Adobe 展示 AI 实验项目:在照片中行走、与角色对话试镜
Adobe 在年度 Max 大会上公布多项实验性 AI 工具,包括 Project Screen Test 可通过对话塑造 AI 角色并生成试镜视频,Project Sight Span 能把平面图像转为可自由移动视角的 3D 场景。
Adobe 在年度 Max 大会上公布多项实验性 AI 工具,包括 Project Screen Test 可通过对话塑造 AI 角色并生成试镜视频,Project Sight Span 能把平面图像转为可自由移动视角的 3D 场景。
Adobe 在 Max 大会上为 Creative Cloud 应用和 Firefly 平台推出一批新功能,重点是自动移除画面中的物体、瑕疵和干扰元素。
Google DeepMind 将视频生成模型 Gemini Omni 1.2 Flash 正式开放使用,片段时长从最长 10 秒提升到 3 至 15 秒,720p 视频价格下降 30% 至每秒 0.07 美元。
Google DeepMind 发布 Gemini Omni 1.2 Flash,视频生成时长从 Omni 1.1 的 10 秒提升到 15 秒,可按 1 秒步长指定 3 至 15 秒,720p 价格下调 30% 至每秒 $0.07,并通过 Gemini API 和 Gemini for business 全面开放。
AI 生成科幻电影《Gods Don't Give Gifts》宣布由 Grimes 出演,她将提供自己的形象与配音,影片定于 12 月 4 日上映,被宣传为"首部进入院线的 AI 电影"。
Google 联合斯坦福、牛津等机构推出视频智能体 StreamVibe,能区分用户明确说出、未说出口和任务中途改变的三类意图,自主决定何时提供帮助。基于 Qwen3.5-9B 训练的 StreamVibe-VL 在响应时机与质量上比其他模型提升 10.7%,配套记忆系统将主动交互再提升 12.3%。
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 合作制作。这距离 Elon Musk 宣布要推出全长"历史准确"电影版已过去三个月,他曾因 Christopher Nolan 版本的选角问题公开抨击该片。TechCrunch 评价称画面虽比预期好看,但整体缺乏艺术性与叙事张力。
Kling AI 发布 4.0 版本,单次可生成最长 30 秒视频,支持最多 10 张关键帧图像输入,提示词理解扩展到 8,000 tokens。新版本加入双声道立体声和十余种语言的口型同步,Omni Reference 单次最多接受 15 个参考素材,并推出最高 720p、20 秒的轻量 Flash 版。Kling 4.0 可通过 MCP 和 CLI 接入,API 定价尚未公布。
TwelveLabs 的 Pegasus 1.5 视频语言模型已在 Amazon Bedrock 上线,可将长视频转为带时间戳的结构化 JSON 元数据。新版本新增视频分段、结合参考图像的多模态提示词和免预索引的即时处理,单次请求可分析最长两小时的视频,较 Pegasus 1.2 的一小时翻倍。
Mark Wahlberg 在 TechCrunch Disrupt 上表示,只要用法得当,AI 在电影行业有一席之地,他计划用 AI 增强即将开拍的 Pete Rose 传记片中的体育场场景。他反对把想法丢给 ChatGPT 生成剧本、弃用真人演员,并称愿意让 AI 分身在自己无法出演或离世后继续拍摄动画剧集《Ted》。
Higgsfield 借助 GPT-6 Astra 把 AI 视频生成时长从 1 分钟延长到 10 分钟以上,并用 GPT-Image-2.5 提升画面精度,同时通过 GPT-Live 打通语音电影制作路径。
Odyssey 面向公众开放世界模型 Odyssey-3 的研究预览,用户可用文本提示生成可实时探索的交互环境,免费在线演示基于 Odyssey-3 Flash,开发者可申请 API 访问。
Pollo AI 借助 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5,帮助创作者将创意转化为精细图像和电影级视频广告。
Ben Affleck 本周因多段采访视频走红,他在 GQ 和 Bloomberg Screentime 2026 活动中讲解机器学习、神经网络、Transformer、张量和 GPU 推理,并称自己会写 Python。
Ben Affleck 表示自己从小对计算机感兴趣,在电影从模拟胶片转向数字后更加关注这一领域,并会写"相当糟糕的 Python 脚本"。他指出视觉特效工作流多年来一直包含机器学习,卷积神经网络作为 Transformer 的前身,可用于处理 tensor 并实现边缘检测与特征提取,从而更轻松地抠出绿幕画面并替换背景。
前 Ramp 工程师创立的 AI 广告平台 Melius 完成 2000 万美元 A 轮融资,由 CRV 领投,另含 General Catalyst 领投的 500 万美元种子轮,累计融资 2500 万美元。团队在首款绩效营销工具开发半年后放弃并重写全部代码,转向生成广告创意与campaign的"创意工作智能体实验室",7 月结束隐身状态后两个月内年化收入超 100 万美元。
AWS 发布教程,演示在 SageMaker AI 上部署同一个 vLLM-Omni DLC 镜像的两个端点:实时端点运行 FLUX.2-klein-4B 生成图像,异步端点运行 Wan2.1-VACE-1.3B 做图像条件视频生成。文本提示词先生成 PNG,再连同运动提示词经 Amazon S3 传给视频端点,最终从 S3 取回 MP4,示例含命令行流程和可选的 Streamlit 界面。
Runway 推出 GWM Worlds 2 研究预览,把高保真视频与音频生成变成实时交互式模拟,并引入 WorldPrompt 这一输入格式,可固定首帧等环境要素并生成带时间戳的事件。
Google Research 发布长视频生成研究,提出 AI 视频联合导演这一多智能体编排框架,构建在 Gemini 与 Veo 之上,用于规划多镜头叙事的视觉连续性。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,在原生实时对话模型上加入近实时视频生成,形成能听、能看、能说的动态视觉形象,即日起在 Gemini Enterprise 上线。
invideo 借助 GPT-6 Astra 实现更精准的剪辑规划,调色与色彩校正效率提升 3 倍,并在一天内生成 50 个自定义特效。
Higgsfield AI 借助 GPT-6 Astra,在一天内上线了新的视频功能,让小型企业更轻松地制作视频广告,并更快将新创意工具推向市场。
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上推出智能体视频理解功能,视频分析 token 消耗最多降低 88%、成本最多降低 66%、准确率最多提升 7%。
Google DeepMind 发布 Gemini Omni 1.1 Flash,为开发者带来更可控的生成视频能力,通过 Gemini API 在 Google AI Studio 提供。
Google DeepMind 与 A24 宣布达成首个聚焦研究的合作伙伴关系,双方将围绕多个项目展开长期研发协作,让艺术家参与塑造新技术与新工作流。Google 同时对 A24 进行了投资。该合作初期聚焦弥合前沿技术与下一代娱乐之间的差距,具体目标与技术产出将随时间演进。
Google DeepMind 发布 Nano Banana 2 Lite(gemini-3.1-flash-lite-image)和 Gemini Omni Flash(gemini-omni-flash-preview)两款模型。
Google DeepMind 发布 Gemini Omni 系列首个模型 Gemini Omni Flash,可组合图像、音频、视频和文本输入生成高质量视频,并支持通过自然语言对话逐轮编辑视频。