阿里 Wan3.0 支持单次生成 30 秒长镜头并引入 omni-reference
阿里云 Wan 官方介绍 Wan3.0 已能直接由模型生成单段 30 秒镜头，此前分别为 5 秒和 15 秒片段。该版本加入导演级控制与 omni-reference，可参考最多五段视频而非五张图片，Soulscape 的导演与阿里云的 Johnny Mai 已将其用于实际制作流程。官方称不再需要拼接大量短片段，可先生成长镜头再按剧本和故事剪辑。
匹配字段摘要
←搜索结果
搜索“视频”
Meta 推出订阅服务 Meta One，打包 50 多项功能与更多 AI 用量
Meta 推出订阅服务 Meta One，在 Instagram、Facebook、WhatsApp 和 Meta AI 上线 50 多项功能，并逐步扩展到 Edits、AI 眼镜等产品。Core 与 Premium 套餐把单项产品订阅与更多 AI 用量打包，包含用 Muse 模型生成和编辑图像、生成视频，以及 Instagram Restyle 等应用内 AI 工具。面向创作者和企业的套餐提供增强主页、自动关注邀请和更多 Meta Business Agent 调用额度，价格从单项 2.99 美元/月起，个人套餐 7.99 美元/月起，创作者与企业套餐 14.99 美元/月起。
匹配字段摘要
Copilot 引入新模型以处理复杂的长时间任务
Copilot 正在引入新模型，使其可处理从快速问答、委派任务到通过 Autopilots 完成长达数小时或数天的工作。一个由 Opal 驱动、运行在安全 Windows 365 Cloud PC 上的 Autopilot，可分析一个月的野外相机视频，识别并标注动物影像，制作精选视频和表格及 PowerPoint，并通过 Teams 分享结果。
Copilot 正在引入新模型，使其可处理从快速问答、委派任务到通过 Autopilots 完成长达数小时或数天的工作。一个由 Opal 驱动、运行在安全 Windows 365 Cloud PC 上的 Autopilot，可分析一个月的野外相机视频，识别并标注动物影像，制作精选视频和表格及 PowerPoint，并通过 Teams 分享结果。 · Copilot is incorporating new models to handle work ranging from quick questions and delegated tasks to jobs lasting hours or days through Autopilots. In one example, an Opal-powered Autopilot running on a secure Windows 365 Cloud PC analyzes a month of trail camera footage, identifies and labels animal sightings, creates a
匹配字段摘要
Gemini 语音能力上线，可对话式搜索 Gmail、整理 Keep 并创建 Docs
Google 正在向 Google AI 订阅用户推送新的 Gemini 语音能力，用户可以通过对话搜索 Gmail 收件箱、在 Keep 中整理想法和任务，以及创建新的 Docs。Sundar Pichai 特别提到 Docs Live 会比较实用，并附上了演示视频和了解更多信息的链接。
匹配字段摘要
Runway 的 Solaris 预览无代码互联网
Runway 推出早期访问版 Solaris，以实时生成的视频呈现网站和应用，用户点击或拖动时由 Gen-4.5 与大语言模型共同生成后续画面，无需底层代码运行。测试者在场景行为和指令遵循方面分别有 71% 和 61% 的对比选择了 Solaris，而非 Claude Opus 5 编写的页面。当前版本仍存在文字清晰度、长会话漂移及画面看似可信但内容错误等问题。
Runway 推出早期访问版 Solaris，以实时生成的视频呈现网站和应用，用户点击或拖动时由 Gen-4.5 与大语言模型共同生成后续画面，无需底层代码运行。测试者在场景行为和指令遵循方面分别有 71% 和 61% 的对比选择了 Solaris，而非 Claude Opus 5 编写的页面。当前版本仍存在文字清晰度、长会话漂移及画面看似可信但内容错误等问题。 · Runway introduced Solaris in early access, rendering websites and apps as real-time video while Gen-4.5 and an LLM generate subsequent frames from users’ clicks and drags, with no underlying code running. Testers preferred Solaris over pages coded by Claude Opus 5 in 71% of comparisons for in-scene behavior and 61
匹配字段摘要
Black Forest Labs 发布 FLUX Video Upscale，最高支持原生 4K
Black Forest Labs 推出 FLUX Video Upscale，作为独立的 FLUX Tool 和 endpoint，可把 480p 起的视频重新生成到最高原生 4K，并能修复生成视频中模糊人脸、水面和草地纹理上的网格伪影。该工具提供 Precise 和 Creative 两种模式，Precise 为 4 步、$0.07/mp/s，Creative 为 8 步、$0.10/mp/s，后者修复和细节更强但可能改变人物身份。upscale_factor 支持 1.5x、2x 和 3x，从 hd 输入大致对应 1080p、2K 和 4K，可通过 BFL API 和 playground 使用。
Black Forest Labs 推出 FLUX Video Upscale，作为独立的 FLUX Tool 和 endpoint，可把 480p 起的视频重新生成到最高原生 4K，并能修复生成视频中模糊人脸、水面和草地纹理上的网格伪影。该工具提供 Precise 和 Creative 两种模式，Precise 为 4 步、$0.07/mp/s，Creative 为 8 步、$0.10/mp/s，后者修复和细节更强但可能改变人物身份。upscale factor 支持 1.5x、2x 和 3x，从 hd 输入大致对应 1080p、2K 和 4K，可通过 BFL API 和 playground 使用。
匹配字段摘要
LTX-2.5 在 ComfyUI 上线首日支持
LTX 的开源视频模型 LTX-2.5 在 ComfyUI 上线首日获得支持，提供可自行运行的开放权重版本和通过 Partner Nodes 调用的托管版本。新版本带来 Diffusion Fidelity Rendering、新的视频解码器、自定义 Gemma 4 12B 文本编码器、改进的蒸馏变体、提示词增强器，以及一个自动设定生成视频时长的实验性 duration head 模型。原生 4K、音视频同步和最高 50fps 帧率延续自 LTX-2.3，用户更新 ComfyUI 至 0.32.0 或打开 Comfy Cloud 即可使用。
匹配字段摘要
Unsloth 发布桌面应用 Unsloth Desktop，支持本地运行与训练模型
Unsloth 发布 Unsloth Desktop，称其为首个可在本地运行和训练模型的桌面应用，已上线官网和 GitHub。该应用开源，支持 Mac、Windows 和 Linux，覆盖 MLX、扩散图像/视频、音频、GGUF，可将 Claude Code 和 Codex 接入本地 LLM，并支持 CPU 与多 GPU 环境（NVIDIA、AMD、Intel、Mac）。官方称训练速度提升 2 倍、显存占用减少 70%，工具调用准确率提高 50% 并支持自愈与沙箱化代码执行，同时提供私有网页搜索、深度研究、RAG、MCP 以及 NVFP4、GGUF 导出。
匹配字段摘要
腾讯混元发布 Hy3D WorldClaw，用文本提示词生成大规模 3D 开放世界
腾讯混元发布 Hy3D WorldClaw，一个从文本提示词生成大规模 3D 开放世界的智能体工作流。官方强调它不是视频也不是 Gaussian Splatting，每个场景都可自由探索，且完全由可编辑、可直接用于游戏的 3D 资产构建，具备高质量几何与纹理。项目页面：https://t.co/KJXFWHLb1S
匹配字段摘要
Wan Animate 2 在 ComfyUI 原生支持上线
Wan 团队的新 SOTA 角色动画模型 Wan Animate 2 已在 ComfyUI 获得原生支持，驱动视频直接输入重新设计的 Diffusion Transformer，省去中间运动提取器，并支持文本驱动的视角控制。随模型上线两个节点：WanAnimate2ToVideo 负责接收参考角色与驱动视频，可选的 WanAnimate2Cache 缓存姿态分支，将生成时间大约减半。同系列还有面向流式角色动画的 Wan Animate 2 Lite，推理延迟降至实时水平，并支持视频续接与上下文窗口生成。
匹配字段摘要
Seedance 2.5 通过 Partner Nodes 上线 ComfyUI
Seedance 2.5 现已在 ComfyUI 中通过 Partner Nodes 提供，单次生成一段连续的 30 秒视频，并支持最多 50 个参考素材，包括 30 张图片、10 个视频和 10 个音频文件。该模型支持以时间轴方式编写提示词来控制镜头、景别与转场，可对已有视频做自然语言编辑和延长，并以 10 多种语言原生生成对白且匹配口型。用户更新 ComfyUI 或打开 Comfy Cloud，从 Templates 面板加载模板或下载 R2V、T2V 工作流即可使用。
匹配字段摘要
星海图 Galaxea 机器人仅凭视觉实时折叠纸箱
星海图 Galaxea 展示了一台仅依靠视觉折叠纸箱的机器人，全程为实时运行。该机器人未使用触觉或 F/T sensors，视频也没有加速。
星海图 Galaxea 展示了一台仅依靠视觉折叠纸箱的机器人，全程为实时运行。该机器人未使用触觉或 F/T sensors，视频也没有加速。 · Galaxea demonstrated a robot folding boxes using vision alone, with the entire process running in real time. The robot used no tactile or F/T sensors, and the video was not sped up.
匹配字段摘要
Amp 发布 Attach Anything 文件上传功能
Amp 发布 Attach Anything 功能，用户现在可以上传视频、日志、PDF、表格、数据集等任意文件到 orbs 供 Amp 查看和使用。官方列举了屏幕录制修复应用、日志调试、将演示文稿和表格转为交互式网站、从媒体输入生成视频和 CAD 文件、转录音视频等用例。
匹配字段摘要
NVIDIA 发布 Isaac for Healthcare 医疗物理仿真框架
NVIDIA 发布开源 GPU 加速的 Medical Physics Simulation 框架，作为 Isaac for Healthcare 的一部分，用于生成解剖数字孪生、模拟器械与解剖结构交互并训练强化学习策略。其中 Endoluminal Simulation Module 已正式可用，用 XPBD 求解器实时模拟柔性导管在患者特异性血管中的导航；Surgical Simulation Module 处于早期访问，可在单张消费级 GPU 上以超过 30 帧每秒模拟软组织变形与触觉反馈。Cosmos-H 系列生成式世界模型可从机器人动作生成手术视频，Cosmos-H-Dreams 经 FlashDreams 推理引擎实现超过 30 帧每秒的交互式仿真。
匹配字段摘要
LeRobot v0.6.0：想象、评估、改进
Hugging Face 发布 LeRobot v0.6.0，引入三种世界模型策略、多款新 VLA、统一奖励模型 API，以及由 lerobot-eval 支持的六个新仿真基准。新版还增加支持 DAgger 人工纠正的 lerobot-rollout、FSDP 与 HF Jobs 云训练，并为数据集加入深度数据、自动语言标注、自定义视频编码及最高约 2 倍的加载提速。
Hugging Face 发布 LeRobot v0.6.0，引入三种世界模型策略、多款新 VLA、统一奖励模型 API，以及由 lerobot-eval 支持的六个新仿真基准。新版还增加支持 DAgger 人工纠正的 lerobot-rollout、FSDP 与 HF Jobs 云训练，并为数据集加入深度数据、自动语言标注、自定义视频编码及最高约 2 倍的加载提速。 · Hugging Face released LeRobot v0.6.0 with three world-model policies, several new VLAs, a unified reward-model API, and six new simulation benchmarks supported by lerobot-eval. It also adds lerobot-rollout with DAgger-style human corrections, FSDP and cloud training through HF Jobs, plus dataset support for dep
匹配字段摘要
Google 在 I/O 上重新设计搜索框，支持多模态输入并合并 AI Overviews 与 AI Mode
Google 在 I/O 开发者大会上宣布重新设计沿用 25 年的搜索框，将其从关键词输入框改为可接受文本、图片、PDF、视频和 Chrome 标签页的多模态对话入口，并立即在支持 AI Mode 的所有国家和地区上线。Google 同时把 AI Overviews 与 AI Mode 合并为一条连续搜索流程，用户可在传统结果页直接追问，无需切换界面。新体验由 Gemini 3.5 Flash 驱动，Google 称 AI Mode 上线一年月活已超 10 亿，AI Overviews 月活超 25 亿。
匹配字段摘要
Google 扩展内容创建与编辑溯源工具
Google 将内容透明与验证工具扩展至 Search、Gemini、Chrome、Pixel 和 Cloud，并在 Gemini Enterprise Agent Platform 推出 AI Content Detection API。SynthID 已为逾 1000 亿张图像和视频及 6 万年音频添加水印，其 Gemini 验证功能全球使用 5000 万次。Pixel 8、9 和 10 将在未来几周为视频加入 C2PA Content Credentials。
Google 将内容透明与验证工具扩展至 Search、Gemini、Chrome、Pixel 和 Cloud，并在 Gemini Enterprise Agent Platform 推出 AI Content Detection API。SynthID 已为逾 1000 亿张图像和视频及 6 万年音频添加水印，其 Gemini 验证功能全球使用 5000 万次。Pixel 8、9 和 10 将在未来几周为视频加入 C2PA Content Credentials。 · Google is expanding content transparency and verification tools across Search, Gemini, Chrome, Pixel and Cloud, while launching an AI Content Detection API on the Gemini Enterprise Agent Platform. SynthID has watermarked over 100 billion images and videos and 60
匹配字段摘要
xAI 将 Grok 订阅接入开源智能体 Hermes Agent
xAI 宣布即日起可在 Nous Research 的开源自我改进智能体 Hermes Agent 中直接使用 Grok 订阅。接入后可用 Grok 4.3 进行文本对话与高级推理、Grok Text-to-Speech 生成语音回复、Grok Imagine 生成图像和视频，所有订阅档位均可使用。Hermes Agent 可持久运行在任意电脑、沙箱或 VPS 上，跨会话建立长期记忆，并能连接 WhatsApp、Discord、Telegram、Signal 等消息平台；用户通过 hermes model 选择 xAI Grok OAuth 并浏览器登录即可启用。
匹配字段摘要
xAI 为 Grok Imagine API 上线 Quality Mode
xAI 宣布 Grok Imagine API 的图像生成与编辑 Quality Mode 面向企业开发者和团队开放。官方称该模式在真实感、多语言文字渲染和提示词遵循上有提升，并可与视频生成能力搭配，调用示例使用模型名 grok-imagine-image-quality。
匹配字段摘要
Suno 发布 Audio Input，可用任意声音生成歌曲
Suno 发布 Audio Input 功能，Pro 与 Premier 用户可上传或录制自己的音频来生成歌曲。音频或视频片段需在 6 至 60 秒之间，上传后在 Extend 中设定起始时间、风格并可加入自己的歌词。
匹配字段摘要