跳到正文
实时
#视频
11月14日周六
11月13日周五
  4. Hugging Face Daily Papers

    BirdDreams：联合视角与 BEV 视频生成实现合理、反应式驾驶世界模型

    BirdDreams 联合生成视角视频和鸟瞰视频（BEV），使场景布局成为预测未来的部分，通过 BEV 提供车辆位置和运动的俯视图，减少遮挡，而视角视频保留场景细节。在 PhysicalAI-AV 和 nuScenes 上，BirdDreams 比先前的驾驶世界模型更忠实地遵循输入的自身轨迹，并生成更合理的自身运动，无需 HD 地图或车辆状态输入。

  5. The Decoder

    Anthropic 推出 Claude Meetings 功能让 AI 参与视频会议

    Anthropic 发布 Claude Meetings 功能，允许 Claude 以可见参与者身份加入视频会议，可回答问题、生成文档和白板、记录笔记和行动项，默认以文本形式响应并经授权可访问连接工具，会议结束后所有笔记、文本记录和文档均在 claude.ai 专属页面上传，隐私控制默认阻止 Claude 加入含外部参与者的会议。

    同一件事 · 2 家
  6. Claude · YouTube

    Claude Meetings 发布：AI 参与视频会议实时构建文档与白板

    Claude Meetings 开始在 Team 和 Enterprise 计划的 Google Meet 上以 Beta 版形式推出，AI 智能体作为可见参与者加入视频会议，在交谈中实时构建文档、白板等内容，并自动记录笔记和行动项，所有生成内容会保存在会议页面。其他视频会议平台支持即将到来。

    同一件事 · 2 家
11月12日周四
  1. IT之家 · AI65

    荣耀 700 系列手机全系配备新一代绿洲护眼屏，首发旗舰同款长焦增距镜，提供“4K 电影感 Live 照片”

    荣耀 700 系列手机全系配备 1.5K 分辨率、3840Hz 零风险调光的新一代绿洲护眼屏，搭载全链路干眼守护方案；首发旗舰同款长焦增距镜，提供 5000 万像素电影感潜望长焦支持 3.5 倍光学变焦；打造“4K 电影感 Live 照片”功能，支持 1500+ 种定制化护眼建议。

11月11日周三
  1. IT之家 · AI

    Adobe 公布四项 AI 实验项目：照片秒变 3D 场景，还能通过聊天设计 AI 角色

    Adobe 公布四项 AI 实验项目：Project Screen Test 通过对话设计 AI 角色；Project Sight Span 将照片转为可探索 3D 场景；Project Sound Bender 实现视频音效自由调整；Project Rinse Repeat 自动复制编辑操作。

    同一件事 · 2 家
  2. The Verge · AI

    Adobe 实验性 AI 工具：让照片可探索、AI 角色会对话、编辑如复制粘贴

    Adobe 推出实验性 AI 工具 Project Screen Test，通过对话设计 AI 角色并生成试镜动画；Project Sight Span 将照片转为可探索的 3D 环境；Project Sound Bender 允许用户像调色轮一样定制音效；Project Rinse Repeat 可复制编辑自动应用于同图其他对象

    同一件事 · 2 家
11月10日周二
  2. 量子位

    Fable 5.2 首批实测：能力大增但价格降20%，网友玩出游戏、视频、3D建模等惊艳效果

    Fable 5.2 在智能体编程、软件工程测试等能力上全面超越 Opus 5.5，支持 100 万 Token 上下文，输出速度提升 30%，价格降 20%，API 每百万输入输出 Token 分别为 8 美元和 40 美元；网友实测可制作 3D 游戏、视频、交互体验，甚至从达·芬奇手稿生成 3D 模型，但高推理档位下 Token 消耗显著增加。

11月9日周一
11月7日周六
  1. 36氪 · AI70

    谷歌发布 Gemini Omni 1.2 Flash 视频生成模型，单段时长增至 15 秒

    谷歌推出 AI 视频生成模型 Gemini Omni 1.2 Flash，原生支持最长 15 秒视频，时长上限较上一代的 10 秒提高 50%，用户可在 3 秒至 15 秒之间按 1 秒为单位设定生成时长。

    同一件事 · 6 家
11月6日周五
  2. 量子位

    Wan3.0 支撑淘宝 AI 品牌短剧冲击双11 业绩

    阿里新一代视频生成模型 Wan3.0 通过一致性、真实质感、风格驾驭和视频编辑能力，在淘宝短剧《九尾神临》《毛手毛脚餐厅》《终章之外》中实现人物、商品与空间关系的稳定还原，助力品牌植入并推动交易转化，展现 AI 视频模型在电商领域的商业价值。

  4. MarkTechPost72

    Google 发布 Gemini Omni 1.2 Flash，支持 15 秒视频、720p 每秒 0.07 美元

    Google 发布视频生成与编辑模型 Gemini Omni 1.2 Flash，原生支持最长 15 秒片段，720p 视频定价为每秒 0.07 美元，比 Omni 1.1 Flash 降低约 30%

    同一件事 · 6 家
  6. 36氪 · AI84

    谷歌推出视频生成模型 Gemini Omni 1.2 Flash，价格下调30%

    谷歌于当地时间11月5日推出视频生成模型Gemini Omni 1.2 Flash，并在Gemini API和Gemini for Business中全面开放。该模型引入原生15秒视频创作、多轮对话式编辑和增强的参考遵循能力，价格较Gemini Omni 1.1下调30%，720p分辨率下为每秒0.07美元。

    同一件事 · 6 家
  7. IT之家 · AI94

    谷歌发布 Gemini Omni 1.2 Flash 视频生成模型，原生 15 秒、较 1.1 降价 30%

    谷歌推出 Gemini Omni 1.2 Flash 视频生成模型，并在 Gemini API 与 Gemini for business 平台开放使用。新版原生支持最长 15 秒视频，可在 3 到 15 秒区间按 1 秒自定义时长，720p 生成价格为每秒 0.07 美元，较 1.1 版本降价 30%。

    同一件事 · 6 家
  8. TechCrunch · AI65

    Meta 推出 Muse AI 模型视频聊天功能

    Meta 宣布其消费者 AI 代理 Muse 的语音和视频聊天功能 Muse Realtime Avatar 和 Muse Realtime Voice 现已面向美国所有用户开放，用户可通过与可爱的动画头像 Jolly 互动进行实时对话，该头像可根据用户喜好定制，并使用与对话情绪匹配的细微表情和手势。

  9. Hugging Face Blog71

    NVIDIA 发布 Cosmos 3 四个开源世界模型检查点

    NVIDIA 在 Cosmos 世界模型平台下新增四个 Cosmos 3 开源权重检查点，均为 Cosmos 3 Nano 的后训练版本，含 16B 可训练参数，采用 OpenMDW1.1 许可，允许商用与非商用。

    推荐理由: 原文给出四个开源权重检查点及四阶段后训练配方，读者可据此判断如何把世界模型适配到自有传感器与机器人本体。

  10. The Decoder92

    Google 发布 Gemini Omni 1.2 Flash 视频生成模型，时长延至 15 秒、价格降 30%

    Google DeepMind 将 Gemini Omni 1.2 Flash 视频生成模型开放通用，片段时长从最长 10 秒延长到 3 至 15 秒，720p 视频价格降至每秒 0.07 美元、比前代低 30%。

    同一件事 · 6 家
  11. Google AI Blog78

    谷歌发布 Gemini Omni 1.2 Flash，支持 15 秒视频并降价 30%

    Google 发布 Gemini Omni 1.2 Flash，并通过 Gemini API 和 Gemini for business 正式开放。原生视频生成时长从 Omni 1.1 的 10 秒提升到 15 秒，可按 1 秒步长指定 3 至 15 秒，720p 价格降至每秒 0.07 美元，比 1.1 下降 30%。

    同一件事 · 6 家
  12. Google DeepMind78

    Google DeepMind 发布了 Gemini Omni 1.2 Flash，支持 15 秒视频并降价 30%。

    Google DeepMind 发布了 Gemini Omni 1.2 Flash，原生视频生成时长从 Omni 1.1 的 10 秒提升到 15 秒，并已在 Gemini API 和 Gemini for business 全面开放。

    同一件事 · 6 家

    推荐理由: 原文列出了时长、价格和参考一致性的具体变化，读者可据此判断视频生成的成本与工作流会怎样变化。

11月5日周四
  1. Hugging Face Daily Papers65

    EmoReward：一种用于情感视频生成自演化的奖励校准机制

    EmoReward 通过从实际训练运行中收集的奖励轨迹中提取证据可靠性，自适应地指导多奖励权重分配，以校准情感视频生成的奖励权重。该机制首先根据情感提示规划特定的接地线索进行评估，然后使用异构信号原语在生成阶段对视频进行评分，并通过反射奖励门控对它们的贡献进行校准。

11月4日周三
  1. IT之家 · AI58

    小米 WorldCast 3D 运镜在 REDMI K100 上线：平面照片还原成三维场景，并虚拟出真实相机轨迹

    小米 REDMI K100 手机新增 3D 运镜 AI 玩法，从相册选静态照片生成大角度 3D 运镜视频，镜头可环绕推拉倾斜且人物外观保持一致。该功能基于小米的视觉生成框架 WorldCast，通过解读画面深度结构将平面照片还原成三维场景并虚拟相机轨迹。小米称 WorldCast 是可控视觉生成方向的突破，将探索更复杂运镜形态及 4D 视频生成技术。

  3. 量子位58

    虎鲸文娱“鲸锐AI”平台正式上线，AI视频单分钟成本节省30%以上

    虎鲸文娱集团打造的行业首个AI影视制作与管理平台“鲸锐AI”正式上线，集成50余个主流AI视频生成模型与10余个自研模型，通过精准控制和流程优化，AI视频单分钟成本较传统方式节省30%以上。平台官网（www.jingruiai.cn）开放全员注册，团队席位不限人数，无需订阅会员。

  5. Hugging Face Daily Papers65

    MoviEdit：长片段多镜头视频编辑框架

    MoviEdit 框架通过级联双向自回归建模和新的基准测试，在减少人工数据标注的同时保持跨场景的连贯性，大幅优于现有开源模型，性能与行业前沿模型相当。该框架自动生成 87K 对配对编辑视频用于跨镜头监督，采用轻量级双向阶段建立全局编辑草稿，再进行自回归传播和细化。