跳到正文
10月15日週四
  1. HuggingFace Daily Papers(社區熱門論文)47

    Any Time, Any Space: A World-State-Centric Framework for Agentic Video Generation

    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。

  2. DEV Community46

    Behind the Trend: Why AI Zombie Love Story Videos Are Everywhere (and How Photo-to-Video AI Works)

    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。

  3. DEV Community52

    DREAMMMER 以無限畫布追蹤 AI 圖像生成與修訂歷程

    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。

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

    OmniXRef: A Unified Framework for Multimodal Multi-Reference Video Editing

    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。

  5. HuggingFace Daily Papers(社區熱門論文)48

    Event-STVG:面向長篇事件推理的時空影片定位基準

    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。

  6. Descript 原創工程博客35

    如何開設 YouTube 頻道

    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。

  7. DEV Community42

    Use Claude Code to Orchestrate a Bounded Video Workflow

    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。

  8. HKT 香港電訊 · AI 平台及企業應用49

    HKT 推出自家研發 AI 平台 HKT.AI,供消費者及中小企訂閲使用,實踐「AI ON. FEAR GONE」品牌承諾

    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。

10月14日週三
  1. IT之家49

    男子發布 AI 造假影片抹黑問界,賽力斯起訴索償 100 萬元

    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。

  2. Baseten 工程博客43

    在 Baseten 部署 Runway 影片模型

    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。

  3. Baseten 工程博客40

    在 Baseten 專用環境部署 Runway 影片模型

    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。

  4. HuggingFace Daily Papers(社區熱門論文)48

    FlashVSR+: Efficient Video Super-Resolution via Hybrid Attention and Reward-Yield Distribution Matching

    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。

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

    4LC:用 4D 潛在快取提升動態世界建模的條件生成效率

    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。

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

    VideoJev: System One Model for Video Understanding and Interaction

    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。

  7. DEV Community63

    Elsewhere Unfolds 如何以本地硬件製作高質素影片:工作流程指南

    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。

  8. Unite.AI46

    10 款最佳 AI 影片生成器(2026 年 11 月)

    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。

  9. Unite.AI0

    影片生成器

    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。

  10. Unite.AI45

    Elai 評測:適合企業使用的 AI 影片生成器

    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。

  11. Unite.AI33

    Pipio 評測:AI 虛擬人像中最準確的唇形同步

    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。

  12. Unite.AI57

    Synthesia 評測:AI 虛擬人逼真得令人發毛

    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。