本文へスキップ

AI 视频生成与理解:文生视频模型、视频编辑工具与影视创作变革的追踪。

66件の厳選関連トピック图像生成多模态语音与音频

最新の厳選

1〜20 件目 · 全 66 件
10月31日土
  1. IT之家 · AI 筛选81

    快手旗下可灵 AI 完成约 198 亿元独立融资交割中国語

    快手科技公告旗下可灵 AI 独立融资正式完成交割,投资者实际支付增资款总额约 198.02 亿元(约 29.05 亿美元)。因部分机构未按期出资,交割金额较原设定的 204.47 亿元上限减少约 6.45 亿元。最终股东涵盖上海国方数科(16.9 亿元)、国家人工智能产业投资基金(14 亿元)及阿里云(约 13.63 亿元)等多类机构。

    推薦理由:原文披露了实际交割金额较上限缩减的具体细节与核心国资机构出资比例,有助于读者评估国内头部生成式 AI 资产的独立融资进展。

10月30日金
  1. 量子位72

    英伟达与 MIT 团队基于 MiniMax H3 开源视频增强方案 Open-H3-Regenerate-2K中国語

    英伟达与麻省理工学院团队在 Hugging Face 和 GitHub 开源了基于 MiniMax H3 的视频增强项目 Open-H3-Regenerate-2K,支持将低分辨率视频草稿重生成为 2K 及最高 4K 视频。

    推薦理由:该项目为视频生成流程提供了可本地部署的高分辨率重生成方案,并公开了针对潜空间放大与快速解码的加速实现。

  2. Hacker News · AI64

    Kinoloom 开源:支持在 8GB 显卡本地运行的 AI 电影制作工具中国語

    开发者 harlixay7 开源了本地 AI 电影制作工具 Kinoloom,支持在配备 8GB 显存显卡(如 RTX 3070)和 64GB 内存的普通 Windows PC 上运行。

    推薦理由:该项目通过在潜在空间拼接片段与分时调度显存,展示了在消费级显卡上低成本实现连贯长视频生成与自动质检的工程方案。

10月29日木
  1. 量子位71

    Genspark 发布视频智能体工作台 Media Studio中国語

    Genspark 正式上线视频智能体工作台 Genspark Media Studio,接入 20 多家厂商的 70 多个模型版本,实现全流程 AI 视频制作。平台支持大语言模型编排剧本分镜、故事圣经保存角色一致性设定、代码渲染知识讲解视频以及 3D 白模预演,并提供 480p 低清草稿预览与时间轴局部重拍功能以减少积分损耗。

    推薦理由:材料详述了多模型协同的视频制作工作流与实测效果,读者可了解端到端AI短剧生成的产品形态与成本控制机制。

  2. 爱范儿 · AI 筛选68

    即梦短剧工作室实测:通过资产复用与3D预演降低视频生成试错成本中国語

    即梦推出短剧工作室并整合 DreamScript、Anycook 与 DreamShot 等模型,提供从剧本解析、资产管理到 3D 导演台预演及后期局部重拍的剧集创作流程。实测表明,系统支持将角色和场景沉淀为可跨集调用的资产,并允许在三维空间中通过白模调整站位与机位以减少盲目算力消耗。结合相关会员折扣活动,Seedance 2.5 的 720P 带参考视频生成最低折算约 0.19 元/秒。

    推薦理由:实测展示了从剧本解析到3D导演台预演的短剧工作流,为多镜头一致性与局部修改提供了低试错成本方案。

  3. Hacker News · AI60

    Prime Video 首部全 AI 生成剧集《Castle Walls》上线受评:画面失真且叙事平庸中国語

    Prime Video 上线了由土耳其制作公司 Ay Yapım 采用多款生成式视频工具制作的端到端 AI 剧集《Castle Walls》,但其实际呈现遭到卫报影评人严厉批评。

    推薦理由:文章评析了主流平台首部端到端 AI 剧集的质感,指出了当前生成技术在人物表现力与叙事连贯性上的具体局限。

  4. Hacker News · AI65

    Tellers 开源 AI 智能体视频编辑技能库,支持在浏览器中实时预览时间轴中国語

    Tellers 开源视频编辑技能套件 tellers-ai/skills,允许 AI 智能体直接剪辑音视频并在浏览器中实时预览 OTIO 时间轴。该套件提供无需账号的本地播放器 tellers-otio-player 与对接云端能力的 tellers-mcp,支持本地或 URL 素材的剪切、分层、字幕特效添加及 MP4 导出。

    推薦理由:项目开源了适配主流代码智能体的视频剪辑技能与时间轴预览组件,为自动化视频生产提供了轻量接入方案。

10月28日水
  1. Hacker News · AI79

    Meta 发布 Muse Realtime Avatar:单张图片即可生成流式互动数字人中国語

    Meta 推出实时化身生成技术 Muse Realtime Avatar,可将任意静态图像转化为具备面部、手势与全身动作的实时交互式数字人。该模型与 Muse Realtime Voice 共享语音 token 流实现音画同步,通过自强制与分布匹配蒸馏将推理评估从 120 次压缩至 2 次,实现 60 倍计算量精简。

    推薦理由:原文给出了将120次评估压缩至2步的因果扩散蒸馏架构与端到端低延迟部署方案,展示了交互式视频生成的工程落地路径。

  2. Hacker News · AI76

    开源项目 claude-watchall 发布:支持 Claude 解析与分析全网及本地视频中国語

    开发者开源了 Claude 技能 claude-watchall,支持 Claude 解析并理解 YouTube、TikTok、X 等 1800 多个网站的在线视频以及本地各类常见视频格式。

    推薦理由:原文展示了如何通过接触表拼帧与分层语音转录降低多模态处理长视频的 token 消耗,为多模态智能体工作流设计提供了可复用的预处理参考。

  3. Hacker News · AI60

    马斯克 Grok 生成的《奥德赛》短片引发广泛差评,影评人称其空洞如电脑屏保中国語

    Elon Musk 联合 Wonder Studios 使用 Grok Imagine 制作的 7 分钟 AI 短片《奥德赛》首集在 X 发布后遭遇广泛负面评价,卫报影评人给出了一星并指其如同屏保般缺乏动机与意义。

    推薦理由:报道展现了当前生成式视频在极低成本成片与叙事质感之间的落差,有助于客观评估 AI 影视制作落地的实际水平。

  4. Hacker News · AI61

    OpenMontage Drama Studio 开源发布:支持自托管的 AI 短剧创作工作台中国語

    OpenMontage Drama Studio 开源发布,这是一个支持自托管的 AI 短剧与短视频制作工作台,涵盖剧本、角色、场景、道具、分镜、配音与剪辑 7 个完整阶段。系统支持自带 API 密钥连接主流文本、图像与视频模型(亦可接入本地 ComfyUI),既允许创作者按工序手动调整,也支持智能体后台自动化推进并在无限画布中视效管理。

    推薦理由:原文详细梳理了短剧制作的七阶段流水线与自托管部署架构,读者可以据此评估全流程 AI 短剧生成的落地路径。

  5. IT之家 · AI 筛选76

    谷歌 DeepMind 推出世界模型 Genie 4,支持交互式编辑与音视频同步生成中国語

    谷歌 DeepMind 推出最新世界模型 Genie 4 并开放研究预览,用户可在模拟运行中输入提示词实时修改场景并生成同步音频。该模型最长可维持两分钟连贯场景,支持实时调整天气、镜头与新增物体,并与 Gemini 协同用于机器人仿真实验及影视原型构思。目前该模型已面向可信测试者开放,后续数周内将逐步推向谷歌 AI Ultra 订阅用户及 Gemini API 合作方。

    推薦理由:Genie 4 将世界模型推向实时交互与音视频同步生成,结合 Gemini 协同调度的机制展现了在机器人仿真与影视制作中的落地路径。

10月27日火
  1. Hacker News · AI63

    PoseForge 开源:本地优先的 AI 图像与视频创作工作台中国語

    开发者 vishwakulkarni 开源了本地优先的 AI 图像与视频工作台 PoseForge,支持保持人物一致性并迁移姿态。该工具内置 PGlite 数据库,工作区、角色库和生成历史均保留在本地,前端提供引导式工作台与多项目节点画布,可灵活接入 ComfyUI、Codex CLI、Google Antigravity 以及 Higgsfield、fal.ai 等外部 API 引擎。

    推薦理由:项目将角色库与姿态库保留在本地轻量数据库中,为多模型调用下的画风一致性与隐私控制提供了实用架构参考。

10月26日月
  1. Hacker News · AI65

    开源视频制作工具 AIVS 发布:结合 Codex 分镜规划与 LTX-2.5 本地渲染中国語

    AIVS 是一款将剧本自动转化为带语音视频的开源桌面工具。该工具使用 Rust 开发前端,通过 Codex 应用协议将文字剧本规划为包含走位、台词与镜头调度的分镜脚本,随后基于 MLX 在 Apple Silicon Mac 上本地运行 LTX-2.5 渲染 1280×704 分辨率的分镜音视频。

    推薦理由:原文给出了利用大模型规划分镜并配合本地模型渲染连贯镜头的完整工作流,展示了端到端剧本转视频的管线设计。

  2. Hacker News · AI70

    中国首部全 AI 生成院线长片上映但预售票房遇冷中国語

    中国首部全 AI 生成故事片《三星堆:未来未来》正式登陆院线,但截至上映前夕预售票房仅约 6.5 万元人民币,猫眼预测总票房不足 10 万元。该片由博纳影业出品,耗时两年多、近百人参与且制作成本超 1000 万元,排片超过 1 万场,但观众与业内人士反映其画面质感尚未达到让用户主动掏钱买单的标准。

    推薦理由:报道呈现了全 AI 生成长片进入院线面临的商业化困境,有助于读者了解生成式视频从短剧流量走向大银幕买单时的品质落差与接受度。

10月25日日
  1. Hacker News · AI63

    因视频含 AI 生成痕迹,尼康显微摄影大赛取消清华学者冠军头衔中国語

    尼康第16届微观世界动态摄影大赛剥夺了清华大学 Ning Xu 博士的冠军资格,因其展示呼吸道纤毛运动的参赛视频被科学家指出细胞闪烁异常并发现疑似 AI 水印。调查认定该作品违反赛事规则,头衔已转授越南选手 Nguyen Nam Nhat;Xu 曾辩称仅在后处理中使用 AI 可视化增强而未直接生成视频。尼康表示后续将重新评估赛事的评审流程与规则。

    推薦理由:事件展现了科研微观成像与生成式技术结合带来的伦理挑战,促使专业评奖机构重新审视图像处理规则。

10月24日土
  1. AITNT · AI头条(网页)79

    Kimi 发布旗舰模型 K3.1 Pro:拥有 2.8T 参数并支持 100 万 Token 上下文中国語

    Kimi 正式发布 2.8T 参数的新一代旗舰模型 Kimi K3.1 Pro,支持 100 万 Token 上下文,完整模型权重预计于 11 月 4 日前开放。API 定价为输入每百万 Token 13 元、输出 68 元,并同步推出输出速度提升 2 至 3 倍的 Highspeed 版本。作者实测指出,该模型在 Web 3D 交互建模、空间理解漫游以及长时长科普动效视频生成方面展现出显著提升。

    推薦理由:原文实测了空间建模与长动效视频生成案例,读者可以直观对照其在多模态视觉任务上的落地表现。

  2. Hacker News · AI66

    BBC《蓝色星球 III》刻意保留浑浊镜头以证明真实性并应对 AI 造假中国語

    BBC 自然历史纪录片《蓝色星球 III》制作团队宣布,为应对生成式 AI 造假疑虑并证明镜头真实性,全片刻意保留了更浑浊、未经过度修饰的画面,并确认全片未使用任何一帧生成式 AI。以往会被剪除的浮游生物杂质、水面船只与浮标等痕迹均被保留,以突显现场拍摄的有机感与真实度。制作团队历时四年跨越五大洋,利用微型水下摄像机等自研设备记录了海豚用海绵堵洞捕鱼等罕见动物行为。

    推薦理由:BBC 纪录片刻意保留浑浊镜头以抵消生成式 AI 带来的造假疑虑,展现了真实影像在 AI 时代为确立可信度采取的策略。

  3. Hacker News · AI73

    开源工具 Agentcut 发布,支持通过 Claude Code 或 Codex 实时生成与剪辑视频中国語

    开发者开源了视频编辑辅助工具 Agentcut,让用户通过提示词驱动 Claude Code 或 Codex 实时编写 Remotion 场景并排布时间线。项目采用 MIT 协议且无后端,智能体、本地文件及 API 密钥均保存在用户计算机上,生成的每个场景均为 React 组件,包含 49 个预制组件并支持在浏览器中直接导出 16:9 或 9:16 的 MP4 视频。

    推薦理由:项目将编程智能体与基于代码的视频渲染结合,让模型在本地生成图层并实时预览,为代码驱动的视频制作提供了新参考。

  4. Hacker News · AI68

    中国首部全 AI 生成院线长片《三星堆》定档周五上映中国語

    中国首部获得院线公映许可证的全 AI 生成长篇电影《三星堆》定档周五上映,马来西亚同步开画。该片耗时两年多、投入超 1000 万元人民币(约 150 万美元),生成超 120 万张前期图像并完成逾 100 次全片迭代,最终成片 100 分钟。制作团队划分了 17 个专业职能进行逐帧审核与重制,试图探索 AI 影视从短剧转向大银幕工业标准与商业变现的路径。

    推薦理由:原文披露了全AI生成从短剧走向院线长片的真实制作成本与工业工种流程,为观察生成式技术进入院线工业提供了现实样本。