跳到正文
10月22日週四
  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。

  2. DEV Community55

    萬聖節照片轉影片如何用實用提示詞框架保持結果一致

    Tedli 分享一套用於萬聖節照片轉影片的五層提示詞框架,依次設定主體、場景、轉變、動作與鏡頭,以及結尾和輸出格式。框架建議保留人物身份和場景,按順序描述轉變,限制鏡頭移動,並指定穩定的最後一幀。作者亦介紹自製小工具 PumpkinMorph,可將同一結構用於單人、情侶及寵物照片。

  3. DEV Community44

    提升轉化效果的產品示範:結構、類型與檢查清單

    產品示範應先展示成果,再説明達成成果所需的關鍵步驟,並按買家旅程選擇直播、錄影、互動或社交短片形式。製作錄影時,可分段錄製、剪去載入畫面和停頓,並為不同渠道準備相應長度的版本。定期檢查示範是否過時,並根據觀看流失位置及轉化訊號評估成效。

  4. DoNews43

    火山引擎啟動 Seedance 2.5 4K 模型企業試用

    火山引擎向全球20家影視工作室及導演開放 Seedance 2.5 4K 模型首批試用,模型主打4K原生輸出、自然化人物表演及提升編輯一致性。單段影片時長延至30秒,並支援局部精修;目前已有20部作品使用,最早下月將有衞視S級IP播出,另有全球大IP電影項目接入。

  5. IT之家44

    字節火山引擎啟動 Seedance 2.5 4K 企業試用,首批定向供應 20 家工作室

    火山引擎啟動 Seedance 2.5 4K 模型首批企業試用,定向供應全球 20 家工作室及導演,探索高端影視需求。模型主打更清晰的畫面細節、更自然細膩的人物表演,以及更精細的參考生成和編輯一致性。目前有 20 部作品使用該模型,其中最早有作品將於下月在衞視播出,另有全球大型 IP 電影項目。

  6. HuggingFace Daily Papers(社區熱門論文)47

    ALLOT:按影片輸出分配影片擴散 Transformer 的區塊稀疏注意力

    ALLOT 是一種無需訓練的稀疏度分配方法,為影片擴散 Transformer 的不同層與去噪步驟分配區塊稀疏注意力密度,以在延遲預算內提升輸出保真度。使用 XAttention 時,ALLOT 在相同或更短執行時間下勝過所有比較的分配策略,在 HunyuanVideo 上帶來 11.8 dB PSNR 提升。

  7. HuggingFace Daily Papers(社區熱門論文)37

    展望:自回歸影片生成中的未來演變建模

    Future Chunk Prediction(FCP)透過對未來片段施加監督,改善自回歸影片擴散模型對視覺演變的建模,生成的影片亦更具物理合理性。FCP 無需額外預訓練視覺編碼器,亦不改變自回歸推理流程。相較標準的教師強制自回歸訓練,這種方法的整體訓練計算成本較低。

  8. unwire.hk · 人工智能45

    中國 AI Token 消耗 55% 用於短劇?字節稱影片模型僅佔一成算力

    中文在線稱中國 AI Token 消耗有 55% 用於 AI 短劇及影片生成,字節則稱其總算力約 10% 用於影片生成模型的訓練與推理。前者是全國應用的 Token 消耗比例,後者是字節內部的算力配置,統計對象不同,不能直接比較或互相證明。Token 數量亦不能直接換算成實際算力,中文在線公佈的文件未交代相關比例的統計方法。

  9. HuggingFace Daily Papers(社區熱門論文)45

    DirCast:以單一串流影片語言模型實時導播及解説電競賽事

    DirCast 是單一串流影片語言模型,能根據過往畫面選擇鏡頭並生成即時解説,負責電競直播的導播與解説。研究團隊以 27 場職業 Dota 2 賽事建立數據集,DirCast 的導播表現優於規則式及零樣本導播,包括 GPT-5。在 Proact-VL 評測中,其解説有 29.2% 的比較勝過 GPT-4o;觀看人工導播直播的 11 個串流解説模型中,最佳者為 19.4%。

10月21日週三
  1. HuggingFace Daily Papers(社區熱門論文)35

    OverSeer:利用輔助視角提升多智能體世界模型一致性

    OverSeer 透過加入固定的輔助攝影機視角,改善多智能體世界模型的時間及智能體間一致性。這些半靜態視角以 delta-VAE 編碼相對於靜態參考圖像的變化,減少處理所需的 token,並降低生成輔助視角的計算開銷。Minecraft 和 Doom 實驗顯示世界及智能體一致性有所改善;真實多攝影機影像的定性結果顯示,這種方法不侷限於遊戲引擎。

  2. DEV Community56

    ImgIng 背景模糊在講者周圍留下暗環,作者改用透明 WebM 疊加模糊空背景板

    NullPointerZen 實測 ImgIng 影片摳像工具的背景模糊功能,發現它把原始畫面中的人物一併模糊,令講者輪廓外出現暗環。以四個畫格平均計,輪廓外首 4 px 比空房參考畫面分別暗 67.8 級(強度 18)和 63.1 級(強度 40),亮度刻度為 0 至 255。作者的替代流程是匯出透明 WebM,疊在沒有講者的模糊背景板上;他未有在任何剪輯軟件中測試該 WebM。

  3. DEV Community55

    影片背景移除工具評測:交付客戶前的邊緣檢查

    作者用 ImgIng 測試一段影片的背景移除效果,並整理交付客戶前的邊緣檢查方法。測試以一段 8 秒、478×850 的影片輸出九個版本;快速手部動作時,兩種模型都出現柔軟、塊狀邊緣,quality 模型耗時約為 compatible 的 4–5 倍。作者建議檢查動作最快的畫格和背景殘留;這段影片使用模糊背景時,人物輪廓外出現暗環,而透明輸出需選 WebM,MP4 選項會停用。

  4. HuggingFace Daily Papers(社區熱門論文)45

    關節、鏡頭、開拍!為任意骨架綁定共同生成 3D 動作與影片

    這個模型透過少量交叉注意力層連接預訓練影片生成器,為任意骨架綁定共同生成影片與 3D 動作,並推算鏡頭位置,將動作定位於場景中。研究團隊以近 200K 組訓練配對訓練模型。評估顯示,模型可按文字為不同骨架生成動作,也支援影片與骨架動作互相轉換及以關鍵影格控制 3D 動作。

  5. 霞光社43

    中國 AI 短劇出海報告:產能狂飆與流量圍城,AI 短劇競爭焦點何在?

    中國 AI 短劇出海的競爭正由擴大產能轉向內容質量、流量獲取與合規能力。AI 短劇佔產量 95%,但僅佔播放量 4%;單部製作成本由真人短劇的 50-150 萬元降至 5-24 萬元,製作效率提升 60-100 倍。報告指出,流量投放成本與合規門檻限制效率收益,競爭優勢取決於內容、分發與全鏈路能力。

  6. 創業邦45

    「不燒心」的台詞,令 AI 短劇「燒心」

    AI短劇大量複製「良心商家」等劇情模板,令人物與故事同質化,逐步消耗觀眾的耐性和信任。2026年上半年,全網新上線AI短劇超22.19萬部,播放量破億的作品僅1055部,破億率為0.47%。文章指出,行業需要重視原創與內容品質,並建立新的AI短劇內容評估標準。

  7. HuggingFace Daily Papers(社區熱門論文)66

    Matrix-Game 4.0 利用影片模型實現即時可玩遊戲世界

    Matrix-Game 4.0 透過可執行遊戲引擎與自回歸影片渲染器分離遊戲邏輯和視覺生成,實現低延遲的即時互動遊戲。在單張 NVIDIA RTX5090 上,系統可提供 480p、60 FPS 遊戲體驗,按鍵至畫面顯示延遲為 112ms。單步生成的穩態吞吐量為 83FPS,峯值 GPU 記憶體用量為 18.2GiB;論文亦公開程式碼、模型權重及低多邊形遊戲素材。

  8. HuggingFace Daily Papers(社區熱門論文)45

    SolarRenderer:四步生成式參考影片渲染

    SolarRenderer 以凍結的 MiniMax-H3 33B 影片骨幹網絡為基礎,加入輕量級 LoRA,將多種結構輸入渲染成寫實影片。模型以四步生成,速度比 50 步取樣快 12.3 倍;串流版本可即時渲染 768p 影片。訓練數據集包含 136K 段影片,測試顯示模型可泛化至 11 種未見過的結構表示。

  9. DEV Community59

    AI 影片提示詞工程:哪些方法真正有效

    AI 影片提示詞應按畫面內容、鏡頭運動和光線三項描述,每段影片則只安排一種動作。文中指文字生成影片模型約可維持 4–8 秒連貫性,建議先以最短時長生成,未達預期時只改一項設定再重新生成。有合適靜態圖片時,可用圖像生成影片並只描述動作,文中稱這樣更易控制構圖、光線和主體。

  10. 虎嗅58

    誰花218元去橫店拍短劇、當一次主角?

    橫店影視城於2026年8月推出面向散客的短劇拍攝體驗,遊客可付218元起(不含妝造)拍攝約1分鐘的主角片段,含妝造費用為388元。項目上線不到一個月,體驗人數突破2000人;2026年第一季橫店短劇開機量同比鋭減四分之三,AI微短劇佔全行業上線微短劇逾95%。文章指出,這種體驗受制於產能上限及低復購率,其他地區能否複製亦取決於配套與產業積累。

  11. DEV Community55

    文字生成影片提示詞指南:12 種技巧與示例

    指南整理 12 種文字生成影片提示詞技巧,涵蓋提示詞結構、每段只設一個主要動作、明確描述鏡頭與燈光,以及一次只調整一項變數。文中亦建議用同一提示詞比較不同模型,並按發布平台先選 9:16 或 16:9 畫幅;Pixwit 預設為 16:9、5 秒。

  12. DEV Community55

    綠幕與 AI 去背適用情境不同:逐場景比較

    作者整理綠幕與 AI 背景移除的逐場景比較,説明兩者適用於不同拍攝條件,並列出選擇建議。可控、重複拍攝適合綠幕;無綠幕的既有素材可考慮 AI,但髮絲、快速動作或雜亂背景等情況可能需要手動修補、重拍或改用其他方案。文章建議按片段混合使用綠幕、AI 去背與手動修補,並指出 MP4 不含透明通道,交付透明影片前須確認匯出檔含 alpha。

  13. HuggingFace Daily Papers(社區熱門論文)42

    CausalAlign:以因果對齊提升影片生成模型的相機自我運動一致性

    CausalAlign透過 delta-token space 將影片生成模型的內部表徵對齊至 3D 動態,提升長時程相機自我運動一致性。以 DL3DV 和 RealEstate10K 微調 Wan2.2 後,模型的幾何一致性較基礎模型提升超過 20%,同時保留視覺品質。CausalAlign亦令世界動作模型在 RoboCasa365 移動操作任務上的成功率提升 10 個百分點。

  14. HuggingFace Daily Papers(社區熱門論文)53

    重新思考 AI 訓練的影片儲存:打破跨影格依賴,提升隨機存取效率

    codec4AI 提出結合稀疏解碼與解耦跨影格依賴編碼的影片儲存方案,旨在提升 AI 訓練時隨機存取影格的效率。與論文評測的 LeRobot v3 配置相比,DDRA H.265 的媒體負載減少 58.7%,數據載入吞吐量提升 1.45×,重建品質相若。另有實驗顯示,在合適的壓縮設定下,下游 VLA、WAM 和 VLM 表現相若;論文、程式碼及文件已公開。

10月20日週二
  1. Unite.AI45

    PPMem 為 AI 影片世界模型加入持續記憶

    清華大學牽頭的 PPMem 以較精簡的平面記憶取代 SPMem 使用的體積式 3D 記憶,令影片世界模型重訪場景時更能保持畫面一致。系統把牆壁、地板和傢俱等表面記作可重用的平面基元,隨鏡頭移動持續更新;每個基元只以 7 個數值參數化。

  2. DEV Community48

    How I Built a Video Object Remover with SAM3 and ProPainter

    作者以 SAM3 分割要移除的物件,再用 ProPainter 填補遮罩區域,建構 removeobjects.video 影片物件移除工具。工作流程包括預覽遮罩、確認處理選項及在背景執行影片處理;遮罩覆蓋、畫面尺寸與座標對齊,以及影片長度、影格率和解像度都會影響結果。免費模式支援最多 6 秒的影片,付費模式則最多 50 秒;處理可能降低解像度,不能保證維持原解像度。

  3. DEV Community44

    Creator Catalyst:AI 內容再利用平台

    Creator Catalyst 可將一段長影片轉製成字幕、短片、網誌及社交平台內容,並生成標題和縮圖,整理成可供發布的素材。平台會以影片逐字稿核對 AI 生成內容中的主張,並附上 [Source: MM:SS] 時間戳,以防模型幻覺。項目以 Streamlit、Gemini 和 FFmpeg 建構,並支援 Gemini、OpenAI 及本地 Ollama 模型。

  4. 創業邦57

    做了10年影視製片人,如今每天陪老闆「搓AI玩具」

    四名影視從業者的經歷顯示,AI進入公司後,工具製作、模型測試和短劇生產增加,卻未必帶來實際項目或穩定收益。AI短劇單部製作成本約1.5萬至2萬,約14天交付,但買流量支出常佔總投入70%-85%;DataEye算法以5000萬播放量為盈虧線,估算約98.7%的項目半年內無法回本。受訪者提到,影視人的鏡頭經驗被轉化為模型校準工作,而製作方節省的成本多用於買流量。

  5. DEV Community58

    如何按鏡頭類型選擇 AI 影片模型:規格與價格比較

    Magnus 比較多款 AI 影片模型的規格與公開價格,並按環境建立鏡頭、角色近鏡和動作場面説明選擇方式。文章指出,模型分別按影片秒數、每 1M tokens,或每張圖片/每次請求計費,並建議先以低成本、低解像度打樣,再按鏡頭需求製作成品。價格表列出的是 2026年10月20日的公開牌價,價格可能隨時間變動。