Cohere 為 Compass 加入面向 AI 智能體的帶時間戳影片檢索功能
Cohere 在 Compass 推出 Video Intelligence,加入可按查詢定位片段的帶時間戳影片檢索,並開始招募設計合作夥伴。在涵蓋 11 個數據集、11,133 條查詢的評測中,Compass 平均得分為 0.69,整體領先最強替代方案 4.4 個百分點。影片與文件可在同一索引中檢索,每項結果附原片連結、時間戳、文字稿及視覺描述,並以權限控制可檢索內容。
Cohere 在 Compass 推出 Video Intelligence,加入可按查詢定位片段的帶時間戳影片檢索,並開始招募設計合作夥伴。在涵蓋 11 個數據集、11,133 條查詢的評測中,Compass 平均得分為 0.69,整體領先最強替代方案 4.4 個百分點。影片與文件可在同一索引中檢索,每項結果附原片連結、時間戳、文字稿及視覺描述,並以權限控制可檢索內容。
愛奇藝公佈2026年第三季度業績,Non-GAAP營運利潤達2500萬元,按年扭虧,經營活動現金流淨額轉為1.7億元。分賬長篇內容上線總量按季增長超200%,相關內容收入按季錄得雙位數增長;公司表示會提高頭部自製精品比例並擴大分賬內容供給。公司稱,約20個在製長劇項目基本採用實拍與AI混制模式,並透過愛奇藝號與納逗Pro連接內容製作、分發及商業變現。
Kling 4.0 的影片生成由時長、解像度、畫面比例和參考素材四項設定控制;時長與解像度影響費用,比例與參考素材則決定鏡頭構圖和可呈現內容。時長為 3–30 秒,解像度為 720p 或 1080p,比例有 16:9、9:16、1:1 和 21:9;參考素材可為單張圖片、按序排列的兩張關鍵影格或影片。
Callirra 的 Kling 4.0 提示詞可透過環境音、配合動作的聲音事件和片段收尾聲音,安排生成音軌的聲音走向。提示詞不能調整混音音量或保證逐格對嘴,需要精確對白時應在後期加入。
這篇比較指出,Kling 4.0 在兩者均提供的 720p 和 1080p 解像度下,每秒所需點數低於 Seedance 2.5,分別為 6 對 12 點數、8.9 對 21 點數。
文投控股近6個交易日錄得5個漲停板,11月以來累計上漲83.33%,但AI漫劇業務收入只佔營收約2.57%。公司2026年前三季度營收同比下降29.51%,淨虧損3754.58萬元;AI漫劇業務仍面對項目延期、商業化不及預期等風險。
芒果超媒近期市場行情由綜藝基本盤穩定,以及AIGC長劇《後西遊記》登上衞視黃金檔並落地播出共同帶動。文中稱《後會友期》三期正片播放破5億、有效播放市佔率一度達77.1%,今年上新獨播綜藝前十中芒果佔五席;《後西遊記》首播取得省級衞視同時段收視第一,並帶動芒果超媒股價漲停。文章指出,AI原生長劇仍面對人物情緒與敍事連貫性問題,相關業務利潤尚未單獨兑現。
文投控股公告稱,截至2026年第三季度,AI漫劇相關業務收入佔公司營收約2.57%,佔比仍小。公司股票於2026年10月27日至11月16日期間多日漲停,累計升幅120%,公司提醒股價大幅上漲後快速回落的風險。AI漫劇業務亦面臨項目延期或無法上線、商業化不及預期及成本增加等風險。
大麥娛樂公告,樊路遠因「專注發展個人事業」辭任董事會主席、CEO等職務,阿里集團CFO徐宏接任非執行董事及董事會主席。2017財年至2024財年,大文娛經調整EBITA累計虧損近600億元;爆款劇不等於平台翻盤,優酷仍需把內容熱度轉化為會員增長、用戶留存和穩定收入,並應對 AI 重塑內容生產鏈。
自媒體創作者魚皮公開其 AI 內容創作流程,涵蓋選題調研、圖文寫作、封面與多平台發布,以及影片腳本、錄製、AI 剪輯和配音。他建議先以圖文測試選題,再把表現合適的內容改編成影片,並透過人工確認大綱、核實事實和累積修改意見,逐步完善工作流。
Talk to Me Doja AI 以獲準使用的成年人士照片生成受迷因舞姿啟發的影片,並將結果定位為 AI 演繹,而非本人跳舞的實際錄影。工具支援 JPG、PNG 或 WebP,圖片上限為 10 MB;每次 14 秒影片生成請求需 100 credits,成功時輸出 MP4,但片長、構圖、相似度及動作可能有差異。
mmops 的 wheel 包可公開下載,配合 Python 3.11 及以上版本和 Ray,可先在本地試跑具身操作影片標註小樣本;新用戶亦可試用基礎版 8ACU、100GB 一個月。
Claude 生成動畫文字影片時,通常提供腳本、場景清單及動畫程式碼,而非直接交付已渲染的影片檔。提示詞應列明目標、格式、文字、視覺風格、動態效果和時間安排;要把程式碼轉成影片,則需錄製播放畫面、使用工具渲染,或匯出文字和時間設定至編輯器。程式碼可驗證轉場是否運作,但觀眾是否投入、內容是否準確及手機畫面上的對比是否清晰,仍需人工判斷。
李飛飛在 CoRL 2026 介紹 World Labs 與史丹福團隊研發的 Atlas,稱其為統一生成與重建的世界模型。Atlas 是從零訓練的自回歸基礎模型,可接收文字、圖像、影片、深度訊號及 3D 結構訊號等輸入,生成像素影格並支援多視角重建。演講稱,Atlas 已蒸餾至 15fps 即時生成,團隊亦正測試其在機械人導航訓練及真實世界與模擬互通操作中的應用。
字節跳動火山引擎官方宣佈,Seedance 2.5 4K API 全面開放。開發者與企業客戶可透過介面調用這款 4K 影片生成模型。
Arena 發布 2026 年第 46 周大模型盲測榜單,Google 的 Gemini 4 Carbon (High) 以 1526 分登上綜合榜首,與 Gemini 4 Argon (High) 的 1522 分差距在誤差範圍內,視為並列第一。
TranscribeLink 在瀏覽器抽取影片音軌,並比較原檔剩餘上載量與音訊檔大小,決定改傳音訊或保留原檔。實作以 Mediabunny 配合 WebCodecs 處理容器與音訊編碼,優先輸出單聲道 16 kHz、32 kbps 的 Opus,約每小時 14 MB,並以 AAC 作回退方案,每小時約 22 MB。
MBZUAI 旗下 IFM 發佈 PAN 2,這個 29B 參數世界模型採用 Apache 2.0 開源授權。模型以 GLP 分為 LLM Planner 規劃層和 29B MMDiT 感知及動力學層;MMDiT 以數億段附有詳細物理標註的影片從頭訓練,並透過基於 Wan 2.2 的 VAE 解碼器生成最長 20 秒的影片。
字節跳動火山引擎宣佈,Seedance 2.5 4K 的 API 全面開放,開發者與企業客戶可透過 API 調用這款 4K 影片生成模型。Draft 模式可先用 480P 樣片驗證分鏡和打磨鏡頭,確認效果後再生成 4K 正片。官方稱,模型採用 10-bit 色深,並可在參考生成及影片編輯時更好地保留上傳素材的畫質、清晰度與色彩。
李飛飛在 CoRL 2026 介紹 World Labs 與史丹福團隊研發的 Atlas,這是一個統一生成與重建的世界模型,主要聚焦渲染及仿真。Atlas 可接收文字、圖像、影片、深度訊號等多模態輸入,並在純生成、稀疏重建和稠密重建之間切換。
Meta 委託 YouGov 的研究發現,94%受訪新加坡小企東主認為小企需要更多指引,才能充分受惠於 AI;曾在業務中使用 AI 的受訪者中,82%表示 AI 在過去 12 個月提升了生產力。
文章主張,想賺錢的人與其研究如何製作 AI 短劇,不如轉而賣課,因為短劇收入來源難以掌握,成本卻須自行承擔。訂閲收入、品牌定製廣告和平台分潤都不確定,抽卡、剪輯及投流則會帶來成本;文中提醒,不要把流水當成利潤。
肖茵將於虎嗅F&M創新節與《持械入宋》總編劇李朝華等人參與圓桌討論,交流AI參與影視創作的挑戰。製作方披露,《持械入宋》全網累計播放量已突破120億。創新節於11月21日至22日在北京798藝術區·79罐舉行,另設AI創作及企業轉型相關分享。
妙動科技打造的多地形跟拍機器人 Beni 於 2026 年 11 月 14 日在深圳舉行中國線下首發,現場開放體驗及購買,標準套裝售價 4999 元、探索套裝 5799 元。
ESPN、MLB 等體育機構正透過兒童 YouTube 頻道、原創動畫和賽事特別轉播,爭取年輕受眾並培養下一代球迷。WSC Studios 把體育內容製作能力延伸至兒童節目,並以 AI 支援動畫、翻譯及聲音克隆;其服務費按項目規模由五位數至七位數美元不等。各項目仍處於早期,播放量能否轉化為長期收益尚待驗證。
一份小型、可重複使用的 QA 清單,協助評估相片轉影片生成結果,並區分輸入問題與輸出差異。清單涵蓋固定測試圖片、核對畫面比例與片長、檢查匯出檔案,以及記錄測試結果、確認相片權利與同意。Talk to Me Doja AI 接受一張人像並生成 14 秒直向影片,每次生成需 100 credits,成功輸出為 MP4,結果會因相片和生成過程而異。
作者示範一個 ffmpeg 腳本,按粗略時間找出單字邊界,將該段原音靜音並疊加 1 kHz 音調,同時保持影片串流不變。在合成測試音上,消音窗內音調佔比為 100.0%,窗外音訊與原音的相關係數為 1.0000,影片串流逐位元相同。固定範圍的例子則在蜂鳴前留下 130 ms、後留下 30 ms 的字音。
這套 70 條 AI 特效提示詞專為 AI 漫劇本地渲染設計,適配 8G 顯存及 9:16 直向短影片,涵蓋光影、粒子、運鏡、質感和轉場五類。提示詞支援權重拆分及 GGUF 量化模型,並提供 Python 批次拼接腳本與 FFmpeg 後期合成方案。建議每次只疊加 1 至 2 種特效,以減少顯存壓力並維持人物形象一致。
影片本地化應先按目標受眾閲讀目標語言的能力選擇字幕或配音,而不是把受眾不適配造成的成效問題歸咎於翻譯。受眾能舒適閲讀目標語言時,優先選用字幕;否則配音較合適,兩種輸出可由同一份轉錄和翻譯生成,以減少用詞不一致。文章另建議先整理 20–50 個術語的詞彙表,再批次處理內容,並由人工檢查名稱、慣用語及字幕分行。
Cutora 以逐字稿中的詞語起止時間規劃鏡頭前講話影片的初剪,刪除長停頓、口誤重説及重複錄製片段,並保留短停頓。判斷重複錄製時會按五項因素評分;若不確定兩段是否相同,便保留兩段,所有刪除內容也會列在時間軸上供還原。初剪仍可能漏掉改寫過的重複句或保留錯誤版本。
ClickPop 團隊發現,製作無真人出鏡影片的難處不在寫腳本,而在維持每個鏡頭及不同集數的視覺一致。Vibe Direct 可把構思或完成的腳本整理成鏡頭清單,Characters 和 Film Studio 則分別用於延續角色形象及頻道風格;用戶亦可在同一工作室內剪輯,並預覽直向畫面。
VAE Rhythm 利用生成影片解碼過程留下的週期性痕跡,偵測 AI 生成影片;論文提出無需訓練的 phase scan,透過不同起始偏移重建影片並測量重建誤差的週期性。
VideoNexus 是免訓練框架,將詳細影片感知與以證據為基礎的規劃和推理分開,由感知子智能體在獨立上下文中處理音訊及影片,並返回精簡、具時間定位的證據。在完整 LVBench 上,以 Gemini 3.8 Flash 作為規劃和感知的共用模型時,準確率達 88.6%,較靜態輸入高 3.6 個百分點,成本為內置智能體處理的 44%。
WeVisForensics 提出自我演進的智能體框架,協調視覺及音訊取證檢查,以局部證據檢測 AI 生成影片,平均準確率達 95.2%。框架透過雙時間尺度強化學習優化調查智能體及取證檢查智能體,並整理出 ForenCue-30K。其準確率較最強的先前檢測器高 9.0%。
論文提出 HubEgo-100K 數據集,首版 v1.0 收錄 10,124 小時 1080p 第一身視角影片,並同步提供 100 Hz IMU 數據。
AI-KSK 介紹一套進階參照編輯流程,以 RGB 外觀參照和深度幾何參照,在單次影片處理中完成角色替換、動作承接、場景與鏡頭保留;提供音訊時,亦可進行音訊驅動的唇形同步。
BLG奪得2026英雄聯盟全球總決賽冠軍,先後淘汰HLE、DK、T1和Gen.G,完成「一穿四」。這是LPL戰隊相隔5年再度奪得S賽冠軍。賽事亦帶動對AI二創、選手輿論壓力及LPL商業可持續發展的討論。
核實匯出的 MP4 是否為 J-cut 或 L-cut,可比對解碼音訊及畫面切換相對於來源時間的位置。教學以同一段對話製作三個 5.75 秒參考影片,音訊剪接均在 2.625 秒,J-cut 和 L-cut 的畫面剪接則分別在 3.250 秒和 2.000 秒。以 24 fps 計算,兩者分別在輸出第 78 格和第 48 格切換畫面。
Character Swap 1.5 在單一 ComfyUI 工作流程中結合 SAM 3.1 遮罩與動作遷移,透過逐幀遮罩選定替換對象,並以原片動作驅動新角色。
Codex 透過 MCP 連接 Valmera,完成從影片連結建立初剪、追加鏡頭並核對修訂版的流程。修訂版前四秒以 FFmpeg 解碼後逐影格比較,亮度抽樣結果一致;初剪為 30 fps、120 幀。交付的 MP4 為 1920 × 1080、長 11 秒,使用託管剪輯功能須持有符合資格的 Valmera 計劃。