跳到正文
11月19日週四
  1. DEV Community52

    生成式影片編輯測試:檢查約束、遮擋與時間線

    文章提出一套生成式影片編輯的審核方法,要求同時檢查預期改動及應保持不變的條件。流程包括正常速度播放、檢查關鍵事件附近的畫格,以及把成片放回原時間線核對時長、解像度、剪接點和音畫同步。文中沒有生成示例影片或收集效能基準,例子只説明測試設計,並非模型準確度驗證。

  2. 新浪科技52

    重控制、輕渲染:達瓦科技的 AI 影片工業路線

    達瓦科技採取「重控制、輕渲染」路線,以自研控制層基座模型 Latent Stage 理解並控制人物、動作、鏡頭、燈光和場景,再交由渲染層生成畫面。公司稱,片場已累積約 180TB 結構化過程資料;FilmOS 面向離線影視創作,Scenes AI 則定位為可在單張消費級顯示卡上即時運行的世界模型。

  3. 虎嗅48

    中國短劇正在推動文化輸出

    中國微短劇透過海外播放、付費及本土化製作擴大文化輸出,外國同行亦開始採用中國短劇的生產模式。2026年第一季度,中國短劇出海總收入達23.29億美元,按年上升133%。Tubi已訂購200部原創豎屏劇,Peacock、HBO Max及Instagram亦開始進軍短劇。

  4. Business Insider Tech57

    AI 助好萊塢資深影視製作人 Ari Kuschnir 製作過去難以實現的影片

    影視製作人 Ari Kuschnir 利用 AI 創作諷刺科技業高層的影片,單人製作一支需 6 至 8 小時,直接製作成本約 $1,000。十年前製作類似影片則需製作團隊、數星期和約 $200,000。Kuschnir 使用 Seedance 協助撰寫劇本、生成圖像及轉成動態場景,但仍由他決定取捨、修改笑點並剪輯成片。

  5. The HKU Lead 港大新聞 · AI 研究及應用42

    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。

  6. 新浪科技55

    《GTA 6》尚未登陸 PC,玩家透過 PS5 串流並以 RTX 5080 套用 DLSS 5

    玩家透過 PS5 遠端串流將《GTA 6》畫面送至 Windows PC,再用 RTX 5080 及 Veyra 套用 DLSS 5,輸出由約 29.5 FPS 升至 59 FPS。80 秒測試中,神經網絡渲染耗時 4.1ms、補幀耗時 1.5ms,整條處理管線延遲約 12ms。不過,處理的是已生成的串流影片,遊戲邏輯和控制器響應仍維持主機的 30 FPS 水平,部分用戶亦回報高速場景出現拖影。

  7. 第一財經63

    快手2026年第三季度總收入316億元,日活躍用戶達4.17億

    快手公佈2026年第三季度業績,總收入316億元,平均日活躍用戶4.17億、平均月活躍用戶8.19億,均創歷史新高。經調整淨利潤為7.9億元,經調整EBITDA為39億元。可靈AI推出Kling 4.0,支援最長30秒原生影片生成、多關鍵幀控制及多模態參考輸入;快手亦推進AI在推薦、營銷和商家經營等場景的應用。

  8. DEV Community58

    Bama Bound 8 秒影片如何延長至 15 秒而不新增動態?ffmpeg 凍結與速度伸展實測

    作者以 ffmpeg 比較如何將 Bama Bound 官方匯入預覽片段延長至 15 秒而不創作新畫面動態,測試凍結尾格、速度伸展及硬循環。凍結尾格配合靜音補音,以及放慢時間戳、補至 24 fps 並使用 atempo,輸出均為 360 幀、15.000000 秒;硬循環則只有 14.958333 秒畫面,且中段出現切接。

  9. 第一財經47

    AI漫劇下半場:誰在為「注意力」買單?

    AI漫劇的主流變現模式已由用戶付費轉為免費觀看加廣告,廣告主成為主要直接付費方,觀眾則以注意力和時間付出成本。2026年行業數據顯示,廣告變現佔71%,用戶付費分帳佔26%;投流支出已佔短劇全鏈路成本的70%。文章指出,IP、出海、B端服務及人機協同是AIGC內容後續發展的支點。

  10. HuggingFace Daily Papers(社區熱門論文)40

    WorldRuler:可配置規則下的互動世界建模

    WorldRuler提出基於規則圖的生成式世界模型,可在儲存及載入時保留用戶定義的規則與世界狀態,並準確呈現規則對指定物件及屬性造成的視覺變化。研究以 GTA-V 和 Habitat 建立 RuleVerse 數據集,並透過動態物件綁定、屬性狀態替換及反事實重建訓練,提升規則執行與影片生成的一致性。

  11. DEV Community63

    如何批量取得 TikTok 逐字稿:使用平台已有字幕

    作者介紹一套批量取得 TikTok 影片逐字稿的方法,優先從影片頁面的資料中提取現有字幕,沒有字幕時才下載音訊並用 Whisper 轉錄。選擇字幕軌道時,應先參考 claInfo 判定字幕是否原始及自動生成,再按原始語言選取,避免把機器翻譯當成原話。字幕網址帶有簽名且會過期,需在取得影片頁面後即時抓取。

  12. DEV Community46

    LLM 回饋提升影片的物理一致性

    LLM 迭代分析生成影片並要求修正,可提升影片的物理合理性,無須重新訓練影片生成器。PhysLoop 在 PhysLoop-Gen benchmark 的任務成功率為 85%,高於 Seedance 2.5 的 73%;修復有缺陷影片的成功率則為 86.00%,高於獨立基線的 19.33%。其視覺真實感評分為 3.72,低於 Seedance 2.5 的 4.29。

  13. HuggingFace Daily Papers(社區熱門論文)49

    RoughCut-Bench:大型視覺語言模型自動影片粗剪基準測試

    RoughCut-Bench 為大型視覺語言模型自動影片粗剪建立基準,並提出引導模型生成結構化剪輯計劃的智能體工作流程。基準涵蓋 101 個視覺案例(831 段原始影片、1,476 個精彩片段標註)及 84 個語音案例;評測顯示,現有模型仍難以產生符合專家剪輯計劃的結果。

  14. DEV Community56

    LaunchReel 兩個 FFmpeg 旗標令瀏覽器影片匯出慢 7 倍並出現凍結畫格

    LaunchReel 團隊指出,瀏覽器透過 ffmpeg.wasm 匯出影片時,兩種 FFmpeg 旗標設定會令匯出慢 7 倍,並造成片段交界凍結或重複畫格。團隊建議統一影片輸入及輸出的影格率,並將字幕 PNG 作為單一靜態畫格輸入,讓 overlay 保留畫格並按時間控制顯示。其 90 秒匯出曾由約 8 分鐘增至約 1 小時,批次速度約為 0.05x。

  15. 阿里雲開發者社區 AI44

    阿里雲萬鏡一刻是什麼?2026年價格與優惠整理

    阿里雲萬鏡一刻是覆蓋劇本解析、分鏡生成至成片輸出的 AIGC 影片創作平台,提供故事板、無限畫布和 Agent 三種模式。會員採用訂閲加積分計費,基礎版官網標價 99 元/月,標準版 2999 元/月,旗艦版 30000 元/月,至尊版 100000 元/月;基礎版曾有 39 元或 59 元首月優惠。新用戶可領取 200 積分及標準版會員 5 天體驗禮包。

  16. 阿里雲開發者社區 AI36

    漫劇工坊:將 AI 動畫由「盲盒」變成可控的生產線

    阿里雲「漫劇工坊」以節點化管理,將 AI 動畫由不可控的「盲盒生成」轉為可審核、可調整的製作流程。方案涵蓋劇本、角色、分鏡及拼接節點,支援逐鏡審查和單獨重新生成;審核通過後可自動拼接,並合成配音與字幕,面向多集長漫劇製作。

  17. DEV Community62

    AI 影片生成流程應按分散式系統設計,而非視作一鍵操作

    AI 影片生成流程應按分散式系統設計,以可持續追蹤的任務處理等待、失敗與修改,而非依賴單一同步請求。文中建議使用具狀態的任務記錄、冪等提交、退避輪詢及以父子關係保存的修訂,並把生成成功與編輯審核分開。文章亦建議保留提示詞、素材識別碼、模型或工作流程版本等資料,並在發布前由人員審核事實準確度、品牌適配、素材權利及發布價值。

  18. 阿里雲開發者社區 AI48

    外星人趣味感人 AI 短片全流程實戰:劇本分鏡、提示詞與本地批量製作

    文章講解如何從故事策劃、人設和分鏡,逐步製作外星人趣味感人 AI 短片,並整理角色崩壞、情緒表達和畫面閃爍等實操問題。流程涵蓋 ComfyUI 生成分鏡、圖生影片、Python 批量管理素材,以及以 FFmpeg 拼接、配音和加上字幕。作者強調先完成故事和角色設定,再編寫提示詞及生成畫面。

  19. DoNews44

    地平線發佈原生視頻幾何模型 LoFT

    地平線機器人實驗室發佈原生視頻幾何基礎模型 LoFT,面向連續視頻建模,可從 RGB 視頻聯合預測相機位姿、內參及逐幀深度,恢復三維場景結構。模型採用雙循環 Transformer 架構,訓練數據集約有 297 萬條序列、9.62 億幀圖像。LoFT 在 SpatialBench 等三大評測體系中的多項深度估計指標達業界最優(SoTA),適用於機器人感知、自動駕駛及室內環境重建等場景。

  20. IT之家39

    地平線發布 LoFT 原生影片幾何基礎模型,多項指標達到 SoTA

    地平線機器人實驗室發布原生影片幾何基礎模型 LoFT,可從 RGB 影片聯合預測相機位姿、內參及逐幀深度,以恢復場景三維結構。LoFT 在 SpatialBench、ClassicBench 和 VRBench 評測中與 VGGT-Ω、DA3-Giant 等模型比較,並在多項深度估計指標上達到 SoTA。該模型面向連續影片建模,可用於機器人空間感知、環境理解與具身學習。

  21. DEV Community49

    耳機裏混音聽起來正常,手機播放時音樂卻消失了

    一名 AI agent 發現,自己製作的四秒影片在耳機上聽得到鋼琴伴奏,手機播放時卻只剩狼嚎。測量顯示,250 Hz 至 1 kHz 是最響的頻段,鋼琴所在的 60 至 250 Hz 頻段低約 9 dB;手機揚聲器的可用頻率範圍約由 400 至 500 Hz 開始。作者建議較長的片段加入高八度、經 400 Hz 高通處理且低 18 dB 的伴奏,並以手機揚聲器檢查混音。

  22. Unite.AI35

    Lumana 與 HiveWatch 整合 AI 影片警報與保安營運流程

    Lumana 與 HiveWatch 完成整合,將 AI 影片警報及相關片段接入實體保安團隊共用的工作空間,讓操作人員可在管理其他事故的同一介面查看事件資料。Lumana 透過現有 IP 攝影機分析影片並提供 VIA-1 影片智能模型;部署須設定整合並連接攝影機及分析警報。

11月18日週三
  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。

  2. TNW65

    Paris Hilton 與 AOC 敦促美國眾議院通過《Defiance Act》打擊深偽影像

    Paris Hilton 與 Alexandria Ocasio-Cortez 週二敦促美國眾議院表決《Defiance Act》,法案將讓性露骨深偽內容受害者可向未經同意製作、分享或發布相關內容的人提出民事訴訟。參議院已於 1 月以一致同意方式通過法案,眾議院尚未表決;受害者亦可追討法律費用,並申請法院命令移除內容。