Gemini Omni 1.2 Flash 发布:支持 15 秒视频生成,价格下调 30%
Google DeepMind 发布 Gemini Omni 1.2 Flash,在 Gemini API 与 Gemini for business 全面可用。
推荐理由:相比 Omni 1.1,片长从 10 秒延长至 15 秒、每秒价格下调 30%,并新增多轮对话式编辑与参考图保持能力。
Google DeepMind 发布 Gemini Omni 1.2 Flash,在 Gemini API 与 Gemini for business 全面可用。
推荐理由:相比 Omni 1.1,片长从 10 秒延长至 15 秒、每秒价格下调 30%,并新增多轮对话式编辑与参考图保持能力。
流行歌手 Grimes 将为 AI 科幻电影《Gods Don't Give Gifts》提供形象与声音出演,影片定于 12 月 4 日上映,被宣传为首部进入影院的 AI 电影。
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。
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%。
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。
openJiuwen AgentMemory 在 0.2.0 版本上线多模态记忆能力 OmniMem-Lens,用视觉与听觉双流按真实事件边界切分长视频,并以 L0/L1/L2 三层记忆结构实现离线建记忆、在线查。
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。
爱诗科技旗下 PixVerse 与 OpenAI 宣布开启深度合作,完成一系列产品集成,并首次共同推出"从提示词到成片"(Prompt to Production)创作者教育计划。
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。
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%。
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。
Genspark 发布视频智能体工作台 Media Studio,由大语言模型担任「导演」调度 20 多家厂商的 70 多个模型版本,覆盖视频、图像、音频和 3D 生成。
推荐理由:作者用四个实测案例展示了从rap视频到短剧的完整流程,读者可以直观判断这套工作流的门槛和积分成本。
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。
即梦正式推出短剧工作室,把剧本创作、角色与场景资产管理、3D 导演台、智能预演、片段重拍和超分整合进同一套创作流程。自研剧本模型 DreamScript、美术模型 Anycook 和分镜模型 DreamShot 共享同一套项目资产,确认后的角色与场景设定可在后续镜头及续集中反复调用。
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。
汇影AI 完整拆解了文案转剪映草稿的自动化流水线,最终输出可一键导入剪映二次精修的 capcut-meta 工程包,而非直接渲染成品 MP4。
谷歌 DeepMind 发布 Genie 4 世界模型,用户可在实时模拟中用自然语言指令改变天气、镜头、角色或物体,模型同时原生同步生成音频。皮查伊称其为谷歌迄今最逼真、最具互动性的世界模型。
谷歌 DeepMind 发布世界模型 Genie 4 研究预览,可生成可交互虚拟世界并同步产出实时音频,场景最长维持两分钟、为前代两倍,还支持运行中修改天气、镜头角度等自由编辑。
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。
Google DeepMind 以研究预览版发布最新世界模型 Genie 4,可生成更具照片真实感的交互式世界,支持在模拟过程中输入提示词实时改变场景,并生成与画面匹配的音乐、环境音和对话音频。
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。
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。
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。
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。
Meowcute(pixelforge)项目调研了「单图角色拆部件」的开源实现,现阶段选择「本地模型生成图 → 图生视频 → 抽帧转序列帧 → 简单游戏 Demo」的生产路线,主动暂停骨骼/网格动画路线。
10 月 26 日,字节跳动旗下即梦 AI 宣布即梦短剧工作室正式上线,提供自研剧本模型 DreamScript、图片模型 Anycook、分镜模型 DreamShot。
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。
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%。
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。
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。
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。
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。
本文系统解读了 Nano World Models(NanoWM,arXiv:2605.23993)论文,这是一个基于扩散强迫的极简开源世界模型代码库。
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%。
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。
字节跳动旗下火山引擎正式发布 Seedance 2.5 4K 模型,称其为 Seedance 2.5 这一代中最强的模型,面向影视级画面生成。该模型支持 Draft(样片)模式,终端用户可先用 480P 样片验证分镜、打磨镜头,满意后再生成 4K 正片,目前仅供部分企业客户试用。
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。
AI 漫剧行业一年内从风口转入红海,标准化 80 分漫剧单分钟成本从 1000 元压到 400 元,1 个人一月可出三部剧,但产能暴涨并未带来营收同步增长,成本大头从人工转为 AI 算力 Token。
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。
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。