跳到正文
10月11日週日
  1. 創業邦41

    Meta禁止TikTok投放廣告;電影《歡迎來龍餐館》申報奧斯卡最佳國際影片;快手可靈AI據悉籌備香港IPO,擬募資至少10億美元丨Going Global

    本期出海周報聚焦 Meta 限制 TikTok 投放廣告、《歡迎來龍餐館》代表中國內地申報奧斯卡最佳國際影片,以及快手可靈 AI 籌備香港 IPO。Meta 的限制涉及 7 個國家,於當地時間 10 月 8 日生效。可靈 AI 據悉已選定中金公司、高盛和瑞銀推進潛在發行,擬募資至少 10 億美元。

10月10日週六
  1. 字節 Seed:Research Feed77

    Seedance 2.5 正式發布,單次可生成 30 秒影片並支援多輪延長

    Seedance 2.5 正式發布,單次影片生成時長提升至 30 秒,並支援多輪延長。模型單次最多可參考 30 張圖片、10 段影片及 10 段音訊,並支援時間戳精準編輯。模型正陸續上線即夢 AI、豆包專業版,API 服務將於近期上線火山方舟;項目主頁:https://seed.bytedance.com/seedance2_5。

    推薦理由:Seedance 2.5 將單次生成時長提升至 30 秒,並支援多素材參考及時間戳編輯,呈現影片生成由片段輸出走向長敍事與精細控制的能力變化。

  2. 字節 Seed:Research Feed74

    SeedRealtime 音訊及影片全雙工大模型發佈:邁向全模態自然互動

    字節 Seed 正式推出原生音訊及影片全雙工大模型 SeedRealtime,透過統一架構融合音訊、影片與文字,並在連續多模態資訊流中即時互動。端到端人工評測顯示,相比級聯模型,音訊及影片對話的節奏問題減少一半,單次對話順暢、完整交流的機率亦有明顯提升。

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

    LightVAE: Towards Compact and Efficient Video Autoencoders

    LightVAE 提出影片 VAE 壓縮框架,透過時序低秩壓縮、區塊剪枝及特徵對齊,加快影片解碼。對 Wan VAE 系列,其解碼吞吐量最高達 NVIDIA H100 和 RTX 5090 上高效 VAE 解碼器的 2.24 倍及 1.11 倍,且 DAVIS PSNR 較高、LPIPS 較低。

10月9日週五
  1. Hacker News:AI 熱帖63

    上訴法院撤銷過失殺人案刑期,指 AI 受害者影片令量刑程序不公

    上訴法院撤銷一宗過失殺人案的刑期,認為法官考慮受害者的 AI 生成影片對被告造成偏見,令量刑程序根本不公,並發回重判。討論串指出,影片中的受害者表達寬恕並請求從輕,但家屬要求最高刑期,原判為 10.5 年;留言者因此質疑影片的作用及其對判刑的影響。

  2. SiliconANGLE44

    Caloroga Media launches Linnet, an AI-assisted podcast studio that runs in the browser

    Caloroga Media 推出在瀏覽器運作的 AI 輔助 Podcast 製作室 Linnet,把錄音、混音、影片剪輯、撰寫及謄寫腳本等工作整合在同一工作空間。God Mode 可根據單一提示詞生成包含影片和封面圖的完整節目初稿,供創作者修改;平台目前以邀請制 Beta 分批開放,測試用戶可免費使用 Creator 方案 30 天。

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

    OuroWorld: Bringing Any 3D World Alive as Diverse, Endlessly Looping 3D Cinemagraphs

    OuroWorld 是一個無需遮罩的框架,可將靜態 3D Gaussian Splatting 場景轉化為可從不同視點觀看、動態循環的 3D 動態影像。在 39 個重建及生成場景上,OuroWorld 勝過所有基準方法,並在用戶研究比較中取得 70.8%-99.0% 的勝率。它可呈現一般形變、物件移動及光照變化,並以無需真值資料的評估方法衡量畫面生動度、自然度、循環接縫連貫性及場景質素。

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

    ME-World:結合細粒度具身互動的多智能體第一人稱世界模型

    研究提出多智能體第一人稱世界模型 ME-World,透過共享 token 序列聯合去噪多個視角串流,建模智能體在共享環境中的細粒度互動。模型以所有智能體的目標視角姿態為條件,並以共享環境記憶支援生成;研究亦提出環境、狀態更新及身份一致性指標。在真實及合成多智能體數據上的實驗顯示,ME-World 在共享世界一致性、動作控制、身份保持及影片質素方面均優於現有方法。

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

    LEGO:無需將影片提升至點雲的外部視角至第一人稱視角影片生成方法

    LEGO 提出一種無需將影片提升至點雲的外部視角轉第一人稱影片生成方法,透過經微調的 Transformer 直接合成目標視角,再由影片擴散模型補足細節。系統估算各區域的信心度,用以遮蔽低信心區域,並在去噪早期引導生成器優先處理高信心區域。方法持續勝過最先進的顯式重建流程,並可不經重新訓練泛化至其他數據集。

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

    SimVTA:以模擬為基礎的影片與軌跡對齊,應用於駕駛世界動作模型

    SimVTA 結合模擬器渲染的未來影片監督與強化學習軌跡最佳化,提升駕駛世界動作模型的規劃表現。NAVSIM v1 上,對 WAM 初始化模型應用 SimVTA 後,PDMS 由 86.2 升至 91.3(+5.1);NAVSIM v2 得 88.2 EPDMS,HUGSIM 閉環評估的平均 HD-Score 為 38.8。推理時,模型直接預測軌跡,無須呼叫模擬器。

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

    WATCH:從任務配對的人類影片學習可遷移的世界動作模型

    WATCH 透過跨影片預訓練,從不同環境的任務配對人類示範中學習可遷移的世界動作表示,無需配對的人類與機械人示範。機械人後訓練後,MimicDroid 配合 Cosmos Policy 的情境內成功率由 40.9% 升至 68.3%,配合 Cosmos3 則由 59.8% 升至 77.7%。提升在未見關卡最大,並在跨機械人形態的無上下文後訓練中持續。

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

    Video-Arena:面向時空能力的可擴展智能體影片基準測試

    Video-Arena 將競技遊戲轉化為可擴展、可驗證的影片基準,評估模型理解及追蹤動態世界狀態的時空能力。基準集包含涵蓋 9 款遊戲的 180 項任務,並以原生視覺理解及工具輔助智能體分析兩種評估協定進行測試。結果顯示,原生模型難以可靠感知事件;工具輔助系統雖能改善事件還原,仍難以持續解讀狀態更新及追蹤結果狀態。

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

    GeoFix:面向 4D 一致生成的幾何修正

    GeoFix 提出統一框架,以單一幾何獎勵提升 4D 生成的幾何一致性及視覺品質,並適用於訓練和推理時的獎勵對齊。其獎勵衡量靜態場景區域的跨視角深度一致性,並校準相機視野重疊帶來的影響。GeoFix 的 WorldScore 3D 一致性提升 39%,VBench Quality Score 提升 4%。

  10. TechCrunch · AI52

    Ben Affleck 展現 AI 技術知識,訪談片段在網上走紅

    Ben Affleck 在多段近期訪談中談及 AI 技術及其電影製作應用,相關片段本週在網上走紅。他稱曾籌資並拍攝約八個月建立數據集,供開放模型作後期訓練以執行特定任務,也談及微調開放影片模型以符合電影標準。他認為 AI 可輔助而非取代電影製作,並表示更擔心子女在校、學習無助感及負責任使用等問題,而非 AI 接管電影業。

  11. elsewhere:文章34

    AI 無限,人生有限|對談 KK、山音:一線 AI 創作者

    一線 AI 創作者 KK 和山音在對談中分享 AI 如何改變創作生涯,助他們成為 AI 導演。兩人談及選用 CapCut Video Studio 的原因、同一部作品混用 Seedance、Minimax 等模型,以及底層模型趨同後 AI 影片產品的競爭壁壘。對談亦探討 AI 生成速度超越人類觀看速度後的創新機會,以及創作者如何面對「AI 無限,人生有限」的困境。

10月8日週四
  1. elsewhere:文章62

    Vidu Q4 Preview 值得試嗎?實測影片生成表現與定價

    作者實測 Vidu Q4 Preview,介紹其 0.09 元/秒起的價格、最多 15 張參考圖、3 段參考音訊,以及最高 4K 輸出規格。多組案例展示模型在人物演繹、特效、運鏡、鏡頭切換和跨風格角色一致性方面的表現。文章認為,這些能力在短片營銷、角色 IP 連載等需要反覆試作的內容中較易發揮;Q4 Preview 仍屬預覽版本。

  2. LiveKit 產品與工程博客57

    LiveKit 推出 Video Frame Metadata 影片影格中繼資料功能

    LiveKit 宣佈支援 Video Frame Metadata,讓每個已擷取的影片或二進制資料影格可附加以微秒為單位的用戶時間戳、順序影格 ID 及自訂資料。功能現已提供於 Rust、Python、C++ 和 JavaScript SDK,音訊影格支援則將於未來版本加入。SFU 會為不支援該功能的下游用戶端移除中繼資料尾段,以維持與現有用戶端 SDK 的相容性。

  3. 創業邦46

    黃仁勳因 AI 搞笑影片爆紅

    B站 UP 主以 AI 將 Michael Jackson 替換成黃仁勳的影片爆紅,並獲馬斯克轉發。影片在 B站的播放量突破142萬,馬斯克以記憶體價格高企為梗評論。今年 AI 算力中心建設及大型模型訓練需求急增,推高全球儲存晶片需求及價格,普通消費者亦受影響。

  4. 創業邦27

    出爾反爾?沃爾瑪要求中國供應商承擔最高66%關税成本;山姆換帥百天後動刀:6個大區變7個丨Going Global

    沃爾瑪等美國零售品牌要求中國及東南亞供應商分攤50%至66%的美國進口關税成本,相關談判仍在進行,分攤細節尚未確定。山姆中國重新劃分大區,新設江蘇區和浙江區,令大區數目由6個增至7個。部分中國供應商表示難以承擔高額成本分攤,部分品牌已表示將提高產品價格。

  5. 創業邦53

    Utopai Studios:全球最大 AI 影視公司的「皮克斯野心」

    Utopai Studios 正把 Utopai X、PAI 製作系統及院線項目整合,建立涵蓋 AI 影片生成、專業製作和 IP 開發的商業模式。Utopai X 在 2026 年 9 月 29 日的 Artificial Analysis 有聲文生影片排行榜取得 1150 Elo,排名全球第二;這項評測衡量同時生成畫面和聲音的表現,並不代表能獨立完成長片。

  6. Recraft 自有模型與設計產品35

    Recraft vs Higgsfield: AI for Still Visuals vs AI for Video

    Recraft 專注製作可供專業使用的靜態視覺,Higgsfield 則是主打電影感影片生成的平台,兩者主要服務需要大量視覺素材的市場及創意團隊。Recraft V4 可生成寫實、插畫及向量圖像,並能按提示詞生成可編輯的 SVG 向量檔案。Higgsfield 整合逾 15 款 AI 影片模型,並提供超過 70 種電影感鏡頭預設;需要靜態品牌素材或影片的團隊,可按交付內容選用,亦可同時使用兩者。

  7. Recraft 自有模型與設計產品43

    Three New Models in Recraft Studio

    Recraft Studio 現提供 Google Gemini Omni Flash 1.1、MiniMax H3 Turbo 和 Alibaba Wan 3.0 三款影片生成模型。Gemini Omni Flash 1.1 可結合文字、最多五張參考照片、音訊或現有影片生成新影片;Wan 3.0 單次可生成最長 30 秒、1080p 並帶有音訊的影片。

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

    AdSpark:以產品為核心的廣告影片生成大型數據集與評測基準

    AdSpark 提出以產品為核心的廣告影片生成數據集 AdSpark-300K 及評測基準 AdSpark-Bench。AdSpark-300K 包含約 300K 組參考圖片、提示詞與影片三元組;AdSpark-Bench 從六個維度評估生成廣告。評測顯示,模型在產品保留、多鏡頭敍事及賣點呈現方面仍面臨挑戰,數據集將於論文獲接收後發布。

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

    SGF+:解耦自回歸影片生成中的梯度流

    相較已評估的基線,SGF+分開設定自回歸影片生成中的上下文寫入與去噪參數,提升視覺質素及長時序一致性。它透過因果注意力保留兩種角色的互動,毋須額外影片訓練數據或延長訓練時長。僅以 5s rollouts 訓練,SGF+支援最長 24 hours 的連續生成,且無需長影片微調。