ElevenLabs 推出 Image & Video (Beta)，整合圖像與影片創作流程
ElevenLabs 推出 Image & Video (Beta)，在同一平台整合圖像、影片生成及音訊後製流程。用戶可透過 Nanobanana、Flux Kontext、GPT Image 和 Seedream 生成圖像，並以 Veo、Sora、Kling、Wan 和 Seedance 生成影片，再匯出至 Studio 加入語音、背景音樂及音效。
#影片
#影片
今日 12 條ElevenLabs：BlogAI 評分6060 ElevenLabs：BlogAI 評分6262 ElevenLabs 推出 Dubbing v2，讓多語言配音保留原始表演
ElevenLabs 推出 Dubbing v2，直接以原始表演作為條件，將説話者的語調、語氣、節奏和情感意圖延續至 90+ 種語言。其同步感知翻譯系統會自動對齊內容的起始、結束位置和節奏，減少手動調整。
ElevenLabs：BlogAI 評分6565 ElevenLabs 在 ElevenCreative 推出 Flows Agent
ElevenLabs 在 ElevenCreative 推出 Flows Agent，讓用戶以對話描述創作需求，由智能體建立、連接並執行工作流程。它會選擇合適模型、建立及連接節點，並在生成前確認影片長度、語氣和結構；啟用 Assist mode 後，高成本生成須經用戶確認。
ElevenLabs：BlogAI 評分5858 ElevenLabs 在 ElevenCreative 推出 Ads Engine，支援廣告本地化
ElevenLabs 在 ElevenCreative 推出 Ads Engine，首項功能可把廣告素材本地化並推回 Google、Meta 和 LinkedIn。
Suno：BlogAI 評分5353 Suno 推出 Suno Scenes，讓用戶從照片和影片創作歌曲
Suno 推出 Suno Scenes，讓用戶以照片或影片作為素材創作歌曲。功能先向 iOS 用戶開放，可在歌曲創作體驗的 Camera 模式中使用。
Black Forest Labs：BlogAI 評分6969 FLUX 3 與 mimic 合作打造新一代影片動作模型 FLUX-mimic
Black Forest Labs 與 mimic 以 FLUX 3 為骨幹開發 FLUX-mimic，這款影片動作模型從 FLUX 的世界表徵解碼機械人動作。
Black Forest Labs：BlogAI 評分7070 FLUX 3 多模態基礎模型開放 Early Access
Black Forest Labs 的 FLUX 3 多模態基礎模型現已開放 Early Access，採用統一架構共同學習圖像、影片和音訊。它可按文字或圖像、影片參考生成內容，並生成最長 20 秒、帶音訊的影片；模型亦涵蓋動作預測。
Black Forest Labs：BlogAI 評分6969 FLUX 3 Video 第一部分：影片生成初始版本開放使用
Black Forest Labs 已透過 BFL API 及指定合作夥伴開放 FLUX 3 Video 初始版本，支援文字及圖像生成影片。片段最長 20 秒，可輸出 HD（720p）及經升頻處理的 Full HD（1080p），並同步生成原生音訊，另支援影片延續、多鏡頭生成及多語言對白與唇形同步。內部評測稱其文字生成影片表現優於現有 SOTA，圖像生成影片則與 Seedance 2.0 持平。
Black Forest Labs：BlogAI 評分6161 FLUX Video Upscale 支援影片升頻至 2K 和 4K
Black Forest Labs 推出 FLUX Video Upscale，可將 480p 起的影片重新生成至最高原生 4K。它原生支援 FLUX 3 輸出，並可修復模糊人臉和水、草等紋理上的網格瑕疵。
字節 Seed：Research Feed精選AI 評分7878 Seedance 2.5 正式發布，單次最長可生成 30 秒影片並支援多模態參考
字節 Seed 正式發布新一代影片創作模型 Seedance 2.5，單次最長可生成 30 秒影片，並支援多輪延長、多模態參考及時間戳精準編輯。用戶單次最多可輸入 30 張圖片、10 段影片和 10 段音訊作參考，模型亦提升長影片連貫性及綠幕、視角和運鏡編輯能力。Seedance 2.5 正陸續於即夢 AI、豆包專業版上線，API 服務近期亦將上線火山方舟。
推薦理由：Seedance 2.5 將單次影片生成時長提升至 30 秒，並支援多輪延長、多模態參考及時間戳編輯，呈現影片創作由片段輸出走向完整流程的能力變化。
IT之家AI 評分5858 消息稱可靈 AI 已選定承銷銀行，籌備赴港 IPO，擬募資至少 10 億美元
據彭博社報道，快手旗下可靈 AI 已選定承銷銀行，正籌備赴港 IPO，擬募資至少 10 億美元。可靈 AI 正與中金公司、高盛集團及瑞銀集團推進潛在股票發行，目標最早於明年完成上市；融資規模和上市時間仍可能變動。
PyTorch：BlogAI 評分5757 PyTorch 媒體處理架構演進，TorchCodec 統一編解碼，TorchVision 與 TorchAudio 聚焦轉換
PyTorch 在過去兩年整合媒體處理架構，由 TorchCodec 集中負責圖像、影片和音訊的解碼與編碼，TorchVision 和 TorchAudio 則專注處理媒體轉換。
OpenMOSS / 復旦NLP / 上海創智 / MOSIAI 評分5555 OpenMOSS 發佈開源影片與同步音訊生成模型 MOVA
OpenMOSS 發佈開源影片與同步音訊生成模型 MOVA，模型可在單次推理中生成影片及同步音訊。程式庫提供模型權重、推理、訓練、LoRA 微調及評測流程，並列出不同推理及訓練設定的硬件資源與耗時數據。
IT之家AI 評分6464 跨越百年的代言：SKF 用 AI「復活」已故女星葛麗泰·嘉寶拍廣告
瑞典滾珠軸承製造商 SKF 使用 AI 生成已故女星葛麗泰·嘉寶的虛擬形象拍攝廣告，呼應她曾參與推介瑞典產業的短片。
HuggingFace Daily Papers（社區熱門論文）AI 評分3737 Prism：用於原生 2K 聯合影片音訊生成模型訓練的動態稀疏注意力
Prism 提出動態稀疏注意力框架，用於原生以 2K 訓練聯合影片音訊生成模型。框架按時空區域的視覺變化及音訊對影片的影響，動態調整區塊形狀和每個查詢的稀疏度。實驗顯示，相比全注意力，Prism 的訓練速度提升 2.5 倍，生成質素亦更高。
IT之家AI 評分2222 明基推出 AK900ST、AK800ST 室內高爾夫投影機
明基（BenQ）推出面向室內高爾夫的 AK900ST、AK800ST 投影機，支援 4K UHD，亮度最高可達 6000 ANSI 流明，色域覆蓋 97% Rec.709。兩款機型支援高爾夫模式 2.0，並採用基於影格的 AI 影片處理技術，針對高爾夫優化色彩、對比度和細節。
LlamaIndex：產品、工程與評測AI 評分4343 LlamaIndex 與 LanceDB：以多模態 RAG 進行進階影片處理
LlamaIndex 結合 OpenAI GPT4V 與 LanceDB，示範以多模態 RAG 處理影片，檢索影像及音訊轉寫內容。流程每 5 秒擷取 1 個影格（約 160 個），將音訊轉成文字，再用 OpenAI CLIP 為文字和影像生成嵌入向量，存入 LanceDB VectorStore。
Meta AI：Research Blog精選AI 評分7676 Meta 發佈 Muse Image 並預覽 Muse Video
Meta 發佈 Muse Image，並預覽 Muse Video；兩者均為 Meta Superintelligence Labs 開發的媒體生成模型。Muse Image 可調用網絡搜尋和編碼工具、自我修訂，並支援精準編輯與多參考圖像構圖；Meta 稱增加推理時計算可提升生成質素。
推薦理由：文中比較 Muse Image 的推理時計算策略，指出把資源投入刻意推理比 Best-of-N 更能持續提升圖像品質，工具調用亦可補足單靠推理的不足。
Google Developers BlogAI 評分5252 TPU 上影片擴散時空注意力的加速實踐
Google 團隊在 TPU v6e 上優化 SVG 稀疏注意力的執行流程，令 720p、81 幀影片的端到端去噪提速 1.28×。去噪時間由 153.50 s 降至 119.86 s；在 1440p（302K tokens）下則由 2,471 s 降至 1,461 s，提速 1.69×，PSNR 為 24.05 dB。
MiniMax：BlogAI 評分6868 MiniMax 發佈 H3 多模態生成模型，支援原生立體聲 2K 影片生成
MiniMax 發佈 H3 通用多模態生成模型，可理解文字、圖像、影片與音訊的統一上下文，並生成最長 15 秒、2K 解析度的原生立體聲影片。H3 預設提供 2K 輸出，官方表示其 2K 每秒價格低於主流模型的三分之一，並計劃在未來幾天內於適用法律法規範圍內開放模型權重。模型面向廣告、品牌、電商等創作場景，MiniMax 表示完整技術報告將於稍後分享。
The DecoderAI 評分5959 Tavus 的 Griffin 在一分鐘視像通話中被近半受試者誤認為真人
Tavus 發佈 Griffin，稱其為首個「Human Interaction Model」（HIM）；其研究中，48% 參與者在一分鐘視像通話後認為 Griffin 是真人。
OpenMOSS / 復旦NLP / 上海創智 / MOSIAI 評分6767 OpenMOSS 發佈 MOSS-VL 開放權重影片理解模型系列
OpenMOSS 發佈 MOSS-VL 開放權重影片理解模型系列，涵蓋連續影片即時互動、離線理解及後續訓練三類用途。系列包括 MOSS-VL-Realtime、MOSS-VL-Instruct-0708 和 MOSS-VL-Base-0708，分別面向即時互動、離線任務，以及持續預訓練和微調。三款模型均為 11B 參數，支援 256K 上下文窗口；倉庫亦提供即時與離線推理、部署和微調資源。
Manus：BlogAI 評分7474 Manus 2.0 正式推出，升級 Manus Studio 並推出 Cue 應用
Manus 推出 Manus 2.0，帶來 Cascade 最新迭代、Cloud Computer 和 Automations，並將桌面應用升級為 Manus Studio、推出 Cue 獨立應用。
Google ResearchAI 評分5151 Google Research 介紹長篇連貫影片生成研究與四套框架
Google Research 介紹 Co-Director、CANVAS、A²RD 和 VQQA 四套框架，聚焦長篇影片生成的多鏡頭敍事連貫性。它們分別涵蓋創意編排、視覺分鏡記憶、長時序分段生成及閉環提示詞優化，並以專項基準評估。AI video co-director 在 GenAD-Bench 取得 81.4 的峯值質量分數；各框架在相應測試中改善了敍事連貫性、角色持續性或影片品質。
OpenAI NewsAI 評分2828 Higgsfield AI 藉助 GPT-6 Astra 一天內推出新影片功能
Higgsfield AI 藉助 GPT-6 Astra 在一天內推出新影片功能，讓小型企業更容易製作影片廣告。這亦令 Higgsfield AI 能更快將新創作工具推向市場。
vLLM 官方博客AI 評分5858 PyNvVideoCodec 與 vLLM 以硬件解碼提升多 GPU 影片字幕生成吞吐量
vLLM 整合 PyNvVideoCodec，支援使用 NVIDIA GPU 解碼影片，將影片解碼工作從 CPU 移走，以擴展多 GPU 影片字幕生成吞吐量。在 8 張 H100 的測試中，GPU 解碼吞吐量比 CPU 解碼高逾一倍，且大型負載的 CPU 瓶頸消除。PyNvVideoCodec 已包含於標準 CUDA 版 vLLM；自訂安裝需加入 PyNvVideoCodec==2.0.4。
螞蟻 inclusionAI：HuggingFace 新模型AI 評分6363 inclusionAI 發佈 Realtime-Venus 全雙工互動系統
inclusionAI 發佈 Realtime-Venus 全雙工互動系統，提供視聽版 Realtime-Venus-Omni 與音訊版 Realtime-Venus-Audio，兩者均為 9B。
Google DeepMind精選AI 評分7171 Google DeepMind 為 Gemini 推出智能體影片理解功能
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%。
Google DeepMind精選AI 評分7070 Google DeepMind 推出 Gemini Omni 1.1 Flash，新增影片生成控制並支援最高 4K 輸出
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。
FireRedTeam：原創語音與多模態項目AI 評分5151 FireRedTeam 開源 FireRed-OpenStoryline 對話式 AI 影片創作工具
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。
Hugging Face BlogAI 評分5858 NVIDIA 發佈 Cosmos-H-Dreams 即時手術機械人生成式模擬器
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。
Google DeepMind精選AI 評分7575 Google DeepMind 推出 Nano Banana 2 Lite，並向開發者開放 Gemini Omni Flash
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。
Google DeepMind精選AI 評分8080 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。
Hugging Face Blog精選AI 評分6161 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。
OpenAI NewsAI 評分2222 使用 Sora 安全創作
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。
Manus：BlogAI 評分5353 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。
OpenAI NewsAI 評分2020 Sora 動態消息的設計理念
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。
Hugging Face Blog精選AI 評分6767 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。
Google DeepMindAI 評分4747 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。
Google DeepMind精選AI 評分7272 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。