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。
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。
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 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。
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。
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 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。
The Walt Disney Company 與 OpenAI 達成協議，將逾 200 個 Disney、Marvel、Pixar 及 Star Wars 角色帶到 Sora，用於製作以粉絲創意為靈感的短片。協議強調在娛樂領域負責任地使用 AI，並包括 Disney 全公司使用 ChatGPT Enterprise 和 OpenAI API。
推薦理由：這項協議同時涵蓋粉絲創作短片中的角色使用，以及 Disney 全公司使用 ChatGPT Enterprise 和 OpenAI API，呈現合作涉及娛樂內容與企業工具兩方面。
Sam Altman 宣佈推出 Sora App，結合新模型 Sora 2，並提供影片創作、分享和觀看功能。Cameo 功能可讓用户把自己和朋友加入影片，團隊為角色一致性投入大量工作。產品設有防止深偽肖像濫用、處理令人不安或違法內容的措施，並會定期檢視 Sora 對用户情緒和身心狀況的影響；作者亦提出長期用户滿意度、用户控制動態及優先創作等原則。
推薦理由：文章列出 Sora 在用户滿意度、動態控制和創作方面的原則，並交代深偽肖像濫用防護及定期檢視用户身心狀況的安排。
OpenAI 推出 Sora 2，這是一款可生成同步對白與音效的影片生成模型。材料並指出，Sora 產品已不再提供。
推薦理由：這則材料同時交代 Sora 2 的同步對白與音效生成能力，以及 Sora 產品已不再提供的狀態，讓讀者掌握模型能力介紹與產品供應情況。
OpenAI 發佈 Sora 2 系統卡，介紹這款基於 Sora 的影片與音訊生成模型。Sora 2 加入過往影片模型較難實現的能力，包括更準確的物理表現、更清晰的寫實效果、同步音訊、更強的可控性及更廣的風格範圍。
推薦理由：Sora 2 系統卡將其能力置於既有影片模型的比較脈絡中，並列出物理表現、同步音訊與風格範圍等變化。
Hugging Face 介紹如何在 ZeroGPU Spaces 使用 PyTorch AoT 編譯，將模型預先編譯後在不同程序中載入，以減少即時編譯造成的冷啟動開銷。
推薦理由：文章拆解 ZeroGPU Spaces 的 PyTorch AoT 編譯流程，並展示量化、動態形狀與區域編譯等可遷移的優化做法。
Hugging Face 發佈 SmolVLM2，提供 2.2B、500M 和 256M 三種影片理解模型，並從推出首日起支援 Transformers 和 MLX，後者提供 Python 及 Swift API。
推薦理由：文章同時列出 2.2B、500M、256M 規模及 Video-MME 表現，方便比較不同參數量下的影片理解能力取捨。
Hugging Face Diffusers 團隊梳理多款開源影片生成模型的能力與限制，並介紹 Diffusers 對影片生成、推理優化及微調的支援。
推薦理由：文章整理多款開源影片模型的資源需求，並以 HunyuanVideo 不同優化設定的數據，呈現量化、卸載和 VAE tiling 對顯存與推理時間的實際取捨。
OpenAI 的影片生成模型 Sora 現已可在 sora.com 使用，支援生成最高 1080p、最長 20 秒的影片。影片可採寬屏、直向或正方形畫幅；用户可用自備素材延展、改編或混合影片，也可單憑文字生成全新內容。
推薦理由：Sora 的可用入口及生成規格清晰列出，涵蓋影片時長、解像度、畫幅選擇，以及文字生成和自備素材改編等方式。
Hugging Face Blog 梳理文字生成影片模型的發展，對比 GAN、Transformer 與擴散模型路線，並概述生成能力限制。空間與時間一致性、配對資料稀缺及影片描述困難，令模型訓練成本高，長影片生成亦受上下文限制。Hugging Face Diffusers 可下載、執行及微調 Text2Video-Zero 和 ModelScope，Hub 亦提供多個示範及本地運行指引。
推薦理由：文章梳理文字生成影片模型從 GAN、Transformer 到擴散模型的演進，並交代資料與長影片生成的核心限制。