跳到正文
10月14日週三
  1. Unite.AI54

    Fliki 評測:AI 語音自然,但生成影片往往需要大量修改

    作者實測 Fliki 後發現,平台的 AI 語音聽感自然,但三項測試的成片均未能直接發布,仍需編修。測試涵蓋文章轉影片、AI 生成解説片,以及聲音克隆和西班牙語配音;克隆聲音聽起來機械,保留原聲的配音功能測試失敗。1:06 的素材影片約耗用 2.15 個免費點數,作者亦認為點數消耗難以預測。

  2. IT之家35

    微信上線「綠泡泡短劇」,網民調侃「長大了竟然還是看紅果果綠泡泡」

    騰訊近日低調上線微信小程序「綠泡泡短劇」,主打「免費好劇,一點就看」;劇集全部免費,但劇集之間會插播廣告。小程序設有「免費劇場」「刷一刷」和「我的」三部分,「免費劇場」包括 AI 劇、真人劇、每日上新、動漫劇等欄目;上下滑動「刷一刷」即可瀏覽沉浸式推薦流。

  3. unwire.hk · 人工智能60

    央視調查 AI 人臉授權兼職,普通人單次收費約 HK$108、平台抽傭 30%

    央視近日調查中國內地新興的 AI 人臉授權兼職市場,普通人每部短片授權費約人民幣 100 元(約港幣 HK$108),平台一般抽取約 30% 佣金。部分平台的使用選項包括親密戲及死亡戲;業界人士指出,AI 虛擬人臉製作成本可低至人民幣 10 元(約港幣 HK$10.80),一般用戶未必有人購買其肖像。部分平台授權協議未清楚列明使用場景、期限和範圍,肖像遭二次使用後亦可能難以追查。

  4. IT之家58

    Higgsfield 接入 OpenAI GPT-6 Astra,AI 影片生成時長上限由 1 分鐘提升至 10 分鐘

    OpenAI 宣佈與 AI 影片生成平台 Higgsfield 合作,接入 GPT-6 Astra 後,Higgsfield 的 AI 影片生成時長上限由 1 分鐘提升至 10 分鐘。Higgsfield 表示,該能力可透過創意智能體調用外部工具處理 3D 建模,維持角色、場景及視覺細節一致;其 YouTube 頻道團隊已用此流程製作超過 10 分鐘的教學影片,減少人工製作工作。

  5. OpenAI News39

    Higgsfield takes AI video from 1 minute to over 10

    Higgsfield 藉助 GPT‑6 Astra,將 AI 影片製作時長由約 1 分鐘延長至超過 10 分鐘,並以 AI 工作流程製作超過 10 分鐘的教學影片。GPT‑Image‑2.5 協助小型企業製作文字和資訊圖表更精準的宣傳內容,Codex 則讓創意團隊將構想轉為軟件原型。

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

    Orbia:生成影片能否形成一致的 3D 世界?

    Orbia 提出一套評測基準,透過受控探索與重訪,系統評估互動式影片世界模型的 3D 一致性。基準涵蓋輸入保留、生成內容持續性及 3D 自洽性,收錄室內外環境共 720 個實例及六種探索與重訪協議。評估涵蓋 27 個以文字、動作及鏡頭為條件的模型。

  7. HuggingFace Daily Papers(社區熱門論文)36

    互動影片生成中的推測式採樣

    研究提出 Speculative Sampling,透過快取預測並逐步交付結果,讓互動影片生成採用較大的雙向窗口,降低延遲而不犧牲畫質。方法以噪聲 latents 作填充擴展建模窗口,並在條件不變時重用預測;尚未提交的未來預測仍可替換。這為互動串流系統部署大型雙向模型提供途徑,無須複雜的串流後訓練。

  8. HuggingFace Daily Papers(社區熱門論文)49

    DeltaStreamer:邁向類人化的智能體串流影片理解

    開源智能體 DeltaStreamer 可持續觀看影片、記錄事件,並在記憶不足時回看視覺證據,以理解串流影片。它會比較連續抽樣影格,建立連結至原始視覺證據的結構化文字記憶,並按查詢檢索記憶及重看過往影格。在 OVO-Bench 和 StreamingBench 評測中,DeltaStreamer 整體表現優於多種現有方法;程式碼及可本地部署的互動示範亦已提供。

  9. HuggingFace Daily Papers(社區熱門論文)36

    RepForcing:自回歸影片蒸餾的表徵空間初始化

    RepForcing 以表徵空間監督取代中間教師軌跡回歸,改善少步自回歸影片生成的初始化品質。四步採樣並經 DMD 後,RepForcing 的分塊模型相較因果 ODE 基線,VBench Total 由 84.04 升至 84.66(+0.62 分),VisionReward 由 6.326 升至 10.074(+59.25%)。

  10. DEV Community59

    AI 影片製作流程在哪些環節出錯:如何從腳本、分鏡到成片設立 QA 關卡

    AI 影片製作流程涵蓋資料匯入、腳本、分鏡、素材生成、剪輯組裝及最終 QA 六個階段,每個階段都應設置檢查關卡,及早發現錯誤。文中建議核對腳本事實與時長、確認產品畫面和素材一致性,並檢查字幕可讀性、音訊及不同格式的輸出;最終由未參與製作的人按原始要求完整審看。Axiom Lab 的客戶在最終影片通過 QA 後才付款,該公司表示這樣可避免團隊放行品質存疑的作品。

10月13日週二
  1. Lovable Blog27

    Lovable 如何助力曾獲 Grammy 提名的音樂製作人兼電影製作人 Mike Burns 打造 AI 電影製作平台

    電影導演兼製作人 Mike Burns 在沒有編程經驗的情況下,使用 Lovable 打造 MVP(Movipods Virtual Producer),把 AI 生成影片、音訊及故事創作工具整合到單一工作流程。MVP 目前以封閉測試版供製作公司及頂尖 AI 創作者使用,並在更廣泛推出前持續完善工作流程及加入新模型。

  2. Lovable Blog63

    Lovable 擴展功能,支援數據分析及生成文件、圖像和影片

    Lovable 擴展應用程式建置能力,現可分析檔案及連接的應用程式資料,並生成可供編輯及下載的文件,以及可下載的圖像和影片。支援 PowerPoint、Word、PDF、CSV、Excel、JSON、XML、JPEG、PNG、GIF、WebP、文字檔及影片。其 AI 智能體可在安全環境中執行程式碼和小型腳本,用於數據分析、檔案處理及格式轉換。

  3. Unite.AI62

    Apple 發佈配備 Siri AI、A19 晶片及免提語音控制的第4代 Apple TV 4K

    Apple 於 2026年10月13日發佈第4代 Apple TV 4K,加入 Siri AI、A19 晶片及內置遠場麥克風,售價 $299(美國)。Siri AI 以 beta 形式於 tvOS 27.2 提供,適用於 Apple TV 4K(第2代或之後),先在美國、澳洲、加拿大、印度、新西蘭、新加坡、南非及英國以英文推出。預訂於發佈當日開始,門市於 2026年11月13日開售。

  4. DoNews55

    OpenAI 傳與初創公司洽談將 Sora 轉型為專業影視工具

    報道指,OpenAI 正與一家專注電影製作 AI 影片技術的隱身初創公司洽談,擬把已停運的 Sora 交由對方改造為專業影視工具。初創公司計劃接管並改造 Sora 平台,再以該技術開發及銷售面向影視製作方的軟件或服務。雙方尚未敲定合作條款,初創公司能否取得 Sora 模型權重亦未明;OpenAI 此前已關閉 Sora 消費級應用和網頁平台。

  5. InfoWorld56

    AI 時代的螢幕錄影示範:Bram Studio 如何用智能體草擬影片

    作者用 Bram Studio 試驗智能體製作軟件示範影片,Claude 根據螢幕錄影及電腦上的工具,草擬出一段兩分鐘、剪輯緊湊並標註音訊調整過程中 FFmpeg 操作的影片。Bram Studio 是作者用 Bram 建立的螢幕示範編輯工具;他主張保留智能體按專案需要調整處理流程的空間,讓軟件成為可由用戶塑造的工具。

  6. 創業邦59

    AI 剪輯混戰,錢從剪輯師流向誰?

    AI 剪輯正在改變影片製作分工與收費,原本流向剪輯師和軟件公司的部分支出,開始轉向模型、算力及自動化服務。平台型公司、專業軟件商、AI 原生工具和影片模型公司,正從不同環節爭奪影片製作流程。文章指出,AI 降低剪輯成本的同時也帶來推理開支,服務能否掌握用戶入口並帶來商業成果,將影響其定價空間。

  7. HuggingFace Daily Papers(社區熱門論文)35

    H-DDCM: Hadamard Codebooks for Fast Generative Image and Video Compression

    H-DDCM 以隱式隨機 Hadamard 字典及免查表字典序編碼,取代稠密 Gaussian 碼本,降低免訓練生成式圖像與影片壓縮的記憶體及計算開銷。快速 Walsh-Hadamard 轉換以 O(d log d) 計算量完成投影與重建,記憶體用量為 O(d)。該方法亦支援自回歸影片 flow 模型,可在單張 GPU 上進行長片段、接近即時的生成式影片壓縮。

  8. HuggingFace Daily Papers(社區熱門論文)43

    Simplifying and Improving On-Policy Distillation for Few-Step Diffusion

    研究提出簡化匹配蒸餾(SMD),以簡單的在策略速度回歸作為少步擴散生成的基礎。SMD 加入僅用於訓練的 Pivot 殘差代理,並令學生模型遠離較弱的教師預測;整套方法不需線上分數估計或對抗訓練,部署時生成器維持不變。在 4-NFE 下,SMD 勝過強力少步基線,並在多項基準測試中超越多步教師,規模可達 33 billion parameters。

  9. HuggingFace Daily Papers(社區熱門論文)39

    MFVSR: A Multi-Style and Fine-Grained Benchmark for Video Subtitle Removal

    MFVSR 提出大型多風格影片字幕移除評測基準,以細粒度、空間解耦的協議評估修復保真度、內容保留、時間一致性及可靠性。基準包含來自 Real-HQ、Real-LQ 和 AI-Generated 的 3,000 段配對影片,以及 953 段真實場景影片,涵蓋 16 種語言和四類字幕特徵。六種代表性方法的實驗顯示,局部修復、區域外保留、時間一致性與整體可靠性之間存在差異。

  10. DoNews56

    AI 劇上癮實錄:從「什麼垃圾」到「再來一集」

    AI 劇憑短集數、密集情緒回饋和持續供給吸引觀眾追看,但行業同時面對爆款率低及內容同質化問題。上半年全網累計上線 AI 新劇超 22 萬部,播放量破億的 AI 短劇有 1055 部,爆款率為 0.47%。平台亦調整分成和獎勵政策,但高產能與精細製作之間存在張力。

  11. Unite.AI44

    Where Were You When Reality Died?

    作者從一段疑似由 AI 生成的無尾熊與貓互動影片出發,反思自己即使多年研究 AI 影像與影片,也已無法再完全相信眼前所見。研究顯示,截至 2025 年底,人們辨識 AI 生成圖片的準確率為 54%;文章並探討內容認證與監管的侷限,以及把判斷交給制度可能帶來的問題。

  12. Unite.AI47

    MachGen AI 聯合創辦人兼 CEO Kismat Singh 專訪

    MachGen AI 聯合創辦人兼 CEO Kismat Singh 在訪談中表示,公司正為擴散模型建立專用推理及微調技術堆疊,以加速圖像與影片生成。MachGen 稱,使用原始、未蒸餾模型時,部分圖像模型延遲降低約 4–6x,若干影片模型約 6x;HiDream 用時 1 秒,Wan 2.2 用時 16.5 秒。圖像模型推理成本降低 2–4x,影片模型降低 2–3x。

  13. Unite.AI31

    AI 低質生成影片是否已佔據 YouTube?

    AI 低質生成影片正大量湧入 YouTube,利用相似標題、誇張縮圖及高頻上載迎合推薦機制,令原創內容更易被淹沒。觀眾能察覺複製聲線、素材畫面與重複文稿的違和感,卻未必能確定內容是否由 AI 生成;部分人轉向有主持人的頻道,也有人把這類影片當作背景消遣。創作者則更著重個人風格,或以 AI 協助製作而保留自身觀點。

  14. Meta Engineering Blog59

    Meta 分享在 Instagram Live 大規模部署 MoQ 直播接入的做法

    Meta 已在 Instagram iOS 和 Android 的 Instagram Live 直播接入中部署 MoQ,這是基於 QUIC 的開放標準傳輸協定。經過數月測試,MoQ 路徑在串流品質指標及可靠性指標上與 RUSH 持平,達到本階段目標。部署期間,邊緣節點將 MoQ frame 轉換為現有後端可處理的 RUSH 格式,無須同步改動下游系統。

10月12日週一
  1. IT之家35

    Panasonic 與 Google 合作開發新一代家居保安方案

    Panasonic 與 Google 達成合作,將結合 Panasonic 的可視對講及監控技術,以及 Google 在 GenAI 和雲端方面的優勢,共同開發新一代家居保安方案。方案將利用 AI 影片分析,高精度識別可疑行為和異常事件,並按家庭成員組合及生活方式提供個人化通知和建議。雙方亦會透過雲端整合簡化用戶體驗、減輕營運負擔,並藉軟件更新及雲端 AI 持續增強功能。

  2. HuggingFace Daily Papers(社區熱門論文)38

    RAR: Rate-Adaptive Rollout for Time-Consistent Interactive World Models

    RAR 是一套讓互動世界模型以可控時間速率進行展開的框架,旨在解決生成速率與模型學得的時間速率不一致,以及時間粒度與物理時長難以兼顧的問題。其核心 Stride-RoPE 將不同速率取樣的潛在影格對齊至共同物理時間座標,支援多速率展開、未見速率泛化及即時切換速率並保留歷史。RAR 亦透過多步幅影片取樣聯合學習細粒度動態與長時程演化,並可遷移至預訓練世界模型,同時保留感知品質。

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

    VEDJE: Video-Efficient Discriminative Joint Encoder for Scalable Video-Text Retrieval

    VEDJE 將影片壓縮成小型、具時間結構的快取,再以 33M 參數的聯合編碼器進行影片文字檢索。它在 MSR-VTT 取得 59.8 R@1,線上參數量比 LamRA 少約 49×;每段影片的快取為 48 KiB,較原始視覺特徵小 128.5×。保留壓縮後的時間結構有助檢索,特徵變化預測目標亦能提升檢索表現,且不增加推理時計算。

  4. HuggingFace Daily Papers(社區熱門論文)38

    EventLens:用於影片理解的事件結構強化學習

    EventLens提出以事件結構恢復訓練影片理解的視覺導向強化學習框架,並以確定性獎勵進行專項 GRPO 訓練。Qwen3-VL 骨幹實驗顯示,時間定位及事件敏感推理表現提升;在保持一般影片問答表現及取得相若下游遷移效果的同時,訓練成本較直接混合 RL 優化大幅降低。

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

    CineRecon:前沿模型的智能體電影場景重建基準評測

    CineRecon 基準評估前沿模型透過智能體,從參考影片重建可編輯動態 3D 場景的能力,收錄 50 段參考影片及 360 段標註評測片段。研究以 Proxy、Simplified 和 Detailed 三種表示設定評測 12 個模型,發現模型在鏡頭、靜態及動態一致性方面均有失誤;即使在 Proxy 設定下,主體動作和互動仍難以重現。

  6. HuggingFace Daily Papers(社區熱門論文)49

    Elephant in the Fridge: Constant-Memory Frame Packing for Long Video Understanding

    FramePack-U 以免訓練的影格封裝框架,將任意長度的影片壓縮成固定大小的視覺表示,讓視覺語言模型以恆定記憶體成本處理影片。它可在推理時直接接入現有模型;在 Qwen3.5-35B-A3B、128-frame 預算下,於 LongVideoBench、MLVU 和 Video-MME 的表現分別提升 +12.9%、+10.6% 和 +9.7%。