutflow在本地完成下载、配音、字幕对齐并输出剪映草稿。该方案适合结构化知识类视频批量生产,素材库含百万级空镜,日增10000条以上。

  2. 爱范儿31

    早报|iPhone Duo 破发/企业微信回应色情引流信息/曝触屏 MacBook Pro 周四登场

    苹果将于本周四发布首款触屏 MacBook Pro,采用 OLED 显示屏并提供 14 英寸和 16 英寸两种尺寸,价格明显高于现款 2499 美元起机型;iPhone Duo 开售不到两天即破发,部分用户反馈内屏开裂。企业微信回应账号发送色情引流信息系第三方外挂被攻破,已强制下线受影响账号;OpenAI 为前沿模型搭建「离线世界」训练环境,报告显示国内大模型均价上涨 98%。

  3. IT之家49

    马斯克的 Grok 发布 AI 版《奥德赛》前 7 分钟内容,被指缺乏艺术感染力

    Grok 发布 AI 版《奥德赛》前 7 分钟内容,并将其称为该系列第一集,由 Grok 与 Wonder Studios 及导演 Dev Walker 联合制作。外媒 Techcrunch 评价称,其效果优于马斯克近期发布的其他 AI 视频,部分镜头接近真人画面,但整体缺乏艺术感与感染力,叙事拖沓、台词生硬。对比之下,诺兰执导的实景版《奥德赛》七月上映后票房大获成功。

  4. TechCrunch · AI48

    Grok 发布 AI 生成《奥德赛》前七分钟

    Grok 发布了 AI 生成《奥德赛》系列的第一集,时长七分钟,由 Wonder Studios 与导演 Dev Walker 协作完成。画面偶有以假乱真的瞬间,整体却缺乏艺术性与感染力,旁白冗长、台词生硬。评测者表示很难再有耐心看完更多内容,更不用说一整部电影。

10月25日周日
  1. 博客园44

    中小团队怎么接视频素材 API:常见素材站不开放,企业接口又贵 - 汇影ai

    汇影AI 开放了申请 Key 即可调用的视频素材搜索 API,素材库为百万级空镜,覆盖历史、军事、天文、城市等十几种赛道。调用只需一条 POST 请求,接口与网页搜索共用素材搜索额度,按官网套餐计费,不按企业年框来谈。返回的候选画面用于预览和挑选,配音与剪辑草稿导出在汇影AI 桌面客户端完成。

  2. 博客园62

    meowcute 本地工具:把视频/GIF 离线转成游戏引擎可用的序列帧精灵图

    meowcute 本地工具可把电脑上的视频或 GIF 离线拆帧、挑帧,拼成游戏引擎直接可用的序列帧精灵图与索引 JSON,全程在本机运行、不联网。拆帧默认 12fps、最多 120 帧,用 16×16 灰度指纹在浏览器端实时去重;白底视频按混合比例判据修复边缘混色。作者建议 HunyuanVideo、Wan 等视频生成模型只作动作探索,正式素材走骨骼渲染链路。

10月24日周六
  1. 量子位63

    达瓦科技 Scenes AI 获 NVIDIA 半程展示卓越企业奖,单张 RTX 显卡实时运行 34B 世界模型

    10月15日,重庆达瓦科技凭借实时世界模型产品 Scenes AI 在 2026 NVIDIA 创业企业展示半程展示上拿下「半程展示卓越企业奖」。该产品不预测下一帧,而是维护场景、人物、相机、灯光等可单独读写的世界状态,只更新发生变化的局部,目标编辑成功率为 98.2%、人物身份保持率为 93.3%。

  2. 极客公园31

    iPhone Duo 正式交付;Kimi K3.1 Pro、Seedance 2.5 4K 正式发布;红果短剧上线防沉迷|极客早知道

    iPhone Duo 于 10 月 23 日正式交付,预购强劲、供应有限,部分新订单预计 2027 年 1 月 25 日左右送达。月之暗面发布 3 万亿级参数模型 Kimi K3.1 Pro,支持 100 万 Token 上下文,Terminal-Bench 4.0 得 65.7%;火山引擎发布 Seedance 2.5 4K,定向邀请 20 家影视工作室试用。

10月23日周五
10月22日周四
  1. 博客园80

    用 DeepSeek Harness 与 DeepSeek-V4.1-Flash 搭建 Agent 视频生产流水线

    作者实测用 DeepSeek Harness 驱动 DeepSeek-V4.1-Flash 的 coding agent,从一句话需求走到可交付成片,核心思路是让 Agent 写程序编排真实素材而非逐帧生成像素。

    推荐理由:原文给出了一条可复用的工程路线,把视频制作拆成可编程、可复现的流水线,读者可据此评估 Agent 在自己场景中的可行性。

  2. IT之家44

    字节火山引擎启动 Seedance 2.5 4K 企业试用,第一批定向供应 20 家工作室

    火山引擎启动 Seedance 2.5 4K 模型首批企业试用,与作品绑定定向供应全球 20 家工作室和导演,探索大荧幕高端影视需求。Seedance 2.5 4K 是该代最强模型,主打人物表演更细腻自然、参考生成与编辑一致性更精细,目前试用作品最早下月将有卫视 S 级 IP 播出。Seedance 2.5 单段视频时长已从 15 秒延长至 30 秒,并支持原生 4K 输出与局部精修。

10月21日周三
  1. 掘金45

    初试短视频生成:豆包将我梦中的场景画出来了

    作者使用豆包 App 的视频生成功能,借助 DeepSeek 等大模型编写并优化结构化提示词,成功生成 10 秒高质量古风短视频。豆包接入 Seedance 视频大模型,免费用户每天有 10 次额度,可选 seedance fast 或 seedance 2.5 模型,最长支持 15 秒,生成需 5-10 分钟。AI 视频生成门槛已显著降低,提示词质量成为决定成片质感的核心。