香港人工智能專業協會出席黃大仙區「AI 防騙分享會」,講解偽造手法及自保方法
香港人工智能專業協會代表出席黃大仙區「AI 防騙分享會」,講解換臉、扮聲及虛假訊息等詐騙手法,並即場示範以相片生成旅遊照片。分享會提出三項自保做法:有懷疑先掛斷並自行回撥已知號碼、追問只有真人才知道的事,以及透過視像通話要求對方即時做指定動作。
香港人工智能專業協會代表出席黃大仙區「AI 防騙分享會」,講解換臉、扮聲及虛假訊息等詐騙手法,並即場示範以相片生成旅遊照片。分享會提出三項自保做法:有懷疑先掛斷並自行回撥已知號碼、追問只有真人才知道的事,以及透過視像通話要求對方即時做指定動作。
Dify Marketplace 上架 Sonilo 插件,可為影片工作流程生成配樂及音效,並為每條生成的音軌記錄專屬授權 ID。插件提供影片轉音樂、文字轉音樂、影片轉音效及文字轉音效四項工具,生成的音樂可供商業用途,但須遵守適用條款。
VOIDZ 以 Runway 的 Seedance 2.0 製作《Ends Meat》,把原本受限於 10 至 15 秒的 VFX 作品延伸至 95 秒紀錄片。作品以未經編排的買餸實拍為基礎,加入超現實影像呈現生活成本壓力;VOIDZ 稱這種形式為 Documentary Surrealism。
Runway 公開即時影片生成研究,聚焦縮短首幀及整體生成時間,並讓影片在輸入提示詞時串流生成。其方法以 Gen-4.5 等基礎模型為例,透過因果式自回歸生成逐幀輸出,再以知識蒸餾將每幀生成所需步數減至幾步。訓練分為 off-policy 和 on-policy 兩階段,研究發現逐步增加序列長度的課程優於固定序列長度。
Runway 推出 Runway Plugins,讓用戶可在 Premiere Pro 和 After Effects 內生成、編輯及放大內容,並直接把結果放回時間軸。Edit Studio 可對現有片段的錨點影格進行風格轉換,再由 Aleph 2 以來源片段相同時長重新渲染;插件可在 macOS 和 Windows 免費下載,生成需使用付費方案額度。
Runway 宣佈,巴黎 AI 研究實驗室 Kinetix 的團隊加入 Runway,將參與機械人世界模型研究。團隊帶來 3D 人體動作及具物理基礎的影片生成研究,並加入 Runway 巴黎中心;Runway 正在巴黎招聘研究及工程職位,職位列於 runway.com/careers。
Comfy 公佈 Comfy × MiniMax H3 Sync Sound Challenge 得獎名單,Visual Frisson 的「Spin Cycle」獲最佳整體獎。
Runway 介紹 GWM Worlds 2,一款將高保真影片及音訊生成轉化為即時互動模擬的自回歸擴散模型。模型採用 WorldPrompt 描述持續場景上下文、帶時間戳的文字動作及逐影格鏡頭輸入,可生成 720p、24 fps 影片和 48,000 Hz 音訊,亦可作為智能體評估及訓練的模擬環境。目前仍屬研究預覽,即時生成在保真度與速度之間有所取捨,快速鏡頭旋轉可能令細節、紋理和幾何退化。
Miro 使用 Runway 製作年度活動 Canvas26 的開場影片,並為四個城市分別本地化版本。片中的城市景觀、人羣及入場畫面均由 Runway 生成,團隊亦以活動場地照片作參考,並按所需尺寸原生生成畫面。
Google DeepMind 推出 Gemini 智能體影片理解功能,影片分析成本最多降低 66%、token 用量最多降低 88%,準確度最多提升 7%。
推薦理由:相較固定 FPS 靜態處理,Gemini 會動態檢視畫面、音訊與字幕,影片分析的 token 用量最多減少 88%、成本最多減少 66%。
Runway 介紹 Solaris,這是其首個 Interface World Model,以逐幀即時生成介面,並根據用戶操作持續回應。與 Claude Opus 5 生成的程式化介面比較時,250 名參與者評估了 30 個互動案例;指令遵循方面,Solaris 獲 61% 偏好、程式化結果獲 24%、兩者相若佔 13%;場景自然度方面則分別為 71%、21% 和 6%。
Gemini API 為 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出智能體影片理解,支援 Interactions 和 GenerateContent APIs。該功能會動態瀏覽影片時間軸,按需取得文字稿、影格或音軌。處理長篇內容時,相較靜態處理最多可少用 88% tokens。
Gemini Omni 1.1 Flash 已透過 Partner Nodes 接入 ComfyUI 的 Gemini Video Omni 節點,支援文字轉影片、圖片轉影片、參考素材轉影片、影片編輯及場景延伸。解析度可選 360p、720p、1080p 或 4K,每段影片均會生成音軌。文中亦整理提示詞技巧,包括指定連續鏡頭、描述編輯指令,以及以文字或時間碼安排事件。
Comfy 宣佈成為 MiniMax H3 商業用途授權的首個官方轉售商,用戶可透過 Comfy 取得在本機商用 H3 的授權。授權涵蓋生成內容的商業使用、微調及 LoRA 訓練、客戶專案,亦包括 MiniMax 的音訊及音樂模型;Enterprise 方案可使用所有 H3 版本,包括未蒸餾權重及推出的新版本。
Google DeepMind 推出 Gemini Omni 1.1 Flash,為影片生成加入場景延伸、首尾幀控制、影片參考輸入及 1080p 或 4K 輸出。
推薦理由:場景延伸可分析最多10秒的既有影片,並以10秒增量延長至累計40秒;配合首尾幀指定,呈現更長影片創作中的控制方式。
Google 發佈 gemini-omni-1.1-flash,將 Gemini Omni Flash 快速、對話式影片生成及編輯模型正式開放使用(GA)。新功能包括延長現有影片、以最多 2 張圖片生成轉場影片,以及支援 360p、720p(預設)、1080p 和 4k 輸出;1080p 和 4K 輸出會經升頻生成。
SGLang Diffusion 團隊等在 8× NVIDIA H200 上對 MiniMax-H3 影片生成進行基準測試,SGLang 無損路徑較 Diffusers 快 1.85–1.95×。
Wan 3.0 已在 ComfyUI 上線,支援單次生成最長 30 秒影片,並可使用最多 10 張圖像、5 段影片及 5 段音訊作為參考素材。模型接受最多 20,000 字元提示詞,可解析文件及網頁,亦可按指令編輯或延長既有影片。輸出支援 480p、720p、1080p,片長為 2 至 30 秒;可更新 ComfyUI 至 v0.33.4,或透過 Comfy Cloud 使用。
Runway 指出,企業對影片生成的需求正由比較模型轉向重視產品體驗、工作流程效率、數據主權及模型所有權。其 AI Media Report 顯示,數百家企業的製作成本下降了兩至三個數量級;Runway Agent 亦協助品牌在節省成本的同時,將創意產量提升至 10 倍。Runway 提供模型路由和第三方模型存取,並承諾不會使用客戶數據訓練模型。
Comfy 與 MiniMax 邀請社羣參加 MiniMax H3 音畫同步挑戰,參賽作品的影片及音訊須由同一次 H3 生成產出。活動於 8/20 至 9/1 收件,9/2 公佈得獎者;參賽者可使用本地 ComfyUI 或 Comfy Cloud,獎項包括 RTX5090-O32G-G 及 RTX 5060 Ti (16GB)。
ComfyUI 已提供 LTX-2.5 的 Day-0 支援,用戶可使用本地開放權重版本,或透過 Partner Nodes 使用託管模型。
Sequoia Capital 與 Preview 合作,並領投 Preview 的種子輪;Preview 是面向專業創作者的 AI 原生影片創作及製作平台。平台把影片時間軸與無限畫布整合至協作工作區,讓團隊可使用任何模型生成內容,並追蹤角色、地點、道具及素材製作紀錄。
ComfyUI 現已原生支援 Wan Animate 2 及 Wan Animate 2 Lite,並新增 WanAnimate2ToVideo 和 WanAnimate2Cache 兩個節點。
Seedance 2.5 現已透過 ComfyUI 的 Partner Nodes 提供,單次可生成連續 30 秒片段並使用最多 50 項參考素材。每次生成可加入 30 張圖片、10 段影片及 10 個音訊檔,提示詞可按時間段指定鏡頭大小、攝影機類型和轉場。模型亦支援編輯或延長既有影片,並可原生生成超過十種語言的對白及聲音表演,配合口形同步。
Chime 使用 Runway 將超過 85 名會員的照片製作成最新全國電視廣告的動態片尾格狀畫面。Runway 團隊協助搭建初始流程,執行製作的 Shayla Love 其後調整提示詞、處理渲染並教導團隊操作;儘管來源照片質素和構圖各異,成品仍穩定並適合電視播出。Love 估算,若以傳統拍攝完成相同規模,成本約為這次做法的 5 倍,亦難以安排全國會員同日拍攝。
Descript 於 2026 年 8 月 5 日推出多項產品更新,新增預約錄音 Room、以繪畫方式修改圖片局部及 YouTube 縮圖生成功能,並改善跳剪再生成流程。
Amp 現允許用戶向自己的 orbs 上載任何檔案,供 Amp 查看和使用。可上載影片、日誌、PDF、試算表、數據集等,並可根據應用程式螢幕錄影片段請 Amp 修復或改善問題、從日誌檔排查問題,以及將簡報和試算表轉成互動網站。Amp 亦可根據媒體輸入生成影片和 CAD 檔案,並轉錄影片及音訊。
Netflix 的 Girish Balakrishnan 與 FutureCel 創辦人 Joel Kuwahara 認為,AI 是支援説故事的工具,創作仍以故事、工藝和創作者的視野為核心。Netflix 在重現 1970 年世界盃的作品中,結合實景拍攝、傳統特效與生成式工具,呈現原本無法拍攝的滿場球迷鏡頭。Kuwahara 認為,AI 會發展出自己的創作領域與優勢。
FireRedTeam 開源 FireRed-OpenStoryline,這是一款透過自然語言對話製作和編輯影片的工具。它可搜尋並下載符合要求的圖片和影片片段、生成故事線和旁白,並按提示詞調整剪輯及畫面細節。
NVIDIA 發佈 Cosmos-H-Dreams,一款根據機械人動作即時生成手術場景影片的模擬器。它將 Cosmos-H-Surgical-Simulator 蒸餾為因果學生模型,並透過 FlashDreams 在單張 NVIDIA RTX PRO 6000 上達到約 160 fps。
Runway 發佈一項分析數百家企業的縱向研究,報告稱企業使用 Runway 製作媒體後,製作成本通常下降兩至三個數量級,所需時間亦大幅縮短。節省金額由客戶自行提供,並與前一年同類工作的支出比較;一個金融服務品牌的廣告製作費由逾 $5M 降至 $3K-4K。一間代理控股集團亦把某美國保險品牌的社交內容製作流程由 2–3 個月壓縮至 3 小時,約為 720× 壓縮。
Runway 產品及工程團隊成員在訪談中説明 Agent 如何協助用戶由單一想法走向完成創作,並保留創作控制權。Agent 可把影片片段、音訊和圖像放進同一時間軸,並以視覺化方式呈現創作選項,讓用戶逐步調整。Runway Agent 2.0 已向所有用戶開放;獨立評測機構 Physion Labs 在 Arc 1.0 基準中比較六個 AI 影片智能體,Runway Agent 2.0 排名第一。
OpenMOSS 公開 MOSS-Video-Preview,這是一款基於 Llama-3.2-Vision、採用 Cross-Attention 架構的即時影片理解模型,程式碼見 https://github.com/OpenMOSS/MOSS-Video-Preview。
Runway 開源 AVTensor,一款以 Rust 編寫的媒體解碼器,可在單次解封裝中同步解碼音訊和影片,讓兩條串流共用時間起點。在訓練數據載入基準中,以直接從物件儲存串流取代先下載再解碼,令 100 batches 的處理時間由 176 秒降至 122 秒,約快 30%;生產音訊與影片模型訓練的 MFU 則較 torchcodec 流程高約 1.8 個百分點。
Meta 於 2026年7月7日發佈 Muse Image,並以預覽形式公佈 Muse Video;Muse Image 已可在 Meta AI 應用程式及網頁版使用,Muse Video 則將於 Meta AI 等平台稍後提供。
推薦理由:文章列出 Muse Image 在三項 Arena 評測均排名第 2,以及 Muse Video 在影片生成評測排名第 3,並交代兩款模型目前的開放狀態。
Google 為 NotebookLM 推出「Short Video Overviews」,可根據筆記本內的來源生成約 60 秒、聚焦特定概念的直向影片,並已在 Web 版向所有用戶以英文推出。
Google DeepMind 推出 Nano Banana 2 Lite,並首次向開發者開放 Gemini Omni Flash。
推薦理由:兩款模型分別面向高速批量圖像生成與影片生成、對話式編輯,文中列出成本、延遲及 API 限制,可供評估多媒體工作流的取捨。
Runway 與 MIXI 宣佈建立企業合作夥伴關係,MIXI 已在體育、生活風格及數碼娛樂等創作業務中部署 Runway。以往需時 21 天的《Monster Strike》繁體中文版影片製作,現由內部團隊在 3 天完成;品牌影片製作時間亦由 20 天縮短至 7 天。合作亦將探索遊戲、動畫及互動體驗的新創作應用。
Figma 宣佈把 Weave 工具引入 Figma Design,並在 Figma Community 開放發佈及探索 Weave 工作流程。Figma Design 左側面板現可直接使用 20+ 項 AI 圖像任務;Weave tools 在 open beta 期間免費,正式推出後將消耗 Figma AI credits。
Runway 已將 Aleph 2.0 接入 Figma Weave,讓用戶可按要求修改既有影片的指定部分。用戶可從影片抽取關鍵影格、調整風格,再以時間戳連接 Aleph 2.0 節點;模型會把編輯套用至主體出現的每一格,其他內容保持原樣。它可處理最長 30 秒、1080p 的片段,並跨多鏡頭序列套用修改,不必逐鏡處理。