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。
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。
美團 LongCat 發佈 LongCat-Video-Avatar 1.5,這是一個基於 LongCat-Video、用於音訊驅動人物影片生成的開源框架。
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。
Runway 推出 Runway MCP 伺服器,讓用戶可在現有智能體及編碼工具中生成圖像與影片,無須切換工作環境。用戶可提供產品網址、參考圖或文字提示詞,並使用 Gen-4.5、Seedance 2.0、GPT Image 2、Kling 3.0、Nano Banana Pro 等模型。
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。
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。
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。
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。
Runway 推出 Runway Agent,讓用戶透過對話由構思概念、發展故事結構到生成可供發佈的多鏡頭影片。高解像度影片可在數分鐘內生成;用戶可上載參考圖片、選擇畫面比例及片長、設定音訊偏好,再透過對話修改方向,最後以時間軸編輯器作調整。
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。
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。
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。
Descript 於 2026年4月16日發布一輪產品更新,向所有用戶提供 Seedance 2.0 影片生成模型與 API 公測,並在 Descript Rooms 加入即時字幕。
Figma Weave 以 Epoch 的虛構品牌素材示範五個創作工作流程,從參考圖建立風格,延伸至圖像變體、扭曲效果、3D 模型及影片合成。Figma Community 已推出 20+ 個工作流程範本;Figma 正籌備於今年稍後深化 Figma Weave 與 Figma 的整合。
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。
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。
Google 推出 Veo 3.1 Lite Preview,這是其最具成本效益的影片生成模型,面向快速迭代及建構高用量應用。gemini-2.5-flash-lite-preview-09-2025 已停用,建議改用 gemini-3.1-flash-lite-preview。
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
OpenAI 開發 Sora 2 和 Sora app 時,以安全為根基,應對最先進影片模型及全新社交創作平台帶來的新安全挑戰。其安全方案以具體防護措施為核心。
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。
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。
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。
Runway 發文探討如何負責任地打造 Runway Characters,這款於本週較早時候推出的產品,是可由單張圖片建立客製化對話角色的即時影片 Agent API。
Runway 宣佈成立內部孵化器 Runway Labs,探索生成式影片的下一代應用,以及模型如何支援新一代產品和體驗。Runway Labs 由共同創辦人兼首席創新官 Alejandro Matamala Ortiz 與團隊負責,將孵化 AI 影片及 General World Models 領域的實驗性產品。
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。
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。
Runway 表示,GWM-Robotics 對八種機械人操作策略的模擬評分,與真實世界評分的 Pearson 相關係數為 0.95,可用於部署硬件前評估策略。
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。
Descript 在 2026 年 2 月 10 日公佈一輪產品更新,涵蓋 Underlord、影片編輯、轉錄、手機瀏覽及錯誤修正。Underlord 可選 Claude Opus 4.6;內部測試稱,移除填充詞的表現提升 43%,B-roll 放置準確率由 60% 升至 92%,整體完成指令的表現提升 30%。
Sora 動態消息以激發創意、促進連結及保障使用體驗安全為設計理念。相關設計包括個人化推薦、家長控制及強力防護措施。
Runway 發佈研究,讓 1,043 名參與者辨認真實影片與 Gen-4.5 生成影片;逾九成參與者未能可靠分辨,整體辨識準確率為 57.1%。人類相關影片辨識準確率為 58-65%,動物及建築影片則為 45-47%,低於隨機猜測水平。Runway 同時推出網站,供任何人自行測試。
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。
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。
SGLang-Diffusion 團隊回顧項目發佈兩個月的進展,稱目前版本較初版最高提速 2.5x,並列出多款已支援模型及 LoRA、硬件支援。在 NVIDIA GPU 上,SGLang-Diffusion 的速度較其他方案最高快 5x,並已整合 ComfyUI 自訂節點。
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。
Manus 博客作者測試並比較 10 款 AI 影片生成器,採用同一提示,按提示遵循度、真實感、創意及易用性評估。作者將 Runway (Gen 4.5) 列為整體首選、Kling AI 列為真人效果首選、Synthesia 列為商業用途首選,並將 Manus 列為工作流程自動化首選。
Veo 新增 4k 輸出解析度,並在所有解析度下加強直向影片支援。
Gamma 現可用 AI 動畫取代圖片製作簡報,帶來動態視覺效果。此功能適用於 Ultra 和 Business 方案;建立內容時可在圖片來源中選擇「AI animations」。
Descript 推出 Underlord v2,提升影片編輯能力,並改善推理説明及自我修正。官方表示,測試中完整編輯影片至發佈約可少用 20% AI credits;更新亦涵蓋投影片轉影片、按時間及時長編輯,以及圖像和影片生成。
NVIDIA 發佈 Cosmos Reason 2,稱其在 Physical AI Bench 和 Physical Reasoning 榜單位列視覺理解開放模型第一。