Google Research 介紹長篇連貫影片生成研究與四套框架
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。
#影片
#影片
今日 0 條Google ResearchAI 評分5151
OpenAI NewsAI 評分2828 Higgsfield AI 藉助 GPT-6 Astra 一天內推出新影片功能
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。
Google DeepMind精選AI 評分7171 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%。
Google DeepMind精選AI 評分7070 Google DeepMind 推出 Gemini Omni 1.1 Flash，新增影片生成控制並支援最高 4K 輸出
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。
Hugging Face BlogAI 評分5858 NVIDIA 發佈 Cosmos-H-Dreams 即時手術機械人生成式模擬器
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。
Google DeepMind精選AI 評分7575 Google DeepMind 推出 Nano Banana 2 Lite，並向開發者開放 Gemini Omni Flash
Google DeepMind 推出 Nano Banana 2 Lite，並首次向開發者開放 Gemini Omni Flash。
推薦理由：兩款模型分別面向高速批量圖像生成與影片生成、對話式編輯，文中列出成本、延遲及 API 限制，可供評估多媒體工作流的取捨。
Google DeepMind精選AI 評分8080 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。
Hugging Face Blog精選AI 評分6161 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。
OpenAI NewsAI 評分2222 使用 Sora 安全創作
OpenAI 開發 Sora 2 和 Sora app 時，以安全為根基，應對最先進影片模型及全新社交創作平台帶來的新安全挑戰。其安全方案以具體防護措施為核心。
OpenAI NewsAI 評分2020 Sora 動態消息的設計理念
Sora 動態消息以激發創意、促進連結及保障使用體驗安全為設計理念。相關設計包括個人化推薦、家長控制及強力防護措施。
Hugging Face Blog精選AI 評分6767 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。
Google DeepMindAI 評分4747 D4RT：教 AI 看見四維世界
Google DeepMind 推出 D4RT，這是一個統一的 AI 模型，可重建並追蹤跨越空間與時間的 4D 場景。測試中，D4RT 比此前方法快 18x 至 300x；在單顆 TPU 上，約 5 秒即可處理 1 分鐘影片，而舊方法最多需 10 分鐘。其查詢式 Transformer 架構支援點追蹤、點雲重建及相機姿態估計，應用方向包括機械人、擴增實境與世界模型。
Google DeepMind精選AI 評分7272 Veo 3.1 Ingredients to Video 更新，提升影片一致性與創意並加入原生直向及 1080p、4K 輸出
Google DeepMind 更新 Veo 3.1 Ingredients to Video，提升參考圖像生成影片的一致性與表現，並加入原生 9:16 直向輸出及 1080p、4K 升頻。
推薦理由：更新同時處理參考圖像影片中的角色、背景與物件一致性，並加入原生直向及高解像度輸出，可看出 Veo 3.1 如何覆蓋短片創作與專業製作需求。
Hugging Face BlogAI 評分5959 NVIDIA 發佈 Cosmos Reason 2，為物理 AI 帶來進階推理能力
NVIDIA 發佈 Cosmos Reason 2，稱其在 Physical AI Bench 和 Physical Reasoning 榜單位列視覺理解開放模型第一。
OpenAI News精選AI 評分8080 The Walt Disney Company 與 OpenAI 達成協議，將逾 200 個角色引入 Sora
The Walt Disney Company 與 OpenAI 達成協議，將逾 200 個 Disney、Marvel、Pixar 及 Star Wars 角色帶到 Sora，用於製作以粉絲創意為靈感的短片。協議強調在娛樂領域負責任地使用 AI，並包括 Disney 全公司使用 ChatGPT Enterprise 和 OpenAI API。
推薦理由：這項協議同時涵蓋粉絲創作短片中的角色使用，以及 Disney 全公司使用 ChatGPT Enterprise 和 OpenAI API，呈現合作涉及娛樂內容與企業工具兩方面。
OpenAI News精選AI 評分6767 OpenAI 發佈 Sora 2 影片生成模型
OpenAI 推出 Sora 2，這是一款可生成同步對白與音效的影片生成模型。材料並指出，Sora 產品已不再提供。
推薦理由：這則材料同時交代 Sora 2 的同步對白與音效生成能力，以及 Sora 產品已不再提供的狀態，讓讀者掌握模型能力介紹與產品供應情況。
OpenAI News精選AI 評分6666 OpenAI 發佈 Sora 2 系統卡，介紹影片及音訊生成模型
OpenAI 發佈 Sora 2 系統卡，介紹這款基於 Sora 的影片與音訊生成模型。Sora 2 加入過往影片模型較難實現的能力，包括更準確的物理表現、更清晰的寫實效果、同步音訊、更強的可控性及更廣的風格範圍。
推薦理由：Sora 2 系統卡將其能力置於既有影片模型的比較脈絡中，並列出物理表現、同步音訊與風格範圍等變化。
Hugging Face Blog精選AI 評分6262 Hugging Face ZeroGPU Spaces 如何透過 PyTorch AoT 編譯提升效能
Hugging Face 介紹如何在 ZeroGPU Spaces 使用 PyTorch AoT 編譯，將模型預先編譯後在不同程序中載入，以減少即時編譯造成的冷啟動開銷。
推薦理由：文章拆解 ZeroGPU Spaces 的 PyTorch AoT 編譯流程，並展示量化、動態形狀與區域編譯等可遷移的優化做法。
Hugging Face BlogAI 評分5050 TimeScope：大型多模態模型能理解多長的影片？
Hugging Face Blog 介紹開源基準 TimeScope，評估視覺語言模型對 1 分鐘至 8 小時影片的理解能力。基準在長影片中插入約 5–10 秒短片，分別測試局部檢索、資訊綜合和細粒度時間感知。結果顯示模型表現會隨影片變長而下降；Gemini 2.5-Pro 是唯一在超過一小時影片上仍維持良好準確率的模型，而千問（Qwen）2.5-VL 在文字資訊綜合較強、細粒度動態辨識較弱。
OpenAI NewsAI 評分3636 Invideo AI 使用 OpenAI 模型，影片製作速度快 10 倍
Invideo AI 使用 OpenAI 的 GPT-4.1、gpt-image-1 及文字轉語音模型，將創意構想轉化為專業影片，製作速度快 10 倍。影片可在數分鐘內完成。
Hugging Face Blog精選AI 評分6868 SmolVLM2 將影片理解帶到各類裝置
Hugging Face 發佈 SmolVLM2，提供 2.2B、500M 和 256M 三種影片理解模型，並從推出首日起支援 Transformers 和 MLX，後者提供 Python 及 Swift API。
推薦理由：文章同時列出 2.2B、500M、256M 規模及 Video-MME 表現，方便比較不同參數量下的影片理解能力取捨。
Hugging Face BlogAI 評分5858 如何為影片生成建立優質資料集
Hugging Face Blog 的 hlky 和 Sayak 介紹一套建立影片生成模型微調資料集的三階段工具流程，讓社羣能自行製作小型資料集。流程以 yt-dlp 下載影片、用 Video to Scenes 切成短片，再以影格或全片指標篩選，並用 Florence-2 生成字幕、辨識物件及進行 OCR；也可用 Qwen2.5 為整段影片加字幕。
Hugging Face Blog精選AI 評分6969 Diffusers 中開源影片生成模型的現況
Hugging Face Diffusers 團隊梳理多款開源影片生成模型的能力與限制，並介紹 Diffusers 對影片生成、推理優化及微調的支援。
推薦理由：文章整理多款開源影片模型的資源需求，並以 HunyuanVideo 不同優化設定的數據，呈現量化、卸載和 VAE tiling 對顯存與推理時間的實際取捨。
OpenAI News精選AI 評分8888 OpenAI 影片生成模型 Sora 現已可在 sora.com 使用
OpenAI 的影片生成模型 Sora 現已可在 sora.com 使用，支援生成最高 1080p、最長 20 秒的影片。影片可採寬屏、直向或正方形畫幅；用户可用自備素材延展、改編或混合影片，也可單憑文字生成全新內容。
推薦理由：Sora 的可用入口及生成規格清晰列出，涵蓋影片時長、解像度、畫幅選擇，以及文字生成和自備素材改編等方式。
OpenAI NewsAI 評分2626 動畫師 Lyndon Barrois 用 Sora 創造新世界
動畫師 Lyndon Barrois 以 Sora 創造新世界，並分享如何把 Sora 作為説故事工具；內容聚焦其作為創作工具的使用方式。
OpenAI NewsAI 評分2424 Vallée Duhamel 分享 Sora 如何協助建構新世界
電影製作雙人組 Vallée Duhamel 説明 Sora 如何協助他們建構新世界。
OpenAI NewsAI 評分2424 Minne Atairu 談 Sora 如何助她實現創作願景
跨領域藝術家 Minne Atairu 分享 Sora 如何協助她實現創作願景。她談及 Sora 對實現其藝術構想的幫助。
OpenAI NewsAI 評分2323 Sora 初步印象
OpenAI 自上月向全球介紹 Sora 後，一直與藝術家合作，瞭解 Sora 如何在創作過程中為他們提供協助。
Hugging Face Blog精選AI 評分6868 文字生成影片模型深入解析：技術演進、主要挑戰與 Hugging Face 工具
Hugging Face Blog 梳理文字生成影片模型的發展，對比 GAN、Transformer 與擴散模型路線，並概述生成能力限制。空間與時間一致性、配對資料稀缺及影片描述困難，令模型訓練成本高，長影片生成亦受上下文限制。Hugging Face Diffusers 可下載、執行及微調 Text2Video-Zero 和 ModelScope，Hub 亦提供多個示範及本地運行指引。
推薦理由：文章梳理文字生成影片模型從 GAN、Transformer 到擴散模型的演進，並交代資料與長影片生成的核心限制。