跳到正文
10月20日週二
  1. HuggingFace Daily Papers(社區熱門論文)42

    ActionRoPE: action as coordinates for spatially consistent control in planar-camera game world models

    ActionRoPE 將動作視為座標而非特徵,並把攝影機位移寫入 RoPE 位置編碼,令同一世界位置在不同影格保持一致的位置編址,控制路徑不增加參數。在 Wan2.2-5B 上,與四種常見動作注入方法相比,角色走遠再返回時的漂移減少 66%,PSNR 提升 2.8 dB。其介面可直接遷移至 1.3B 至 33B 的四種骨幹模型,並能在未見過的美術風格中維持控制。

  2. elsewhere:文章63

    Hypit 開源 20 多天獲 2.3 萬 GitHub Star,兩位北大、清華背景的 00 後創辦人要用它挑戰 Adobe 和 CapCut

    Hypit 兩位創辦人受訪介紹這套面向 AI 智能體的影片製作語言與系統,並稱希望以 Hypit 解決影片製作流程、挑戰 Adobe 和 CapCut。團隊表示,Hypit 開源 20 多天 GitHub Star 達 2.3 萬,並以 SVML 把素材、生成內容、動效及時間關係納入同一工程,再由編譯器轉成依賴圖執行。

  3. DEV Community57

    Timeline Studio 建構 Three.js 瀏覽器 3D 分鏡預演工作區

    Timeline Studio 建成瀏覽器版 Three.js 3D 預演工作區,讓用戶在最終生成前編排人物動作、鏡頭、道具及劇本時間。工作區會驗證 AI 提出的結構化修改,並支援匯出場景 JSON 及 1280 × 720 WebM 預覽影片。作者指出,分鏡預演有助較早檢查場面調度,但不保證生成模型遵循鏡頭安排,亦未量度重試或成本的減幅。

  4. DEV Community53

    Kivide 分享多模型 AI 影片工作室的工程設計,涵蓋 19 個圖像及影片模型

    作者分享 Kivide 將 19 個圖像及影片模型整合至同一工作室的工程設計,聚焦模型能力描述、點數計費與提示詞層。系統以模型規格資料驅動介面、定價和生成端點,按模型及方案計算成本;Pro 年繳用戶支付標準價格的 60%,生成前預扣點數,失敗時退款並以生成 ID 防止重複退款。提示詞示例強調鏡頭角度、動作動詞和物理細節,並將內容拆分為主體、動作、鏡頭、氛圍及品質欄位。

  5. The Guardian Technology62

    好萊塢 AI 演員能否與真人影星抗衡?

    AI 生成演員及電影製作正快速發展,但現有案例仍難呈現真人表演的細微情緒,AI 電影能否形成真正票房需求也未明。Higgsfield AI 的《Hell Grind》和《The Cully Hill Boys》都是全 AI 生成長片,分別在兩星期和一個月內完成相當於拍攝及後期製作的工作,不包括劇本時間。

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

    有狀態世界模型:執行規則,生成像素

    Stateful Harness 將世界狀態演變與凍結影片渲染分開,以提升含隱藏狀態的互動世界模型一致性及規則遵循能力。在 WorldState-Bench 的 50 對反事實孿生案例中,MiniMax-H3 指定所需結局後,兩種情況均產生要求結局的比例由 32% 升至 64%;完整 Stateful Harness 配合同一凍結模型則達 92%。

  7. DEV Community30

    Show HN:Cutmark——支援 MCP 的 macOS 本機影片錄影及剪輯工具

    Cutmark 是一款支援 MCP 的 macOS 本機影片錄影及剪輯工具,影片處理流程完全留在用戶裝置上。這種設計可避免把原始媒體送上雲端處理。作者對 MCP 在影片剪輯上的實際效用持保留態度,認為要看到 Agent 根據本機音訊修剪靜音或生成章節等具體示範,才能判斷其價值。

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

    EgoXperience: Learning World-Grounded Egocentric Representations from Human Experience

    EgoXperience 提出一套框架,從第一人稱影片共同重建攝影機運動、場景幾何、手部與物件,並以單次前向推理在共享世界座標系中完成重建。其 EgoX-Data-6M 是包含 50 小時活動影片的數據集,EgoX-Bench 則用於評估聯合重建。相較最強的受評基線,EgoX 的攝影機、手部及深度誤差分別降低 68.9%、65.6% 和 42.9%,物件姿態評分提升 28.0%。

  9. HuggingFace Daily Papers(社區熱門論文)44

    ScaleNav:用於語言條件式局部導航的可擴展網上影片預訓練

    ScaleNav 從網上第一身視角影片學習目標導向的視覺動態,生成語言條件式局部導航所需的機械人動作。在 Short-Horizon OVON 單視角改編版及 HabitatGS-LN benchmark 上,模型分別取得 86.5% 和 94.9% 成功率,並勝過兩項 benchmark 上受評估的基線。ScaleNav 亦在真實四足機械人上部署及評估,結果支持其泛化至真實環境導航的能力。

  10. 創業邦54

    市場熱度高、上市窗口窄:誰能搶先成為「影片生成第一股」?

    多家影片生成企業傳出上市計劃,競逐「影片生成第一股」,但能否形成可持續盈利仍是上市考驗。抖音上半年新增 AI 劇及漫劇 22.19 萬部,播放量破億的比例僅 0.48%;可靈AI上半年收入超過15億元,估值約1228億元。文章指出,算力成本、監管合規及內容變現效率是企業需要面對的關鍵挑戰。

  11. DoNews31

    極致上下文獲千萬級美元天使輪融資

    深圳人工智能企業極致上下文宣佈完成千萬級美元天使輪融資。投資方包括迎豐基金、深圳高新投、深圳天使母基金、視覺中國、松禾資本及達泰資本。其首款產品 AI Video Agent 面向品牌方與市場人員,支援多模態互動及深度上下文理解,可生成創意方案並輸出影片成片。

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

    Frechet Forcing:以短片訓練長時程串流世界模型

    Fréchet Forcing 透過自生成 rollout 和真實數據統計微調串流影片世界模型,無需教師模型或長影片即可抑制長時程漂移。MiniWorld-1B 在 253-frame clips 上預訓練後,以 381-frame clips 微調最多 36 GPU-hours,生成結果在超過 4,000 frames 後仍保持穩定,並能跟隨動作。

  13. DEV Community62

    如何為需時數分鐘的 AI 生成產品設計非同步等待體驗

    作者以 Burning Bridges Studio 為例,分享為需時數分鐘的 AI 生成工作設計非同步等待體驗的方法,建議把生成流程保存為可持續追蹤的任務。介面應如實顯示預計耗時和任務階段,並提供可再次查找的任務清單;失敗時自動退還點數或配額。提交後若連線中斷,可用 20 分鐘恢復窗口查找既有任務,避免重複提交,生成結果亦應支援預覽與下載。

  14. HuggingFace Daily Papers(社區熱門論文)46

    StreamEval:評測互動式串流影片生成模型

    StreamEval 評測互動式串流影片生成模型,涵蓋五項任務及 300 個時長為 15-300s 的測試案例,並以四個維度、十項指標評分。對 37 個模型的測試顯示,視覺質素和身份保留不代表模型能可靠執行請求或維持狀態一致性;請求執行仍是主要挑戰。

  15. HuggingFace Daily Papers(社區熱門論文)41

    Code2Video-Compass:涵蓋 T2V、I2V 和 V2V 的通用程式碼影片生成綜合基準

    Code2Video-Compass 是一項評估多模態語言模型以程式碼生成影片的基準,涵蓋 T2V、I2V 和 V2V。基準包含 2,104 項任務,涵蓋 10 個類別、24 個子類別,並以 12 項客觀指標和五項主觀指標評估表現。對來自九個模型系列的 15 個專有及開放權重模型進行評估後,研究發現模型在複雜動態及狀態依賴任務上的表現仍面臨挑戰,且任務複雜度提高時表現普遍下降。

  16. elsewhere:文章67

    Kling 4.0 評測:多組實測呈現其電影製作表現

    作者以多組影片實測 Kling 4.0,認為其運鏡、人物一致性和聲畫配合適合電影製作。Kling 4.0 支援最長 30 秒原生生成,並可組合最多 15 項參考素材及最多 10 張關鍵幀。實測涵蓋多語種 MV、15 秒長鏡頭打戲及電影風格短片;作者亦指出,提示詞需精確描述台詞和動作,否則畫面可能像 PPT。

  17. AWS Machine Learning Blog59

    TwelveLabs Pegasus 1.5 現已在 Amazon Bedrock 提供

    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。

10月19日週一
  1. NVIDIA:Newsroom50

    NVIDIA 推進媒體智能體安全,從歐洲公共服務廣播到全球內容製作

    NVIDIA 與 EBU 擴展歐洲公共服務媒體主權標準,為廣播機構部署智能體制定要求及參考架構,協助其掌控數據、基礎設施、模型和安全。Adobe Frame.io 使用 NVIDIA GPU 加速影片搜尋,嵌入向量生成速度約快 5x、吞吐量最高提升 4x,搜尋處理延遲最多降低 5x。其語意搜尋可按概念、動作或場景尋找影片片段,混合搜尋亦納入筆記、轉錄文字及審批狀態。

  2. 虎嗅60

    騰訊四戰短劇:綠泡泡憑甚麼、怕甚麼?

    騰訊透過微信「綠泡泡」短劇入口第四次進軍短劇市場,採用免費加廣告模式,並將社交關係鏈用於內容推薦。文章指出,紅果憑 IP、流量與分賬體系佔優;上半年上線的 AI 短劇中,只有 1.3% 能回本。微信熟人社交中的分享顧慮可能限制短劇推薦,而綠泡泡亦可能成為騰訊混元視頻模型的應用場景。

  3. 第一財經41

    霍爾木茲海峽漂滿 iPhone 是假的

    網傳貨輪在霍爾木茲海峽沉沒、海面漂滿 iPhone 的影片和圖片並非真實畫面,而是以新加坡貨輪沉沒的真實影像經 AI 加工生成。原片曾標註「由人工智能生成」,但傳播時被誤認為真實畫面,多項影像細節亦有錯誤。沉沒貨輪未公佈完整貨物清單,船上是否載有大量蘋果手機仍不清楚。

  4. DoNews38

    字節跳動回應「超半數算力用於造爽劇」説法

    字節跳動公關負責人劉星質疑「國內超一半算力用於短劇生成」的説法,稱字節跳動總算力中僅約10%用於影片生成模型訓練與推理。爭議源於中文在線一份投資者關係記錄表,稱 AI Token 消耗中 55% 投向短劇及影片生成;劉星指數據「不靠譜」,中文在線尚未回應。

  5. DoNews42

    火山引擎推AI漫短劇激勵計劃,TOP10單部最高20萬元 1小時前

    火山引擎啟動精品 AI 劇激勵計劃,面向使用 Seedance 製作並在紅果短劇 App 上線的 AI 漫劇及 AI 仿真人劇,真人實拍內容不在計劃範圍內。作品須進入當月紅果 AI 劇熱度 TOP50 並通過合規核驗,TOP1—10 單部獎勵 20 萬元,獎勵以 50% 現金及 50% 返券發放。首期申報截止至 2027 年 1 月 31 日。

  6. IT之家43

    字節火山引擎發起 Seedance 精品 AI 劇激勵計劃,單部作品最高可獲 20 萬元

    火山引擎發起精品 AI 劇激勵計劃,面向使用 Seedance 製作並在紅果短劇 App 上線的作品,單部最高可獲 20 萬元。作品須全部使用 Seedance 製作,且 Seedance 2.5 使用佔比超過 50%,並進入申報月度紅果 AI 劇 TOP50。激勵按排名分為 20 萬元、10 萬元及 5 萬元,均以 50% 現金及 50% 等值返券發放。

  7. IT之家42

    六小齡童談孫悟空、林黛玉 AI 魔改「聖黛 CP」:創意好玩,但改編不能逾越政策法規和觀眾紅線

    六小齡童談及 AI「聖黛 CP」時表示,這類創意有意義、好玩,相關內容播放量已達 50 億次。「聖黛 CP」是網友將《西遊記》的孫悟空與《紅樓夢》的林黛玉配成的跨作品組合。他同時強調,改編應「忠於原著,慎於翻新」,不可逾越政策法規和觀眾心中的紅線。

  8. DoNews60

    霍爾木茲海峽貨輪事故相關 iPhone 漂浮影片由 AI 生成

    社交平台流傳、累計獲得超過 8000 萬次觀看的「貨輪在霍爾木茲海峽起火沉沒、海面漂滿 iPhone」影片,是 AI 生成的虛構內容。新加坡海事及港務管理局稱,一艘新加坡貨輪於 10 月 13 日經過海峽時遭不明飛行物襲擊並沉沒,21 名船員全部安全撤離,無人受傷。多段影片最初來自 Instagram 帳號 Nativora,並於 10 月 16 日標示「AI Content」。