港大未來媒體學院與香港管絃樂團簽署諒解備忘錄,啟動策略合作及開創性混合式 AI 紀錄片計劃
香港大學未來媒體學院(SFM)與香港管絃樂團(HK Phil)簽署諒解備忘錄,展開為期兩年的策略合作,並製作以樂團歷史為題的混合式 AI 紀錄片。影片將結合檔案影像與 AI 重現,呈現樂團自 1947 年以來的歷史。合作亦包括 AI 輔助創作、數碼營銷及業界教育,為學生提供實習和項目學習機會。
香港大學未來媒體學院(SFM)與香港管絃樂團(HK Phil)簽署諒解備忘錄,展開為期兩年的策略合作,並製作以樂團歷史為題的混合式 AI 紀錄片。影片將結合檔案影像與 AI 重現,呈現樂團自 1947 年以來的歷史。合作亦包括 AI 輔助創作、數碼營銷及業界教育,為學生提供實習和項目學習機會。
Social Department 構建 QuickSearch,將娛樂行銷中的編輯判斷轉化為可執行的影片檢索流程,讓用戶透過單一操作尋找合適片段。QuickSearch 提供 Shareable Scenes、Quotable Quotes、Memeable Moments 和 Trend Align 四項功能,結合影片內容理解與持續更新的趨勢資訊。
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。
Runway 發表研究,拆解 Characters 如何為約 57B 參數的影片擴散 Transformer 提供即時對話服務。在四張 H100 上,優化把每步耗時由 240.9ms 降至 159.3ms(24.5 fps),加入融合 kernel 後進一步降至 147.4ms。
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。
Runway 推出 App Studio,讓用戶以自然語言免寫程式建立可生成圖像、影片及音訊的自訂創意應用程式,並使用 Brand Kits 和 Workflows。
港大商學院人工智能評估實驗室發佈 AI 影片生成模型評測報告,評估超過十款模型的影片生成能力,以及識別和防範錯誤資訊等高風險內容的能力。Seedance 2.0 Pro 生成表現總排名第一,並在六個評估維度均居首;Hailuo-2.3 安全與責任評分最高,但生成能力總排名第九。
香港人工智能專業協會舉辦電影行業分享會,邀請 Magic Hour Studio 聯合創辦人、導演塗霆駿及律師 Helene Chow,從影像創作與法律角度探討人工智能在電影工作中的角色。塗霆駿分享工作室取得真人演員肖像授權、以人工智能打造角色造型製作短劇的做法,並介紹《10日不回家的理由》及《失敗的Man》系列。
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。
Runway 透過 Runway Creative 加入 Claude Marketplace,符合資格的企業客戶可使用部分既有 Anthropic 承諾金額購買服務。
TwelveLabs Pegasus 1.5 現已在 Amazon Bedrock 的美國西部(俄勒岡)區域提供,可按自訂條件分析影片並輸出帶時間戳的結構化資料。模型支援最長 2 小時影片,並新增影片分段及參考圖片多模態提示。影片可直接從 Amazon S3 傳送,毋須預先建立索引。
港口安全的 AI 影片分析透過電腦視覺分析攝影機畫面,識別預設危險、不安全行為及限制區域闖入,並發出警示。應用涵蓋起重機與碼頭作業、設備禁區、碼頭交通、PPE 合規、出入監察及火警偵測;viAct Port Safety Solution 是文中列舉的方案,系統不能取代實體隔離、設備檢查、吊運程序或應急系統。
HKT 推出自家研發 AI 平台 HKT.AI,消費者及中小企可透過訂閲使用。月費分別由 HK$48 和 HK$88 起,平台現有超過 80 個 AI 智能體,並設有個人及企業專用應用程式和智能體。平台亦提供 LLM Arena、Image Studio 和 Video Studio 等功能。
Higgsfield 藉助 GPT‑6 Astra,將 AI 影片製作時長由約 1 分鐘延長至超過 10 分鐘,並以 AI 工作流程製作超過 10 分鐘的教學影片。GPT‑Image‑2.5 協助小型企業製作文字和資訊圖表更精準的宣傳內容,Codex 則讓創意團隊將構想轉為軟件原型。
Pollo AI 透過 Pollo Agent 結合 OpenAI 模型,協助用戶把創意構想轉化為影片、廣告及宣傳視覺內容。平台以 GPT-5.6 負責路由,並以 GPT-6 Astra 處理較複雜任務,GPT-Image-2.5 則用於圖像生成。Pollo AI 表示,用戶選擇或切換模型所花時間減少逾 50%。
Anthropic 推出 Claude Motion,Runway 擔任發佈合作夥伴,動畫可匯出至 Runway 繼續編輯。Claude Motion 以 beta 形式提供予 Claude Team 和 Enterprise 計劃用戶。用戶可在 Runway 生成影片和圖片、按描述修改片段,並使用 Runway Agent 規劃及組合較長影片。
Runway 宣佈推出 Runway Ads,這款新產品可端到端處理付費廣告素材的生成、發布和優化。連接廣告帳戶和品牌套件後,Runway Ads 會生成影片及圖片廣告,把經批准的版本發布至 Meta、Google 和 TikTok,再根據平台成效生成下一輪;人手審批預設開啟,並支援素材本地化和尺寸調整。
Runway 宣佈 Praxis-1,這是其首個開放權重世界動作模型,採用通用世界模型的大規模影片預訓練,並計劃在未來數月公開發布。Noble Machines、Standard Bots 和 Ultra 正在各自硬件上測試該模型,Runway 亦會在不同機械人形態及環境中評估效能與安全性。
World Juggling Federation 創辦人 Jason Garfield 使用 Runway 為電視競技節目補上空座位人羣、重建所需鏡頭素材及製作節目圖像。他以 Aleph 2.0 在原有片段中加入觀眾,並以多步圖像生成和單次影片生成製作選手卡、排行榜及比賽圖像。約一小時的特輯由他一人製作,他計劃沿用成功生成的圖像,並繼續以 Runway 製作排行榜和計分圖像。
Bonjour 利用 Runway 將同一份腳本製作成多種動畫廣告風格,並把不同版本投放至 Meta Ads Manager 測試。動畫版本可在 24 至 48 小時內完成,從腳本到判斷哪種風格有效約需 4 至 5 天;團隊使用 Runway 製作了超過 500 種影片及圖片版本,並重新調配了原本用於外判製作的逾 €50,000。
Runway以250個圖生影片提示詞評估 Model Router,品質優先設定的可用率為77%、每段成本為$1.28,Seedance 2.5 基準則為78%及$1.80。設置每次生成$1.00上限後,可用率為74%、每段成本為$0.61;成本優先設定則為38%和$0.30。
Google Research 介紹 Co-Director、CANVAS、A²RD 和 VQQA 四套框架,聚焦長篇影片生成的多鏡頭敍事連貫性。它們分別涵蓋創意編排、視覺分鏡記憶、長時序分段生成及閉環提示詞優化,並以專項基準評估。AI video co-director 在 GenAD-Bench 取得 81.4 的峯值質量分數;各框架在相應測試中改善了敍事連貫性、角色持續性或影片品質。
Runway 推出 DaVinci Resolve 插件,讓用戶可在 DaVinci Resolve Studio 內生成圖像和影片、重新風格化現有片段,並直接匯入 Media Pool 和時間軸。
Higgsfield AI 藉助 GPT-6 Astra 在一天內推出新影片功能,讓小型企業更容易製作影片廣告。這亦令 Higgsfield AI 能更快將新創作工具推向市場。
Runway 推出 Enhance Frame Rate 模型,可將任何影片轉換為 25、30、48、60 或 120 fps,亦支援 NTSC 的 59.94 標準。
Runway 為即時影片生成設計並測試了同步審核系統,模型生成畫面時會同步送交審核,發現有問題的內容便會停止串流。系統採用 Zentropi 的 CoPE-B,建基於 Gemma-4-26B-A4B-it 的 LoRA adapter,每次推理啟用 3.8B 參數;安全審核目前平均耗時少於 0.5 秒。影片可供下載或分享前,Runway 仍會進行最終安全檢查。
香港人工智能專業協會代表出席黃大仙區「AI 防騙分享會」,講解換臉、扮聲及虛假訊息等詐騙手法,並即場示範以相片生成旅遊照片。分享會提出三項自保做法:有懷疑先掛斷並自行回撥已知號碼、追問只有真人才知道的事,以及透過視像通話要求對方即時做指定動作。
VOIDZ 以 Runway 的 Seedance 2.0 製作《Ends Meat》,把原本受限於 10 至 15 秒的 VFX 作品延伸至 95 秒紀錄片。作品以未經編排的買餸實拍為基礎,加入超現實影像呈現生活成本壓力;VOIDZ 稱這種形式為 Documentary Surrealism。
Runway 公開即時影片生成研究,聚焦縮短首幀及整體生成時間,並讓影片在輸入提示詞時串流生成。其方法以 Gen-4.5 等基礎模型為例,透過因果式自回歸生成逐幀輸出,再以知識蒸餾將每幀生成所需步數減至幾步。訓練分為 off-policy 和 on-policy 兩階段,研究發現逐步增加序列長度的課程優於固定序列長度。
Runway 推出 Runway Plugins,讓用戶可在 Premiere Pro 和 After Effects 內生成、編輯及放大內容,並直接把結果放回時間軸。Edit Studio 可對現有片段的錨點影格進行風格轉換,再由 Aleph 2 以來源片段相同時長重新渲染;插件可在 macOS 和 Windows 免費下載,生成需使用付費方案額度。
Runway 宣佈,巴黎 AI 研究實驗室 Kinetix 的團隊加入 Runway,將參與機械人世界模型研究。團隊帶來 3D 人體動作及具物理基礎的影片生成研究,並加入 Runway 巴黎中心;Runway 正在巴黎招聘研究及工程職位,職位列於 runway.com/careers。
Runway 介紹 GWM Worlds 2,一款將高保真影片及音訊生成轉化為即時互動模擬的自回歸擴散模型。模型採用 WorldPrompt 描述持續場景上下文、帶時間戳的文字動作及逐影格鏡頭輸入,可生成 720p、24 fps 影片和 48,000 Hz 音訊,亦可作為智能體評估及訓練的模擬環境。目前仍屬研究預覽,即時生成在保真度與速度之間有所取捨,快速鏡頭旋轉可能令細節、紋理和幾何退化。
Miro 使用 Runway 製作年度活動 Canvas26 的開場影片,並為四個城市分別本地化版本。片中的城市景觀、人羣及入場畫面均由 Runway 生成,團隊亦以活動場地照片作參考,並按所需尺寸原生生成畫面。
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%。
Runway 介紹 Solaris,這是其首個 Interface World Model,以逐幀即時生成介面,並根據用戶操作持續回應。與 Claude Opus 5 生成的程式化介面比較時,250 名參與者評估了 30 個互動案例;指令遵循方面,Solaris 獲 61% 偏好、程式化結果獲 24%、兩者相若佔 13%;場景自然度方面則分別為 71%、21% 和 6%。
Google DeepMind 推出 Gemini Omni 1.1 Flash,為影片生成加入場景延伸、首尾幀控制、影片參考輸入及 1080p 或 4K 輸出。
推薦理由:場景延伸可分析最多10秒的既有影片,並以10秒增量延長至累計40秒;配合首尾幀指定,呈現更長影片創作中的控制方式。
Runway 指出,企業對影片生成的需求正由比較模型轉向重視產品體驗、工作流程效率、數據主權及模型所有權。其 AI Media Report 顯示,數百家企業的製作成本下降了兩至三個數量級;Runway Agent 亦協助品牌在節省成本的同時,將創意產量提升至 10 倍。Runway 提供模型路由和第三方模型存取,並承諾不會使用客戶數據訓練模型。
Chime 使用 Runway 將超過 85 名會員的照片製作成最新全國電視廣告的動態片尾格狀畫面。Runway 團隊協助搭建初始流程,執行製作的 Shayla Love 其後調整提示詞、處理渲染並教導團隊操作;儘管來源照片質素和構圖各異,成品仍穩定並適合電視播出。Love 估算,若以傳統拍攝完成相同規模,成本約為這次做法的 5 倍,亦難以安排全國會員同日拍攝。
Netflix 的 Girish Balakrishnan 與 FutureCel 創辦人 Joel Kuwahara 認為,AI 是支援説故事的工具,創作仍以故事、工藝和創作者的視野為核心。Netflix 在重現 1970 年世界盃的作品中,結合實景拍攝、傳統特效與生成式工具,呈現原本無法拍攝的滿場球迷鏡頭。Kuwahara 認為,AI 會發展出自己的創作領域與優勢。
NVIDIA 發佈 Cosmos-H-Dreams,一款根據機械人動作即時生成手術場景影片的模擬器。它將 Cosmos-H-Surgical-Simulator 蒸餾為因果學生模型,並透過 FlashDreams 在單張 NVIDIA RTX PRO 6000 上達到約 160 fps。