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。
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。
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。
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。
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。
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。
印度 AI 影片創作平台 Lemonpeel 宣佈完成 100 萬美元 Pre-種子輪融資,資金將用於技術研發與區域市場拓展。平台提供腳本生成、多模型素材合成、智能配音剪輯、質檢及百語種字幕本地化,並已接入 300+ 主流影片模型。
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。
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。
火山引擎上線豆包 SeedRealtime 1.0 API,支援連續多模態資訊流中的即時音訊及影片互動。火山引擎稱,相較傳統級聯模型,其音訊及影片對話節奏問題減少一半,完整順暢交流的概率亦有提升。開發者可將 API 接入語音助手、智能硬件、即時客服及學習輔助等場景。
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。
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。
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。
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。
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。
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。
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。
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。
零點有數表示,公司目前沒有 AI 短劇內容製作、海外短劇出海等相關業務。公司暫無該方向的佈局計劃。
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。
AI-SaaSRadar 比較 HeyGen、Runway、Kling、ElevenLabs 和 Synthesia 的點數費率,換算影片及語音輸出成本。
MiniMax H3 API 按輸入素材的用途區分 text-to-video、image-to-video 和 reference-to-video,分別適用於文字描述新場景、以指定畫面作起始或結尾,以及用圖片、影片或音訊引導新鏡頭。三種模式的媒體角色不能在同一請求中混用;相關請求均使用 POST,模型為 MiniMax-H3。
tday.com 提供 @tday-com/mcp MCP 伺服器,讓 Claude Code、Cursor、Codex 等 MCP 用戶端透過一句提示詞要求智能體錄製功能示範影片。
Suno 於 11 月 17 日推出 Visuals,讓用戶在同一款 App 將歌曲轉成最長 15 秒、可配合歌詞對嘴的短片,並支援網頁、iOS 和 Android。
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。
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。
地平線機器人實驗室於 11 月 18 日發佈原生視頻幾何基礎模型 LoFT,可從 RGB 視頻聯合預測相機位姿、內參及逐幀深度,恢復場景三維結構。模型訓練數據包括約 297 萬條有效訓練序列和 9.62 億幀圖像記錄;在 SpatialBench、ClassicBench 和 VRBench 的多項深度估計指標上達到 SoTA。
ComfyUI 與 Wan2.2-ReMixV3.0 可在 8G 顯卡上離線製作 AI 漫劇,流程涵蓋劇本拆分、角色特徵鎖定、圖生影片、本地配音及成片合成。方案以本地 Qwen、IP-Adapter、Fish-TTS 和 FFmpeg 串接各環節,無需雲端 API。教學列出硬件需求、工作流參數及顯存優化方法。
這套本地漫劇質檢流水線整合 ComfyUI、YOLO、量化版 Qwen-VL、FFmpeg 及自動分類腳本,可批量抽取關鍵影格、檢測畫面缺陷和比對分鏡描述。流水線可在 8G 顯存環境運行,並輸出 JSON 報告,按風險分數將鏡頭分類。
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,重建場景三維結構。訓練數據包括約 297 萬條有效序列及 9.62 億幀圖像記錄;在 SpatialBench、ClassicBench 和 VRBench 評測中,LoFT 多項深度估計指標達到 SoTA。
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。
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。
這篇 AI Daily Digest 彙整多項 AI 業界消息,指出 NVIDIA Q3 FY27 營收為 $115.8B、按年增長 103%,OpenAI 科學網誌則刊出 GPT-6 Astra 參與標準模型格點定義研究的文章。
Apple 的 FastFrames-L 是一款 14B 影片生成模型,官方程式不支援 Mac,要求 Linux x86-64、NVIDIA GPU 及 CUDA 12.8。延遲由單張 B200 的 158 ms 降至 8 張 B200 的 45 ms;模型權重只限研究用途,不可用於商業用途。
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。
研究發現,將固定 steering vectors 加到凍結的擴散 Transformer 區塊輸出後,可恢復大部分 RL 後訓練帶來的獎勵增益。在六個經 RL 微調的圖像模型上,向量恢復 90.0-96.3% 的獎勵增益;兩個影片模型則為 89.8% 和 111.9%。
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。
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。
Recraft Studio 現已提供 ByteDance 的 Seedance 2.5 Flash,文章以四組相同提示詞比較它與 Seedance 2.5 的影片生成結果。
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。
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。