Higgsfield 借 GPT-6 Astra 将 AI 视频时长从 1 分钟延长至 10 分钟以上
Higgsfield 借 GPT-6 Astra 将 AI 视频时长从 1 分钟延长至 10 分钟以上，用 GPT-Image-2.5 呈现精确视觉，并以 GPT-Live 开辟语音电影制作路径。
#视频
#视频
今日 0 条OpenAI NewsAI 评分5454
OpenAI NewsAI 评分2323 Pollo AI 借 OpenAI 模型将创意转化为广告活动
Pollo AI 接入 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5，帮助创作者将大胆创意转化为精细图像与电影级视频广告。该方案覆盖图像与视频两类广告内容生成，面向创作者提供从创意到成片的转化能力。
字节跳动技术团队AI 评分4747 用 Agent Plan 解锁 AI 导演体验：通过 CUA 操作 Blender 白模指导武侠视频生成
火山方舟 Agent Plan 套餐提供专属 Harness CUA，可自动操控云桌面中的 Blender 完成建模、运镜与渲染，零门槛制作白模预演视频。该套餐集成 Seedance、Seedream 生图生视频模型，并兼容 Claude Code、Codex 等主流工具，统一以 AFP 燃料值结算用量。文章以武当山比武为例，用白模预演加参考图生成了 20 秒写实武侠成片。
MiniMax · 官方新闻精选AI 评分7979 MiniMax 发布全模态生成模型 H3
MiniMax 正式发布通用全模态生成模型 H3，支持多模态上下文统一理解，可输出最高 15s 2K 分辨率的原生双声道音视频。该模型在指令遵循、文字与品牌信息呈现及 V2V Motion Transfer 等方面表现出色，2K 分辨率下每秒价格不到主流模型的 1/3。官方计划在未来几天内开放模型权重，以推动开源社区发展。
推荐理由：MiniMax 发布全模态生成模型 H3，支持 15s 2K 原生双声道音视频，计划开放权重，为多模态创作提供了新的高性价比选项。
腾讯研究院AI 评分6464 对话中国首部AI长剧导演：三年后，99%影视内容都要用上AIGC
国内首部AI长剧《后西游记》8月31日在芒果TV上线并登陆湖南卫视黄金档，导演李东珅在接受腾讯科技访谈时分享了该剧的制作经验与对影视行业的判断。该剧规划30集、每集约40分钟，画面和人物演绎均由AIGC生成，3个月完成，单集成本约90万元，总成本约2700万元，约为同体量S级神话剧或传统动画剧集的十分之一。
腾讯研究院AI 评分5757 AI会取代真人短剧吗？腾讯研究院圆桌探讨AI短剧的产能冲击与行业变局
腾讯研究院圆桌对谈指出，今年前8个月全网上线微短剧43万部，是2025年全年的13倍，其中90%以上由AI生成，供给暴涨而注意力接近恒定，行业面临内容通胀。嘉宾认为利润正向上游IP与下游发行转移，好故事、判断力、审美与变现能力成为新稀缺资源，AI与真人短剧将走向共存而非替代。
OpenAI NewsAI 评分2222 invideo 如何用 GPT-6 Astra 将调色效率提升 3 倍
invideo 借助 GPT-6 Astra 更精准地规划视频编辑，将色彩校正与调色效率提升 3 倍。其还可在一天内产出 50 个自定义特效。
OpenAI NewsAI 评分2626 Higgsfield AI 借助 GPT-6 Astra 一天内推出新视频功能
Higgsfield AI 借助 GPT-6 Astra 在一天内推出全新视频功能。该功能让中小企业能更轻松地制作视频广告，同时帮助公司更快地将新创意工具推向市场。
字节跳动技术团队AI 评分5656 火山引擎 AI MediaKit 如何实现视频字幕无痕擦除
火山引擎推出 AI MediaKit 理解式视频编辑引擎，升级视频字幕擦除能力。系统先通过多模态语义理解判断文字角色，决定擦除或保留，再由自研 ReFM 残差流匹配模型从原视频潜变量出发完成 4 步采样修复，避免从随机噪声重建带来的失真。新版支持 50 多种语种擦除，面向短剧出海与素材复用场景。
字节跳动技术团队AI 评分3030 火山引擎 AI MediaKit X 懂车帝，探索汽车内容智能创作新方式
懂车帝接入火山引擎 AI MediaKit，搭建灵活可组合的音视频处理底座，服务营销视频批量生产与 UGC 一键成片等场景。AI MediaKit 以原子接口提供裁剪、拼接、翻转、倍速、贴片、转场、字幕及画质处理能力，团队无需重建系统即可复用既有素材、降低成片相似度，营销视频日处理量最高达数千条。统一底座让新场景快速落地，并支持高光剪辑、Vlog、口播视频等需求的二次编排。
Google DeepMind精选AI 评分8080 Gemini 推出智能体视频理解能力，token 消耗最高降低 88%
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 与 3.5 Flash-Lite 上线智能体视频理解能力，token 消耗最高降低 88%、成本最高降低 66%、准确度最高提升 7%。
推荐理由：原文给出最高 88% 的 token 降幅与 66% 的成本降幅，并说明按标准 API 计费、无额外功能费的开启方式，便于开发者评估接入成本。
Google DeepMind精选AI 评分8080 Gemini Omni 1.1 Flash 发布，带来更强创意控制与生成视频能力
Google DeepMind 发布 Gemini Omni 1.1 Flash，为开发者带来一套新的创意控制与生成视频能力，可通过 Gemini API 在 Google AI Studio 或企业 Agent Platform API 使用。
推荐理由：相比此前只能参考最后一秒，Omni 1.1 可分析最多 10 秒前文，场景延长以 10 秒为步进累计至 40 秒，读者可据此判断它对连续叙事工作流的价值。
阿里云开发者精选AI 评分7474 Wan3.0 正式上线千问AI平台
视频生成模型 Wan3.0 正式上线千问AI平台，单次可生成30秒视频，并首次支持 doc、xls、ppt、pdf、md 等文档格式输入。自8月6日公测以来，Wan3.0 在跨镜头一致性、人物质感与真实世界还原方面获得短剧、广告、文旅等行业用户反馈。480P/720P/1080P 的 API 价格分别为 0.3/0.6/1.2 元/秒，8月24日至9月23日开启限时7折优惠。
推荐理由：原文给出了 Wan3.0 的生成时长、文档输入能力与 API 定价，可据此判断视频生成模型在生产流程中的落地进展。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini Robotics ER 2，提升视频理解、任务编排与多机器人协作能力
Google DeepMind 发布 Gemini Robotics ER 2，作为机器人的高层大脑负责推理、规划与任务编排，并将运动执行交给底层 VLA 模型。该模型支持连续视频进度追踪、精确关键时刻识别与多机器人协作，进度分类准确率达 57.4%，关键时刻识别准确率达 91.3%。开发者现可通过 Gemini API 与 Google AI Studio 使用。
推荐理由：官方博客给出了新模型在视频理解、任务编排和多机器人协作上的能力升级与评测数据，可据此判断具身智能的落地进度。
Google DeepMind精选AI 评分8181 Google DeepMind 发布 Gemini Omni Flash 模型
Google DeepMind 发布 Gemini Omni 系列首款模型 Gemini Omni Flash，支持将图像、音频、视频和文本组合作为输入生成高质量视频。
推荐理由：原文给出了 Gemini Omni Flash 的多模态输入与对话式编辑能力，读者可据此判断其视频生成工作流的变化。
OpenAI NewsAI 评分3030 Descript 如何工程化实现大规模多语言视频配音
Descript 借助 OpenAI 推理模型实现了大型内容库的自动本地化。该方案在不丢失时间轴与语义的前提下，完成大规模的多语言视频配音。
OpenAI NewsAI 评分2222 Sora 信息流的设计理念
Sora 信息流以激发创意与促进连接为设计理念，并借助个性化推荐、家长控制和强有力安全护栏保障体验安全。
Google DeepMind精选AI 评分6464 Google DeepMind 向美国 Google AI Ultra 用户开放 Project Genie 交互世界原型
Google DeepMind 开始向美国 Google AI Ultra 订阅用户（18 岁以上）滚动开放 Project Genie，这是一个基于 Genie 3、Nano Banana Pro 和 Gemini 的实验性研究原型网页应用，支持用户用文本或图片创建可探索的交互世界、实时生成前行路径，并对已有世界进行混编与视频下载。
推荐理由：原文列出了世界素描、探索、混编三大能力与生成时长等限制，可据此判断世界模型从研究走向消费级体验的成熟度。
OpenAI NewsAI 评分4444 Higgsfield 如何将简单创意转化为电影级社交视频
Higgsfield 借助 OpenAI GPT-4.1、GPT-5 与 Sora 2，让创作者从简单输入直接生成电影级、社交优先的视频内容。创作者只需提供简单创意，即可完成从创意到成片的转化，创作门槛被大幅降低。
Google DeepMindAI 评分5757 Google DeepMind 提出 D4RT，教 AI 用四维视角看世界
Google DeepMind 提出 D4RT，一个将动态场景重建与追踪统一到单一框架的 AI 模型，可用同一查询接口完成点追踪、点云重建和相机位姿估计。它比此前方法快 18 至 300 倍，在单颗 TPU 上约 5 秒即可处理一分钟视频，研究团队表示这为机器人、AR 和世界模型等实时空间计算场景打开了路径。
Google DeepMind精选AI 评分7474 Google DeepMind 更新 Veo 3.1 Ingredients to Video，提升一致性并支持原生竖屏与 4K 放大
Google DeepMind 更新 Veo 3.1 Ingredients to Video，基于素材图生成的视频更具表现力，角色、背景与物体一致性增强，并首次支持原生 9:16 竖屏输出与 1080p、4K 放大。
推荐理由：官方说明了 Veo 3.1 在竖屏输出与 1080p、4K 放大上的具体变化，并给出各端上线范围，便于判断它对短视频创作流程的影响。
Google DeepMindAI 评分3333 Google 2025 年度回顾：8 大领域的研究突破
Google 回顾了 2025 年在 8 大领域的研究突破，Google DeepMind 与 Google Research 发布的 Gemini 3 Pro 登顶 LMArena Leaderboard，在 Humanity's Last Exam 与 GPQA Diamond 上取得突破分数，并以 23.4% 创下 MathArena Apex 新纪录。
OpenAI News精选AI 评分7070 迪士尼与 OpenAI 达成协议，将 200 多个角色引入 Sora
迪士尼与 OpenAI 达成协议，把 200 多个迪士尼、漫威、皮克斯和星球大战角色引入 Sora，用于粉丝创作的短视频。协议同时涵盖迪士尼全公司使用 ChatGPT Enterprise 和 OpenAI API，并强调娱乐领域的负责任 AI。
推荐理由：协议把 200 多个迪士尼角色引入 Sora 短视频创作，并带动 ChatGPT Enterprise 在迪士尼全公司部署，是 IP 授权与 AI 视频生成结合的典型案例。
OpenAI News精选AI 评分8686 OpenAI 发布 Sora 2 视频生成模型
OpenAI 发布 Sora 2 视频生成模型，支持同步对话与音效；旧版 Sora 产品已不再可用。
推荐理由：原文点明 Sora 2 支持同步对话与音效，并说明旧版 Sora 产品已下线，读者可据此判断视频生成能力的变化。
OpenAI News精选AI 评分7373 OpenAI 发布 Sora 2 系统卡
OpenAI 发布 Sora 2 系统卡，介绍其新的视频与音频生成模型。该模型在 Sora 基础上实现了更准确的物理效果、更清晰的真实感与音画同步，并增强了可控性与风格多样性。
推荐理由：官方系统卡概述 Sora 2 在物理准确度、真实感与音画同步上的提升，读者可据此对照前代视频模型评估其能力变化。
OpenAI NewsAI 评分2828 Invideo AI 使用 OpenAI 模型将视频创作速度提升 10 倍
Invideo AI 使用 OpenAI 的 GPT-4.1、gpt-image-1 和 text-to-speech 模型，可将创意在数分钟内转化为专业视频。该方案把视频创作速度提升 10 倍。
OpenAI News精选AI 评分8888 Sora 正式上线
OpenAI 宣布视频生成模型 Sora 正式上线，用户可在 sora.com 使用。该模型支持生成最高 1080p 分辨率、最长 20 秒的视频，提供宽屏、竖屏和方形三种画幅比例；用户可导入自己的素材进行扩展、混剪和融合，也可直接从文本生成全新内容。
推荐理由：原文给出了 Sora 的开放入口、分辨率与时长上限，读者可据此判断它能否满足自己现有的视频创作需求。
OpenAI NewsAI 评分2626 跨学科艺术家 Minne Atairu 谈 Sora 如何实现她的创作愿景
跨学科艺术家 Minne Atairu 分享了 Sora 如何帮助她实现创作愿景。她讲述了这一工具在其跨学科艺术实践中所扮演的角色。
OpenAI NewsAI 评分1919 动画师 Lyndon Barrois 用 Sora 创造新世界
电影制作人 Lyndon Barrois 分享了如何将 Sora 作为叙事工具，用其创造全新的视觉世界。
OpenAI NewsAI 评分2727 Vallée Duhamel 与 Sora
电影制作人组合 Vallée Duhamel 分享了 Sora 如何帮助他们构建新世界。
OpenAI NewsAI 评分3333 Sora 初步印象
OpenAI 自上个月向全球推出 Sora 以来，一直与艺术家展开合作，探索 Sora 如何辅助他们的创作过程。
OpenAI News精选AI 评分8686 Sora 技术报告：视频生成模型作为世界模拟器
OpenAI 探索在视频数据上大规模训练生成模型，其最大模型 Sora 能够生成一分钟的高保真视频。研究表明，扩展视频生成模型是构建物理世界通用模拟器的有希望路径。
推荐理由：原文提出视频生成模型可作为物理世界通用模拟器的路径，并展示 Sora 生成一分钟高保真视频的能力。
OpenAI NewsAI 评分1717 OpenAI 微调 GPT-3 以驱动并扩展全托管视频创作
OpenAI 通过微调 GPT-3，为“全托管”视频创作服务提供支持，并使其内容生产能够规模化扩展。微调后的 GPT-3 被用于驱动该服务。
OpenAI News精选AI 评分6464 OpenAI 用 Video PreTraining 训练神经网络玩 Minecraft
OpenAI 通过 Video PreTraining (VPT) 在大量无标注人类 Minecraft 游戏视频上预训练神经网络，仅使用少量标注数据。微调后模型可制作钻石工具，这一任务熟练人类通常需要 20 分钟以上（24,000 次操作）。模型使用原生人类键鼠界面，OpenAI 称其是迈向通用电脑操作智能体的一步。
推荐理由：OpenAI 用少量标注数据加大量无标注视频预训练，让模型学会 Minecraft 中的钻石工具制作，为通用电脑操作智能体提供可迁移方法。