跳到正文
6月18日週四
  1. Figma AI / Agent / Make63

    Runway Aleph 2.0 現已加入 Figma Weave,支援逐幀影片編輯

    Runway 的 Aleph 2.0 現已在 Figma Weave 提供,帶來逐幀影片創作控制。它支援最長 30 秒影片,可套用參考圖片的風格,並讓關鍵影格修改延續至相關畫面,同時保留未要求更改的內容。Weave 節點可串連多步編輯、預覽及修訂;用戶亦可改變鏡頭角度、加入新角色或轉換環境,無須重拍。

6月4日週四
5月29日週五
  1. 美團 LongCat:HuggingFace 新模型39

    美團 LongCat 整合 WBench 評測模型權重

    美團 LongCat 的 meituan-longcat/WBench-weights 儲存庫整合 WBench 評測模型權重,供互動影片世界模型評估使用。WBench 從影片質素、設定遵循、互動遵循、一致性及物理規則符合度五個維度評估,涵蓋 289 個測試案例及 1,058 個互動回合。這些權重僅供學術研究及評估用途。

5月27日週三
5月26日週二
  1. Runway:News(網頁)53

    Runway Project Luxo:AI 生成影片開始跨越恐怖谷

    Runway在Project Luxo中表示,AI 生成影片正開始跨越恐怖谷,並以三部全 AI 生成短片和一支概念廣告測試觀眾能否投入故事。受邀的創意產業人士一致認為短片作為故事有效;三部短片均由一人製作,所列製作時間分別為 3 星期、7 小時和 4 小時。

5月21日週四
  1. Runway:News(網頁)68

    Runway 發佈 Aleph 2.0 影片編輯模型及 Edit Studio

    Runway 推出影片編輯模型 Aleph 2.0,並同步推出 Edit Studio,支援編輯最長 30 秒的 1080p 影片。Aleph 2.0 可按指定影格控制修改外觀,只更改指定內容,並將編輯套用至相關鏡頭。Aleph 2.0 與 Edit Studio 現已在 Runway 桌面網頁版向所有付費方案用戶開放。

5月20日週三
  1. gihyo.jp86

    Google 發佈 Gemini 3.5 Flash、Gemini Omni Flash,並公佈 Gemini Spark 個人 AI 智能體

    Google 在 Google I/O 2026 發佈 Gemini 3.5 Flash 和 Gemini Omni Flash,前者面向 Agent 與編碼工作,後者可結合文字、圖像、影片及音訊生成和編輯影片。

    推薦理由:文章對照兩款新模型的用途與推出渠道,並交代 Gemini Spark 的測試及開放安排,呈現 Google 將模型能力延伸至影片創作和背景代理工作的具體路徑。

5月18日週一
  1. Google DeepMind80

    Google DeepMind 推出 Gemini Omni,首個模型為 Gemini Omni Flash

    Google DeepMind 推出 Gemini Omni 系列首個模型 Gemini Omni Flash,可結合圖像、影片、文字及語音參考生成影片,並支援透過對話編輯。

    推薦理由:材料把 Gemini Omni Flash 的多模態輸入、對話式影片編輯和分階段上線平台放在一起,便於理解新模型如何連接生成能力與實際使用入口。

5月13日週三
5月11日週一
  1. Runway:News(網頁)63

    Runway 解説即時影片生成如何改變網上互動

    Runway 認為,網上互動將由文字輸入與結果回覆,轉向按用戶輸入即時生成並回應的影片體驗。其 GWM-1 系列可逐幀生成影片、即時運行並接受動作控制,目前分為 Runway Characters、GWM-Worlds 和 GWM-Robotics 三款後訓練模型。

5月4日週一
  1. Runway:News(網頁)74

    Runway Characters 如何將單張圖片轉化為即時對話影片智能體

    Runway Characters 建立在 GWM-1 上,可把單張參考圖片轉化為具豐富表情的對話影片角色,並以 24fps 生成 HD 影片。模型每幀有效運算時間為 37 毫秒,伺服器端由用戶停止説話至角色開始回應需時 1.75 秒;系統透過逐幀生成及擴散 Transformer 與 VAE 解碼器並行處理,實現即時生成。

4月30日週四
  1. Sequoia Capital:Stories58

    Standard Intelligence 押注以像素空間預訓練通用電腦智能體

    Standard Intelligence 主張以電腦操作影片進行全影片預訓練,讓模型從螢幕像素預測滑鼠移動、點擊和按鍵,以訓練通用電腦智能體。其數據集涵蓋 11 million 小時的電腦操作影片,影片編碼器約有 50× token 效率,可把接近 2 小時的 30 FPS 影片放進 1-million-token 上下文窗口。

4月17日週五
4月9日週四
  1. Hugging Face Blog61

    Waypoint-1.5 提升互動世界保真度並擴展本地硬件支援

    Overworld 推出 Waypoint-1.5 即時影片世界模型,提升視覺保真度並擴大可本地運行的硬件範圍。桌面硬件 RTX 3090 至 5090 可生成最高 720p、60 FPS 的即時環境;另有面向更廣泛消費級硬件(包括遊戲筆電)的 360p 版本,Apple Silicon Mac 支援即將推出。

    推薦理由:Waypoint-1.5 分設 720p 與 360p 檔位,並列明 RTX 3090 至 5090 可達最高 720p、60 FPS,呈現其畫質與本地硬件覆蓋方案。

3月31日週二
  1. Runway:News(網頁)57

    Runway 推出 Runway Builders 初創計劃

    Runway 推出 Runway Builders,面向以生成式影片及即時對話式 AI 開發產品的 Seed 至 Series C 初創。計劃已與首批初創合作,現正擴大開放;參與者可獲最高 500k 免費 API 額度、Runway 最高速率限制、Runway Characters API 使用權,以及 Slack 社羣、培訓和直接支援。

3月25日週三
  1. 通義 QwenAudio:原創語音項目47

    QwenAudio/FunCineForge

    Fun-CineForge 開源面向多元電影場景的零樣本配音數據集流程及模型,並以此建立大型中文電視配音數據集 CineDub-CN,收錄豐富標註及多元場景。模型在獨白、旁白、對話及多説話者場景中,於音質、唇形同步、音色轉換和指令遵循方面持續優於現有先進方法。reW

3月23日週一
3月18日週三
  1. Descript 官方產品更新50

    Descript 2026 年 3 月 17 日產品更新一覽

    Descript 更新色彩調整工具,並把圖片及影片生成整合至同一面板。更新亦改善 Underlord 專案連結、翻譯影片的唇形同步及 Regenerate 音訊自然度,並支援直接匯出 Scenes。上載至 Drive Media Library 的音訊或影片會自動轉錄,逐字稿會與媒體庫檔案一同儲存。

3月16日週一
  1. AiX Society · 原創觀點33

    AI 正重塑「東方荷里活」:虛擬歌手如何改寫音樂與娛樂業的未來

    AI 技術正推動虛擬歌手成為平台化創作工具及 IP 載體,並改變音樂、影視和內容創作模式。中國 AI 虛擬歌手 Yuri 的英文歌曲「Surreal」在全球串流平台累積超過 700 萬次播放;其唇形同步技術由 ByteDance 的 Jimeng OmniHuman 開發,可從單張照片和一首歌自動生成逼真的演唱影片。

  2. AiX Society · 原創觀點33

    AI 正重塑「東方荷里活」:虛擬歌手如何改寫音樂與娛樂的未來

    AI 正把虛擬歌手由單一角色轉變為創作工具與 IP 載體,並重塑音樂、電影、電視及內容創作。中國 AI 虛擬歌手 Yuri 的英文歌曲《Surreal》在全球串流平台累積逾 700 萬次播放;Jimeng OmniHuman 可根據一張相片和一首歌曲自動生成寫實演唱影片。相關技術降低創作門檻,同時引發聲音權利、肖像權及 AI 合成內容標示等爭議。

3月12日週四
3月11日週三
3月9日週一
  1. Runway:News(網頁)64

    Runway 推出 Runway Characters 即時影片智能體 API

    Runway 推出 Runway Characters,即時影片智能體 API,可由單張圖片生成可自訂的對話角色,無需微調。API 可設定角色的語音、個性、知識和動作,並支援對話期間的面部表情、眼球移動、口形同步和手勢。企業團隊可在 dev.runwayml.com 開始建立角色,Runway 網頁應用程式亦推出預設角色供消費者體驗。

3月6日週五
  1. Manus:Blog53

    2026 年十大最佳 AI 影片剪輯軟件

    Manus 在 2026 年以同一段 8 分鐘素材測試 10 款 AI 影片剪輯平台,比較它們減少剪輯時間、保留創作控制權及將長片改編為短片的表現。評測涵蓋 Manus、Adobe Premiere、Veed.io、Wisecut、DaVinci Resolve、Descript、CapCut、Runway、OpusClip 和 Filmora。

2月27日週五
2月16日週一
  1. LMSYS Blog43

    SGLang-Diffusion:面向正式環境影片生成的進階最佳化

    SGLang-Diffusion 加入多項進階最佳化,提升影片生成推理的擴展性、效率及穩定性。改進包括以 token 級分片減少填充開銷、以 Parallel VAE 分散高解像度影片的編碼與解碼工作,以及分開 Text Encoder 和 DiT 的平行策略。Cache-DiT 的快取上下文現會按請求重新設定,以改善多請求服務的穩定性。

2月11日週三
2月3日週二
1月22日週四
1月20日週二
  1. Hugging Face Blog67

    Overworld 推出 Waypoint-1 即時互動影片擴散模型

    Overworld 發佈 Waypoint-1,這款即時互動影片擴散模型可透過文字、滑鼠和鍵盤控制,並按控制輸入逐影格生成。模型以 10,000 小時配有控制輸入及文字描述的多樣化遊戲影片訓練,並以 self-forcing 後訓練,令訓練更貼近逐影格推理。

    推薦理由:Waypoint-1 從訓練之初便以互動體驗為目標,與常見的先用預訓練影片模型、再微調簡化控制輸入的做法形成對照。

1月16日週五
  1. Google DeepMind47

    D4RT:教 AI 看見四維世界

    Google DeepMind 推出 D4RT,這是一個統一的 AI 模型,可重建並追蹤跨越空間與時間的 4D 場景。測試中,D4RT 比此前方法快 18x 至 300x;在單顆 TPU 上,約 5 秒即可處理 1 分鐘影片,而舊方法最多需 10 分鐘。其查詢式 Transformer 架構支援點追蹤、點雲重建及相機姿態估計,應用方向包括機械人、擴增實境與世界模型。

1月14日週三
  1. Google DeepMind72

    Veo 3.1 Ingredients to Video 更新,提升影片一致性與創意並加入原生直向及 1080p、4K 輸出

    Google DeepMind 更新 Veo 3.1 Ingredients to Video,提升參考圖像生成影片的一致性與表現,並加入原生 9:16 直向輸出及 1080p、4K 升頻。

    推薦理由:更新同時處理參考圖像影片中的角色、背景與物件一致性,並加入原生直向及高解像度輸出,可看出 Veo 3.1 如何覆蓋短片創作與專業製作需求。

1月13日週二
1月7日週三
1月6日週二