跳到正文
  1. DEV Community78

    作者以 World Labs Atlas Chisel 打造莫卧兒—都鐸宮殿,實測其 3D、遊戲與影片用途

    作者以 World Labs Atlas 的 Chisel 製作莫卧兒—都鐸宮殿,展示同一 3D 佈局如何生成風格一致的多視角圖像、鏡頭影片及 3D Gaussian splat。

    推薦理由:文章以同一座可編輯 3D 宮殿對照文字生成影片工具,展示共用場景佈局對多鏡頭一致性的作用,並交代 splat 轉網格供遊戲使用仍需清理。

  1. NVIDIA Blog65

    NVIDIA RTX Spark 緊湊型桌上電腦現已發售

    ASUS、Dell 和 MSI 的 NVIDIA RTX Spark 緊湊型桌上電腦現已開售,支援本機 AI 智能體、圖像及影片生成,以及模型微調。系統配備 20 核心 NVIDIA Grace CPU、具 6,144 個 CUDA 核心的 NVIDIA Blackwell RTX GPU,統一記憶體最高 128GB,AI 效能最高達 1 petaflop。

    推薦理由:文章交代 RTX Spark 桌上型電腦的本機 AI 用途、硬件規格與創作軟件支援,呈現其面向開發者和創作者的工作流程範圍。

  1. 字節 Seed:Research Feed77

    Seedance 2.5 正式發佈,單次影片生成時長提升至 30 秒

    Seed 團隊正式發佈新一代影片創作模型 Seedance 2.5,單次影片生成時長由 15 秒提升至 30 秒,並支援多輪延長。模型單次最多可輸入 30 張圖片、10 段影片及 10 段音訊作參考,並支援時間戳精準編輯。Seedance 2.5 正陸續上線即夢 AI、豆包專業版,API 服務近期將上線火山方舟。

    推薦理由:Seedance 2.5 將單次生成時長由 15 秒提升至 30 秒,並支援多輪延長及多模態參考,交代長敍事創作的主要能力變化。

  1. IT之家78

    Google 發佈 Gemini Omni 1.2 Flash 影片生成模型,原生支援 15 秒影片生成並較 1.1 降價 30%

    Google 發佈 Gemini Omni 1.2 Flash 影片生成模型,原生支援最長 15 秒影片生成,並在 Gemini API 與 Gemini for business 全面開放使用。

    最新進展11月7日 19:57Google 發佈 Gemini Omni 1.2 Flash

    推薦理由:原文同時交代影片時長、逐輪編輯與分階段提升解像度的流程,並列出每秒定價,便於掌握功能變化與成本資訊。

  1. Google DeepMind74

    Google DeepMind 發佈 Gemini Omni 1.2 Flash,支援最長 15 秒影片生成

    Google DeepMind 推出 Gemini Omni 1.2 Flash,支援最長 15 秒影片生成,並在 Gemini API 及 Gemini for business 普遍提供。價格較 Gemini Omni 1.1 下調 30%,720p 影片定價為每秒 $0.07。新版本支援多輪對話式編輯,並加強參考素材跟隨能力及角色、物件和場景的一致性;語音更自然,唇形同步亦更清晰。

    推薦理由:Gemini Omni 1.2 Flash 將最長片長由 Gemini Omni 1.1 的 10 秒提升至 15 秒,720p 定價下調 30% 至每秒 $0.07,可從片長與成本兩方面比較版本變化。

  1. 新浪科技79

    快手旗下可靈AI完成約198億元融資交割,快手稱創全球影片大模型公司最大額融資紀錄

    快手旗下北京可靈完成約198.0184億元外部融資交割,快手稱此為全球影片大模型公司最大額融資紀錄。交割後,阿里、騰訊旗下上海啟善及百度分別持有1.38%、0.56%及0.28%股權。達康蘭五及BFI MIDCO未繳清的認購款已取消,兩者退出本輪投資。

    推薦理由:文章對照融資上限、此前已確定投資額與最終交割金額,並交代投資者認購調整及退出安排,呈現本輪融資的落地細節。

  1. TNW76

    西班牙人民黨在大選前發布以桑切斯妻子等社會黨相關人物為主角的 AI 深偽影片

    西班牙主要反對黨人民黨(PP)於 10 月 21 日、即 11 月 29 日大選前,發布 AI 深偽競選影片,以社會黨相關人物的肖像呈現他們承認不當行為。片中包括桑切斯妻子 Begoña Gómez 的 AI 版本;PP 稱影片旨在諷刺社會黨,並非意圖欺騙。九名受訪法律專家中的大多數認為影片不違法,但專家亦討論其倫理性及是否構成虛假資訊;片中人物 Leire Díez 已向法院提出申訴。

    推薦理由:報道並列人民黨的政治諷刺辯護、法律專家對合法性與倫理的區分,以及片中人物提出的申訴,呈現選舉深偽爭議的不同面向。

  1. NVIDIA Blog66

    NVIDIA Cosmos 擴展工具,支援世界模型訓練、評估及部署

    NVIDIA 擴展 Cosmos 平台,加入訓練工具、模擬檢查點及 Cosmos Data Factory 藍圖,支援世界模型訓練、評估和部署。Cosmos Data Factory 提供五種雲端原生藍圖;Cosmos Framework 則支援透過微調和強化學習調適開源模型,並以知識蒸餾和量化作最佳化。

    推薦理由:文章串連數據整理、模型調適與模擬測試等更新,並列出 Porsche、ANYbotics 等企業案例,呈現 Cosmos 工具鏈在實體 AI 開發流程中的應用。

  1. 字節 Seed:Research Feed77

    Seedance 2.5 正式發布,單次可生成 30 秒影片並支援多輪延長

    Seedance 2.5 正式發布,單次影片生成時長提升至 30 秒,並支援多輪延長。模型單次最多可參考 30 張圖片、10 段影片及 10 段音訊,並支援時間戳精準編輯。模型正陸續上線即夢 AI、豆包專業版,API 服務將於近期上線火山方舟;項目主頁:https://seed.bytedance.com/seedance2_5。

    推薦理由:Seedance 2.5 將單次生成時長提升至 30 秒,並支援多素材參考及時間戳編輯,呈現影片生成由片段輸出走向長敍事與精細控制的能力變化。

  1. 404 Media80

    亞利桑那上訴法院裁定 AI 生成的受害者影片造成不當情緒影響,要求重新考慮刑期

    亞利桑那上訴法院裁定,量刑時播放的 AI 生成受害者影片造成不當情緒影響,要求法官重新考慮刑期,但維持被告的誤殺罪裁決。影片由受害者姊姊撰寫台詞,透過 AI 生成的弟弟形象表達原諒;法院認為影片並非呈現真實事件,且對法官造成影響,令量刑程序不公。姊姊表示,若需重新量刑,她準備親自宣讀同一份台詞。

    推薦理由:裁決把生成式 AI 模擬死者發言與呈現真實事件的照片區分,並聚焦其對量刑公正的情緒影響,呈現法院處理 AI 內容的具體法律考量。

  1. 字節 Seed:Research Feed78

    Seedance 2.5 正式發布,單次最長可生成 30 秒影片並支援多模態參考

    字節 Seed 正式發布新一代影片創作模型 Seedance 2.5,單次最長可生成 30 秒影片,並支援多輪延長、多模態參考及時間戳精準編輯。用戶單次最多可輸入 30 張圖片、10 段影片和 10 段音訊作參考,模型亦提升長影片連貫性及綠幕、視角和運鏡編輯能力。Seedance 2.5 正陸續於即夢 AI、豆包專業版上線,API 服務近期亦將上線火山方舟。

    推薦理由:Seedance 2.5 將單次影片生成時長提升至 30 秒,並支援多輪延長、多模態參考及時間戳編輯,呈現影片創作由片段輸出走向完整流程的能力變化。

  1. Meta AI:Research Blog76

    Meta 發佈 Muse Image 並預覽 Muse Video

    Meta 發佈 Muse Image,並預覽 Muse Video;兩者均為 Meta Superintelligence Labs 開發的媒體生成模型。Muse Image 可調用網絡搜尋和編碼工具、自我修訂,並支援精準編輯與多參考圖像構圖;Meta 稱增加推理時計算可提升生成質素。

    推薦理由:文中比較 Muse Image 的推理時計算策略,指出把資源投入刻意推理比 Best-of-N 更能持續提升圖像品質,工具調用亦可補足單靠推理的不足。

  1. Google DeepMind71

    Google DeepMind 為 Gemini 推出智能體影片理解功能

    Google DeepMind 推出 Gemini 智能體影片理解功能,影片分析成本最多降低 66%、token 用量最多降低 88%,準確度最多提升 7%。

    推薦理由:相較固定 FPS 靜態處理,Gemini 會動態檢視畫面、音訊與字幕,影片分析的 token 用量最多減少 88%、成本最多減少 66%。

  1. gihyo.jp78

    Meta 發佈 Muse Image 並預覽 Muse Video,Muse Image 開放使用

    Meta 於 2026年7月7日發佈 Muse Image,並以預覽形式公佈 Muse Video;Muse Image 已可在 Meta AI 應用程式及網頁版使用,Muse Video 則將於 Meta AI 等平台稍後提供。

    推薦理由:文章列出 Muse Image 在三項 Arena 評測均排名第 2,以及 Muse Video 在影片生成評測排名第 3,並交代兩款模型目前的開放狀態。

  1. gihyo.jp86

    Google 發佈 Gemini 3.5 Flash、Gemini Omni Flash,並公佈 Gemini Spark 個人 AI 智能體

    Google 在 Google I/O 2026 發佈 Gemini 3.5 Flash 和 Gemini Omni Flash,前者面向 Agent 與編碼工作,後者可結合文字、圖像、影片及音訊生成和編輯影片。

    推薦理由:文章對照兩款新模型的用途與推出渠道,並交代 Gemini Spark 的測試及開放安排,呈現 Google 將模型能力延伸至影片創作和背景代理工作的具體路徑。

  1. Google DeepMind80

    Google DeepMind 推出 Gemini Omni,首個模型為 Gemini Omni Flash

    Google DeepMind 推出 Gemini Omni 系列首個模型 Gemini Omni Flash,可結合圖像、影片、文字及語音參考生成影片,並支援透過對話編輯。

    推薦理由:材料把 Gemini Omni Flash 的多模態輸入、對話式影片編輯和分階段上線平台放在一起,便於理解新模型如何連接生成能力與實際使用入口。

  1. Hugging Face Blog61

    Waypoint-1.5 提升互動世界保真度並擴展本地硬件支援

    Overworld 推出 Waypoint-1.5 即時影片世界模型,提升視覺保真度並擴大可本地運行的硬件範圍。桌面硬件 RTX 3090 至 5090 可生成最高 720p、60 FPS 的即時環境;另有面向更廣泛消費級硬件(包括遊戲筆電)的 360p 版本,Apple Silicon Mac 支援即將推出。

    推薦理由:Waypoint-1.5 分設 720p 與 360p 檔位,並列明 RTX 3090 至 5090 可達最高 720p、60 FPS,呈現其畫質與本地硬件覆蓋方案。

  1. Hugging Face Blog67

    Overworld 推出 Waypoint-1 即時互動影片擴散模型

    Overworld 發佈 Waypoint-1,這款即時互動影片擴散模型可透過文字、滑鼠和鍵盤控制,並按控制輸入逐影格生成。模型以 10,000 小時配有控制輸入及文字描述的多樣化遊戲影片訓練,並以 self-forcing 後訓練,令訓練更貼近逐影格推理。

    推薦理由:Waypoint-1 從訓練之初便以互動體驗為目標,與常見的先用預訓練影片模型、再微調簡化控制輸入的做法形成對照。