Comfy 在 Comfy Developer Platform 上线 Comfy Router，开发者只需集成一次即可调用前沿图像、视频、3D 和音频模型，并通过修改模型字符串和供应商参数切换模型与运行位置。首日可用模型包括 Seedance 2.5、MiniMax H3、Nano Banana Pro、GPT Image 2、Kling 和 Black Forest Labs，供应商覆盖 fal、Runware、WaveSpeed 和 Higgsfield。Router 使用与 Partner Nodes、Comfy Cloud 相同的 Comfy credits，无需订阅，输入与输出各保留 24 小时后删除。
匹配字段标题、摘要
ElevenLabs 发布 Studio 4.0，这是 ElevenCreative 中 AI 原生视频编辑器的重大升级，可在项目内直接生成视频、图像、配音、音乐和音效，并在同一处完成剪辑、字幕和导出。新版本重建了时间线，支持帧级缩放、片段吸附和同步移动，字幕可像普通片段一样拆分合并。内置的 Studio Agent 能根据描述在时间线上生成初剪、配音并同步音效，用户可随时接管手动编辑再交还控制权。
匹配字段标题、摘要
ElevenLabs 的 MCP 连接器新增生成能力，用户通过一次安装和 OAuth 登录，即可在 Claude、ChatGPT、Cursor、Grokbot、Hermes 等助手中生成语音、转录、配音、音乐、音效、图像和视频，所有产出进入 ElevenCreative 工作区。该连接器调用超过 50 个模型，无需自建服务器或管理 API 密钥，且与驱动 ElevenLabs Agents 的 MCP 为同一个，已连接过的团队无需额外设置。工作区管理员可决定连接可调用的工具，数据驻留地在连接时选择。
匹配字段标题、摘要
Vimeo 通过 ElevenAPI 集成 ElevenLabs Dubbing，将转录、翻译、声音克隆和语音合成整合为单一流程，支持 40 种目标语言的自动视频配音。自 2026 年 1 月以来，客户已为超过 25,000 个视频配音 1.4 million 分钟，超过 27% 的企业账户尝试过 AI 配音，平均每个视频覆盖 3.3 种目标语言。创作者还可编辑文本轨道，在发布前检查和调整配音结果。
匹配字段标题、摘要
Google AI Developers 宣布 Gemini 3.7 Flash 上线新的智能体视频理解能力，可自动调整处理速度，从而准确识别并计数快速动作，例如拍手。该能力已支持 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite，今天起可通过 Gemini API 在 Google AI Studio 和 Gemini Enterprise Agent Platform 上传视频或使用 YouTube 视频。
匹配字段标题、摘要
Google 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出智能体视频理解能力，即日起可通过 Gemini API 在 Google AI Studio 和 Gemini Enterprise Agent Platform 上处理上传视频和 YouTube 视频。官方演示中，Gemini 3.7 Flash 借助该能力自动调整处理速度，准确识别并数清快速拍手动作；此前静态处理默认以 1 FPS 抽帧，拍手这类瞬间动作容易被漏掉或误判为响指、点击。
匹配字段标题、摘要
Gemini 的视频理解改为智能体式处理，模型可自行浏览视频时间线、决定看哪些片段、选择帧率，并判断是否需要语音转录、音频或视觉帧来回答提示词。官方称长视频最多减少 88% 的 token 和 66% 的成本，基准准确率提升约 7%。启用方式是在 video 上设置 processing="agentic"，2 分钟以内的视频仍用 static；该功能已在 Gemini API 和 Google AI Studio 上线，覆盖 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash Lite。
匹配字段标题、摘要
Google DeepMind 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出智能体视频理解功能，模型可动态扫描视频片段，token 消耗最多降低 88%、成本最多降低 66%、准确率最多提升 7%。该功能已在 Google AI Studio 和 Gemini Enterprise Agent Platform 的 Gemini API 中上线，支持视频上传和 YouTube 视频，按标准 token 计费且不额外收费。相比固定 1 FPS 的静态处理，它结合模型推理与原生视频工具，按需检索画面、音频和转录文本，后续还将接入 Gemini 应用和 YouTube 的 Ask YouTube 功能。
匹配字段标题、摘要
Gemini Omni 1.1 Flash 通过 Partner Nodes 在 ComfyUI 上线，可在 Gemini Video Omni 节点中选择该模型，支持文生视频、图生视频、参考生视频、视频编辑和场景延展，分辨率覆盖 360p 到 4K，每段视频自带生成音轨。该模型原生多模态处理文本、图像、音频和视频，支持用自然语言描述修改并保留画面其余部分，编辑结果可叠加，场景延展会延续原有运动、角色身份和光照。节点提供提示词、分辨率、宽高比、任务类型选择以及可选的图像和视频输入，更新 ComfyUI 至最新版本或使用 Comfy Cloud 即可使用。
匹配字段标题、摘要
阿里最新视频生成模型 Wan 3.0 已在 ComfyUI 上线，支持单次生成最长 30 秒视频，无需拼接。提示词输入上限扩至 20,000 字符，参考素材最多 20 个，包括 10 张图片、5 段视频、5 段音频和一个文件或 URL，并可通过 @Image1、@Video2 等 @ 语法在提示词中指定用途。模型支持按指令编辑已有视频，如移除或替换元素、重新打光、改变运动，也可延长现有素材，输入加输出总长不超过 30 秒。用户需将 ComfyUI 更新至 v0.33.4 或使用 Comfy Cloud，通过节点库或模板面板调用。
匹配字段标题、摘要
xAI 为视频模型 Imagine Video 1.5 新增图像参考、声音参考、纯文本生成视频和原生 1080p 生成，图像与声音参考先在美国面向 SuperGrok Heavy 和 SuperGrok Plus 开放，随后数天覆盖全部档位。每次生成最多可传入七个参考图，用于锁定人脸、产品或场景，配合声音参考可在不同镜头中保持同一张脸和同一个声音。图像参考、文生视频和原生 1080p 已在 xAI API 上线，模型名为 grok-imagine-video-1.5，声音参考需申请开通。
匹配字段标题、摘要
Black Forest Labs 发布 FLUX 3 早期版本，并与机器人公司 mimic 合作推出视频-动作模型 FLUX-mimic，已在 Audi 测试和部署。FLUX 3 从训练之初就联合训练图像、视频和音频，视频预测占总算力成本 95% 以上；加入动作预测后，文生视频和图生视频的人类评分一度下降最多 10%，3500 步后恢复原有质量并同时预测动作。FLUX-mimic 在冻结 FLUX 主干的情况下，动作解码器表现超过此前的视觉-语言-动作模型，微调后达到 SOTA 成功率；主干在单张 NVIDIA RTX 5090 上从输入到世界表征耗时不到 80ms，整套机器人系统反应时间为 101ms。
匹配字段标题、摘要
Together AI 已上线 Wan 2.7 Text-to-Video，并将陆续推出 Image-to-Video、Reference-to-Video 和 Video Edit，形成四模型视频套件。当前 Wan-AI/wan2.7-t2v 可通过 Serverless Inference 使用，生成视频起价为每秒 $0.10；各模型将共享同一套 API、身份验证和计费体系。
匹配字段标题、摘要
Cursor 宣布智能体现在可以实际使用自己构建的软件，并把工作过程录成视频发给用户，展示的不再只是 diff。一位用户表示这一变化节省了大量测试小改动的时间。
匹配字段标题、摘要
xAI 发布 Grok Imagine API，将视频生成与视频编辑能力打包为面向端到端创作流程的 API 组合，Grok Imagine 是其目前最强的视频音频生成模型。该 API 支持从文本或图像生成视频、增删替换物体、场景与物体控制、风格重绘等编辑操作，并支持竖屏、横屏等比例与灵活片段长度。官方称其在延迟、并发和成本上做了优化，并已在合作方平台与自家 API 上线，同时提供 SDK、教程和可视化控制台。
匹配字段标题、摘要
Runway 发布 Act-One，这是一个在 Gen-3 Alpha 中生成角色表演的新工具，以视频和声音表演作为输入，无需额外设备。官方称该模型能保留真实面部表情，并把表演迁移到与原视频比例不同的角色上，同时在不同机位下保持稳定的面部动画。Act-One 现已面向 Gen-3 Alpha 开放，并配套公众人物内容拦截、Custom Voices 声音授权核验等审核措施。
匹配字段标题、摘要
Grok Bot 本周更新了多项功能，包括可直接生成可编辑报告页和仪表盘的 Pages、存放登录与银行卡信息的 Vault，以及与 1Password 的联动。Vault 与 1Password 的设计是让 Bot 代填登录和结账信息，但 Bot 本身看不到密码和卡号。此外还加入了手机 App 授权（日历、通讯录、位置、闹钟，iPhone 上可管理提醒事项和控制 Home 灯光）、根据描述或图片生成视频、新 Bot 角色和 X Spaces 等。
匹配字段摘要、正文
Tripo AI 推出交互式场景专用的实时生成式渲染器 EdenLive，隶属其交互式环境世界模型 Project Eden，目前已向开发者开源。EdenLive 将场景演化逻辑与视觉渲染解耦，只需 2D/3D 场景或参考视频、目标首帧与文本指令即可启动渲染，支持 480p 与 720p 两种分辨率；50 亿参数版本在单张消费级 RTX 5090 上可实现 720p 下 24 帧/秒以上的实时生成。开源内容包括 50 亿与 140 亿参数模型权重、实时视频生成代码、文本转简易游戏的 EdenGolem v0.1 技能及完整提示词到游戏前端工具链，代码以 Apache 2.0 协议发布于 GitHub，权重可在 Hugging Face 获取。
匹配字段摘要、正文
OpenAI 宣布 ChatGPT 现可在网页桌面端和 iOS 上连接 iCloud 日历与邮件。TestingCatalog 称这是用户期待已久的功能，推文附有一段演示视频。
匹配字段摘要
Cursor 的 Design 模式新增标注功能，用户可以在运行中的应用上留下笔记来指挥智能体。该推文引述 Design 模式的说明称，这一模式让用户通过笔记直接引导智能体，并附有一段演示视频。
匹配字段摘要