作者以 World Labs Atlas Chisel 打造莫卧兒—都鐸宮殿,實測其 3D、遊戲與影片用途
作者以 World Labs Atlas 的 Chisel 製作莫卧兒—都鐸宮殿,展示同一 3D 佈局如何生成風格一致的多視角圖像、鏡頭影片及 3D Gaussian splat。
推薦理由:文章以同一座可編輯 3D 宮殿對照文字生成影片工具,展示共用場景佈局對多鏡頭一致性的作用,並交代 splat 轉網格供遊戲使用仍需清理。
AI 影片生成與理解:文生影片模型、影片編輯工具與影視創作變革的追蹤。
作者以 World Labs Atlas 的 Chisel 製作莫卧兒—都鐸宮殿,展示同一 3D 佈局如何生成風格一致的多視角圖像、鏡頭影片及 3D Gaussian splat。
推薦理由:文章以同一座可編輯 3D 宮殿對照文字生成影片工具,展示共用場景佈局對多鏡頭一致性的作用,並交代 splat 轉網格供遊戲使用仍需清理。
ASUS、Dell 和 MSI 的 NVIDIA RTX Spark 緊湊型桌上電腦現已開售,支援本機 AI 智能體、圖像及影片生成,以及模型微調。系統配備 20 核心 NVIDIA Grace CPU、具 6,144 個 CUDA 核心的 NVIDIA Blackwell RTX GPU,統一記憶體最高 128GB,AI 效能最高達 1 petaflop。
推薦理由:文章交代 RTX Spark 桌上型電腦的本機 AI 用途、硬件規格與創作軟件支援,呈現其面向開發者和創作者的工作流程範圍。
Seed 團隊正式發佈新一代影片創作模型 Seedance 2.5,單次影片生成時長由 15 秒提升至 30 秒,並支援多輪延長。模型單次最多可輸入 30 張圖片、10 段影片及 10 段音訊作參考,並支援時間戳精準編輯。Seedance 2.5 正陸續上線即夢 AI、豆包專業版,API 服務近期將上線火山方舟。
推薦理由:Seedance 2.5 將單次生成時長由 15 秒提升至 30 秒,並支援多輪延長及多模態參考,交代長敍事創作的主要能力變化。
Gemini Omni 1.2 Flash 可生成及編輯最長 15 秒的影片,Google 帳戶用戶可透過 Google Vids 每月免費製作 3 段 15 秒影片。文章比較 Google Vids、Google Flow、Gemini app 和 Gemini API 的使用條件;Gemini API 的 720p 影片收費為每秒 $0.07,而 Flow 免費帳戶生成影片仍限 10 秒。
推薦理由:文章比較 Google Vids、Flow、Gemini app 和 Gemini API 的 15 秒影片門檻與費用,並列出 Google Vids 每月 3 段免費額度及 Flow 免費帳戶的 10 秒限制。
Gemini Omni 1.2 Flash 已在 Gemini API 和 Gemini for business 正式提供,支援最長 15 秒影片生成,並加入多輪對話編輯及更強的參考素材跟隨能力。相較 Gemini Omni 1.1,影片時長上限由 10 秒增至 15 秒,720p 影片價格下調 30% 至每秒 $0.07。
推薦理由:相較 Gemini Omni 1.1,更新將影片時長上限由 10 秒提高至 15 秒、價格下調 30%,並加入多輪編輯,具體呈現生成時長、成本與修改流程的變化。
Google DeepMind 於 11 月 5 日推出 Gemini Omni 1.2 Flash,並首次將 Omni 系列全面向開發者開放(GA)。新模型支援原生生成 15 秒影片(上一代為 10 秒)、多輪對話式編輯及更強的參考圖遵循能力;價格較 Omni 1.1 下調 30%,720p 每秒 0.07 美元,生成 15 秒約 1.04 美元。
推薦理由:文章把原生片長、多輪編輯及參考圖遵循能力,與按秒定價及降幅一併呈現,可見模型如何降低生成成本並支援反覆修改。
Google 推出 Gemini Omni 1.2 Flash 影片生成模型,原生影片時長由 1.1 版的 10 秒延長至最長 15 秒,價格較 1.1 版降低 30%。720p 影片生成價格為每秒 0.07 美元,並支援以 1 秒為單位,在 3 至 15 秒間自訂片長。模型支援多輪對話式編輯,並已在 Gemini API 與 Gemini for business 全面開放使用。
推薦理由:先以 360p 或 720p 起草、逐輪修正,再升至 1080p 或 4K 的流程,呈現模型如何透過編輯減少整段重生的成本。
Google 發佈 Gemini Omni 1.2 Flash 影片生成模型,原生支援最長 15 秒影片生成,並在 Gemini API 與 Gemini for business 全面開放使用。
推薦理由:原文同時交代影片時長、逐輪編輯與分階段提升解像度的流程,並列出每秒定價,便於掌握功能變化與成本資訊。
Google DeepMind 推出 Gemini Omni 1.2 Flash,支援最長 15 秒影片生成,並在 Gemini API 及 Gemini for business 普遍提供。價格較 Gemini Omni 1.1 下調 30%,720p 影片定價為每秒 $0.07。新版本支援多輪對話式編輯,並加強參考素材跟隨能力及角色、物件和場景的一致性;語音更自然,唇形同步亦更清晰。
推薦理由:Gemini Omni 1.2 Flash 將最長片長由 Gemini Omni 1.1 的 10 秒提升至 15 秒,720p 定價下調 30% 至每秒 $0.07,可從片長與成本兩方面比較版本變化。
快手旗下可靈於2026年10月30日完成增資交割,投資者實繳資金合計約198.02億元,股東包括快手舊投資人、國家級基金、地方產業基金和產業公司。騰訊和百度是公開資料中可確認的共同投資人,部分曾參與快手投資的人士也透過關聯主體或新機構參與可靈融資。BlueFive相關主體未按期繳付剩餘增資款,部分認購權轉讓、部分認購義務終止,使實繳金額低於此前披露的約204.47億元融資上限。
推薦理由:文章對照快手與可靈兩輪融資,梳理舊投資人延續入場、新產業資本加入及BlueFive未完成交割帶來的股東名單變化。
快手旗下北京可靈完成約198.0184億元外部融資交割,快手稱此為全球影片大模型公司最大額融資紀錄。交割後,阿里、騰訊旗下上海啟善及百度分別持有1.38%、0.56%及0.28%股權。達康蘭五及BFI MIDCO未繳清的認購款已取消,兩者退出本輪投資。
推薦理由:文章對照融資上限、此前已確定投資額與最終交割金額,並交代投資者認購調整及退出安排,呈現本輪融資的落地細節。
西班牙主要反對黨人民黨(PP)於 10 月 21 日、即 11 月 29 日大選前,發布 AI 深偽競選影片,以社會黨相關人物的肖像呈現他們承認不當行為。片中包括桑切斯妻子 Begoña Gómez 的 AI 版本;PP 稱影片旨在諷刺社會黨,並非意圖欺騙。九名受訪法律專家中的大多數認為影片不違法,但專家亦討論其倫理性及是否構成虛假資訊;片中人物 Leire Díez 已向法院提出申訴。
推薦理由:報道並列人民黨的政治諷刺辯護、法律專家對合法性與倫理的區分,以及片中人物提出的申訴,呈現選舉深偽爭議的不同面向。
NVIDIA 擴展 Cosmos 平台,加入訓練工具、模擬檢查點及 Cosmos Data Factory 藍圖,支援世界模型訓練、評估和部署。Cosmos Data Factory 提供五種雲端原生藍圖;Cosmos Framework 則支援透過微調和強化學習調適開源模型,並以知識蒸餾和量化作最佳化。
推薦理由:文章串連數據整理、模型調適與模擬測試等更新,並列出 Porsche、ANYbotics 等企業案例,呈現 Cosmos 工具鏈在實體 AI 開發流程中的應用。
Seedance 2.5 正式發布,單次影片生成時長提升至 30 秒,並支援多輪延長。模型單次最多可參考 30 張圖片、10 段影片及 10 段音訊,並支援時間戳精準編輯。模型正陸續上線即夢 AI、豆包專業版,API 服務將於近期上線火山方舟;項目主頁:https://seed.bytedance.com/seedance2_5。
推薦理由:Seedance 2.5 將單次生成時長提升至 30 秒,並支援多素材參考及時間戳編輯,呈現影片生成由片段輸出走向長敍事與精細控制的能力變化。
亞利桑那州上訴法院裁定,一段在量刑聽證會播放的 AI 生成受害者影片造成「過度情感影響」,要求法官重新考慮被告刑期,但維持誤殺定罪。影片以 AI 生成 Christopher Pelkey 的形象,讓他表示原諒殺害他的 Gabriel Horcasitas;Pelkey 的姐姐 Stacey Wales 告訴 404 Media,她製作影片的目的就是影響法官。
推薦理由:案件呈現 AI 生成的受害者陳述如何進入量刑程序,以及上訴法院如何評估影片對刑期裁量的情感影響。
亞利桑那上訴法院裁定,量刑時播放的 AI 生成受害者影片造成不當情緒影響,要求法官重新考慮刑期,但維持被告的誤殺罪裁決。影片由受害者姊姊撰寫台詞,透過 AI 生成的弟弟形象表達原諒;法院認為影片並非呈現真實事件,且對法官造成影響,令量刑程序不公。姊姊表示,若需重新量刑,她準備親自宣讀同一份台詞。
推薦理由:裁決把生成式 AI 模擬死者發言與呈現真實事件的照片區分,並聚焦其對量刑公正的情緒影響,呈現法院處理 AI 內容的具體法律考量。
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。
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 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 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。