AI 影片公司愛詩科技進駐香港數碼港,與理大合作推動 AI 影像應用
愛詩科技(AIsphere)啟用香港數碼港辦公室,並與香港理工大學等機構簽署合作文件,推動 AI 影片技術應用。同場展示今年 9 月公佈的實時世界模型 PixVerse R2,可在影片生成期間接收文字、聲音及操作指令,持續改變畫面與場景狀態。
愛詩科技(AIsphere)啟用香港數碼港辦公室,並與香港理工大學等機構簽署合作文件,推動 AI 影片技術應用。同場展示今年 9 月公佈的實時世界模型 PixVerse R2,可在影片生成期間接收文字、聲音及操作指令,持續改變畫面與場景狀態。
OnDevice - Video Enhancer 在 Android 裝置的 GPU 和 NPU 上執行影片超解像及動態去模糊,無需雲端基建。它以 ONNX 模型逐幀推理,並稱峯值 RAM 用量不隨影片長度改變。Real-ESRGAN Compact 4x 為 4.8 MB,OpenCV NAFNet Unblur & Restore 1x 為 87.5 MB。
昆侖萬維發布並同步開源 Matrix-Game 4.0,稱其為全球首款可在單張消費級顯示卡上運行的影片大模型遊戲。官方介紹稱,Matrix-Game 4.0 在 NVIDIA RTX 5090 上提供 480p、60 FPS 即時遊戲體驗,按鍵至畫面反應延遲低於 150 毫秒。
Any Time, Any Space(ATAS)提出以世界狀態為中心的智能體影片生成框架,將劇本轉為帶有明確地點、鏡頭與事件時間參照的鏡頭請求,並透過場景記憶與事件記憶維持跨鏡頭的空間及時間一致性。ATAS 在四種影片生成器上提升所有已報告的跨鏡頭一致性指標,且各骨幹模型的整體基準評分均為最高;人類評分的六項準則也全部領先。
AI 喪屍愛情影片因固定的情感結構配合個人面孔而廣泛流行;三段式故事適合製作成 15 秒短片,亦方便用戶標記伴侶分享。照片轉影片流程通常包括人臉檢查、喪屍化圖像編輯、按故事節拍建立關鍵影格,再逐段生成影片並接合音訊。先提供靜態預覽、設置分段重試及預設私密分享連結,都是文中提及的產品設計要點。
面向電影人的 AI 前期製作工具清單涵蓋 10 款產品,功能包括劇本分析、製作排程、預算編製、分鏡製作及虛擬製作環境。部分平台可連接開發流程中的多個環節,讓劇本修訂同步反映在相關製作文件;AI 生成的分析、排程和視覺內容仍須由有經驗的電影工作者核對。
AIMusicVideoGen 團隊分享如何在瀏覽器中偵測 BPM 和調性,並以 WebCodecs 編碼 MP4;文中三款免費工具無需上載、後端或帳戶。BPM 偵測將節奏範圍限制在 70 至 180,調性判定則以 FFT 產生 chromagram,與 Krumhansl-Kessler 大調、小調輪廓比對。
DREAMMMER 將 AI 圖像生成與修訂歷程放到無限畫布上,讓每項請求、提示詞、生成結果和修訂都以卡片連結至其來源。用戶可以從較早的生成結果分支,繼續編輯、移除背景、放大圖片,或交由 Agent 處理;Agent 會把自然語言描述轉成詳細英文提示詞,並可自動選擇或手動指定模型。圖片定稿後,用戶也可在同一對話中要求生成短片。
崑崙萬維發佈 Matrix-Game 4.0,並稱這是全球首款可在單張消費級顯示卡運行的影片大模型遊戲,項目同步開源。其流程串起程式碼生成遊戲邏輯、結構畫面提供結構約束及影片模型即時渲染,面向遊戲原型開發、個性化定製與 UGC。
CNET 整理美國 2026 年中期選舉期間辨識政治深偽與防範騙局的方法,建議使用驗證工具、向官方選舉來源核實資訊,並預先規劃投票。文中列出 Content Authenticity Initiative 的 Inspect、OpenAI 的 Verify 和 Google 的 SynthID Detector,並提醒相關工具並非萬無一失。
OmniXRef 提出統一框架,讓用戶結合不同數量的文字、圖片及影片參考,控制來源影片的多種屬性。框架採用 R^2-RoPE,並以單流擴散 Transformer 處理來源影片及來自 MLLM 的多模態上下文;團隊亦建構 OmniXRef-Data 和 OmniXRef-Bench。評估顯示,OmniXRef-Model 的表現優於特定任務基線及商業模型。
Event-STVG 提出面向多模態模型的長篇事件推理基準,要求模型在長影片中辨別重複事件,並進行多目標時空定位。基準涵蓋足球及另外七個領域,共標註 4,016 個事件;在 10 分鐘時長下,表現最強的模型 m-vIoU 只有 5.4%。研究亦觀察到模型難以區分同類重複事件、進行空間定位,以及同時定位所有所需角色。
開設 YouTube 頻道約需 20 分鐘完成設定,指南從規劃頻道概念、設備與製作流程,延伸至拓展觀眾和變現。規劃時應重視內容利基、上載頻率及縮圖一致性,並以能引起觀眾共鳴的優質影片為核心。Descript 可處理剪輯、字幕和片段,讓創作者專注持續按時發布。
Descript 以 WebCodecs 重建匯出流程,用戶的 4K 匯出平均快 2 至 3 倍。新網頁版已於 5 月投入正式環境,新的桌面版上週推出預覽版,兩者採用同一媒體引擎。檔案轉碼現移至雲端,Green Screen 和 Eye Contact 等 AI 效果仍在開發,將於未來數月推出。
Descript 的 AI Agent Underlord 可透過多模態模型分析影片畫面,讓用戶按畫面內容搜尋指定片段,而不只依靠逐字稿。團隊把影片影格交給模型描述,並以自建基準及 Top K 評估檢查檢索結果;亦按影片類型調整畫面解像度和處理方式。
Descript 詳解 Video Regenerate 和 Smooth Jump Cuts 背後的專有模型,説明如何依據周邊影音訊號重生成音訊、唇形及剪輯缺口內容,令新內容銜接原有片段。
Claude Code 在影片製作流程中擔任協調角色,負責整理需求、透過腳本呼叫圖像及影片 API、以 HTML 組合文字與動態、安排音訊及匯出版本,而非影片生成模型。虛構的 76 秒 Yoine 樣本估算生成費用約 USD 23,低於 USD 25 預算,未計人力及 Claude 費用。流程建議設定支出上限、以時間戳記和具體缺陷記錄修改意見,並由人員檢查最終匯出內容。
HKT 推出自家研發 AI 平台 HKT.AI,消費者及中小企可透過訂閲使用。月費分別由 HK$48 和 HK$88 起,平台現有超過 80 個 AI 智能體,並設有個人及企業專用應用程式和智能體。平台亦提供 LLM Arena、Image Studio 和 Video Studio 等功能。
Baseten 將 Runway 的 Gen-4.5 影片生成模型和 Aleph 2.0 影片編輯模型加入 Dedicated Inference,供企業在安全的單租戶環境部署,亦支援微調版本。客戶直接向 Runway 授權模型權重,並使用 Baseten 提供的專用 GPU 資源及基建。Baseten 為專屬部署提供 99.99% uptime SLA。
賽力斯汽車有限公司起訴一名抖音短片用戶,指對方用 AI 合成問界車輛行駛時車身塌陷的虛假畫面並發布,要求賠償 100 萬元。案件將於 10 月 23 日在重慶市兩江新區人民法院開庭;賽力斯亦要求對方刪除侵權言論、公開書面道歉並承擔訴訟費用,對方收到傳票後已自行刪除影片。
Claude Code 用戶可透過 Modelflare 插件、Media Skill 或 MCP server,使用同一個 Smart API Key 以一句提示詞生成圖像和影片。文中示範以 gpt-image-2 生成圖像,並説明如何用 Seedance 將本地圖片製作成 5 秒 1080p 影片,以及影片任務的建立、狀態查詢和下載流程。
Runway 的 Gen-4.5 和 Aleph 2.0 影片模型現已可透過 Baseten 使用,並可部署於專屬環境。Aleph 2.0 支援長達 30 秒、1080p 的多場景影片;Runway 模型可用自有數據微調。Baseten 提供隔離的工作負載平面和專用 GPU 資源,並為專屬部署提供 99.99% uptime SLA。
Runway 的 Gen-4.5 和 Aleph 2.0 現已可透過 Baseten 提供,並支援部署於專用環境。用戶可直接向 Runway 授權模型權重,在隔離的單一租戶環境使用專用 GPU,並以自有數據微調模型。Aleph 2.0 支援最長 30 秒、1080p 的多場景影片;Baseten 專用部署提供 99.99% uptime SLA。
FlashVSR+提出混合注意力架構及獎勵收益分佈匹配蒸餾(Ry-DMD),以改善影片超分辨率的高解像度推理效率及生成結果與人類偏好的對齊。混合注意力最高帶來 2 倍 DiT 加速及 45% 峯值記憶體用量減少,支援在單張 24GB RTX 4090 上進行無切片 4K 影片超分辨率。Ry-DMD 亦可應用於文字生成圖像,論文並公開程式碼、模型及訓練資料。
研究提出 4LC,一種用於動態世界建模的 4D 潛在快取,可重用靜態與動態視覺表示作為生成條件,避免每次請求都進行 RGB 渲染和重新編碼。它將多個視覺編碼器的表示與共享幾何及運動資訊結合,並可按指定時間和視點讀取。基於 4LC 的 4LC-Video 支援鏡頭控制、時間控制、新視點合成、場景重訪及長期生成,單一模型毋須按任務微調。
Open-o3-Video-v2 將影片推理建構為統一的智能體式證據導向流程,主動補充觀察並把支持推理的時刻與物件證據寫入軌跡。在 V-STaR 上,Open-o3-Video-v2-4B 的 mAM 和 mLGM 分別為 40.4% 和 56.3%,較 Qwen3-VL-4B 高 8.5% 和 12.6%。程式碼及模型已釋出。
VideoJev 將影片理解與互動建模為結構化決策任務,並以共享評分頭處理時間定位及選擇題式影片問答。在三個時間定位基準上,VideoJev-4B 和 VideoJev-35B-A3B 的平均 mIoU 分別較其骨幹模型高 6.7 和 10.8 分,推理速度提升 2.8-3.1 倍。在四個影片問答基準上,兩者於 Thinking mode 的表現與骨幹模型相若,推理速度提升逾 100 倍。
Elsewhere Unfolds 的指南整理本地硬件影片製作流程,涵蓋 Wan 2.2 TI2V-5B 動態生成與 ACE-Step v1 3.5B 配樂。流程建議先完成 30 秒影片,逐步檢查鏡頭動作、配樂銜接和整體連貫性,再擴大製作;部分起始圖像曾使用託管圖像工具,完全本地製作可改用自己的照片、繪圖、本地 3D 渲染或本地模型生成的圖像。
Unite.AI 比較 10 款 AI 影片生成器,涵蓋文章轉影片、文字或圖片生成影片,以及虛擬人影片等工作流程。Pictory 2.0 加入生成式圖片、影片片段和虛擬人影片;HeyGen 支援 1,000 多種 AI 聲音及 175 種語言和方言。選擇取決於用戶需要製作社交短片、培訓內容、本地化影片,還是建立可重複的商業流程。
DeepBrain AI 評測檢視其 AI 虛擬人像生成工具,並探討它是否是最佳選擇。這個雲端平台提供超過 100 個以真人為基礎的虛擬人像,支援 80 多種語言。用戶可透過整合 GPT3 的 ChatGPT 功能、網址、PowerPoint 或範本生成影片。
Colossyan Creator 評測認為,平台適合製作培訓影片,但 AI 虛擬人表現較弱。平台提供超過 50 個 AI 虛擬人、超過 70 種語言及超過 200 種 AI 配音,並支援字幕、語言翻譯和文字轉語音。
Unite.AI 表示,平台致力於遵守嚴謹的編輯標準,向讀者提供準確資訊及新聞。用戶點擊平台評測產品的連結時,平台可能會收取報酬。
BasedLabs 提供 AI 圖片編輯及影片生成工具,可在數秒內把靜態圖片轉成影片,協助創作者簡化內容製作流程。平台提供 25 個免費點數,但用戶對生成結果的編輯控制有限,成品亦可能失真;登入只支援 Discord 或 Google。
Elai 是面向企業培訓的 AI 影片生成工具,可在數分鐘內製作專業互動影片。平台提供 80+ 個 AI 虛擬人物、100+ 款範本,支援 75 種以上語言及 28 種語言的聲音複製。生成的腳本需要手動修訂,虛擬人物的口型同步準確度亦有待改善。
Pipio 是一個 AI 影片製作平台,主打精準唇形同步和自然人聲,可製作接近工作室質素的影片。平台提供 60+ 個 AI 虛擬人像、140+ 種 AI 聲音,支援 40+ 種語言及 4K 匯出。雖然設有免費方案,但虛擬人像外觀和聲音的自訂選項有限,而且預覽及匯出影片須升級。
FlexClip 是一款面向初學者的線上 AI 影片生成器,具備易用介面、6,000+ 個可自訂範本及無限素材庫。平台提供雲端存取、協作及多種剪輯功能,但免費和基本方案有所限制,且因依賴 AI,作品較欠個人化。
Creatify 是一款 AI 影片創作平台,可將產品連結轉化為廣告影片,並在數分鐘內生成。平台支援 29 種語言,提供 AI 虛擬人像、配音、腳本自訂及批量生成;但進階剪輯功能有限,虛擬人像與配音品質或有差異。
Pictory 可在幾分鐘內把網誌文章、腳本、簡報等文字內容轉成可編輯影片;Pictory 2.0 加入 AI Avatars、AI Studio、Pictory Central 和 Brand Kit 等功能。平台亦提供語音複製及多種匯出選項,但 AI 素材有時未能配合內容,影片可能較為一般,試用影片則會帶有浮水印。
作者使用 HeyGen 從文字提示生成及編輯影片,並把自己克隆成逼真的 AI 虛擬化身。平台可輸出 1080p/4K 影片,支援 175+ 種語言配音,並提供 1,100+ 個 AI 虛擬化身。評測認為平台操作簡單、輸出品質高,但價格、渲染延遲,以及虛擬化身的倫理與透明度問題可能構成缺點。
Synthesia 是面向企業培訓及內部溝通的 AI 影片平台,作者經五項實測發現虛擬人、配音和口形同步效果突出,但影片仍需人工檢查和修整。測試涵蓋由 PDF 製作培訓影片、建立個人虛擬人、配成西班牙語及安全示範;影片長度曾偏離要求,背景片段、文字排版和動作片段亦有瑕疵。