Sunra 推出统一 API，按厂商原价调用图像、视频、音频和 3D 模型
Sunra 发布 Sunra API，用一个密钥即可调用各主流图像、视频、音频和 3D 模型，并按各模型厂商自己的 API 价格计费，采用按量付费，没有订阅费，也不加价。Rohan Paul 转述称，Seedance 2.5 在 Sunra 上的价格是另外两家网关的一半，这种统一入口也便于对 Google、OpenAI、ByteDance 和 Kling 的模型做 A/B 测试。
匹配字段标题
←搜索结果
搜索“视频”
Gemini 支持创建并分享个人头像，用于图像和视频创作
Google Gemini 上线个人头像功能，用户可创建并分享头像，与朋友一起出现在图像和视频中。分享后可在提示词中互相标记，并保持角色和声音的一致性；用户还能随时添加或移除他人的访问权限。
匹配字段标题
PixVerse 上线 Kling 4.0，支持单次生成 30 秒视频
PixVerse 宣布 Kling 4.0 已在其平台上线，单次可生成最长 30 秒视频，无需拼接。该版本还能在多镜头场景中保持角色一致，并在高速动作和复杂运镜下维持稳定运动。官方同时给出了完整提示词链接。
匹配字段标题
Kling 4.0 上线 OnSolo，支持单次生成 30 秒原生视频
Kling 4.0 已在 OnSolo 上线，可一次生成 30 秒原生视频，在快速动作和大范围运镜中保持运动稳定。该版本支持立体声与更精准的口型同步、21:9 宽画幅，单次任务最多可叠加 15 个参考和 10 个关键帧，用于保持角色、镜头和故事的一致性。
匹配字段标题
Google 为 Gemini Notebook 新增幻灯片与视频共创能力
Google 更新 Gemini Notebook，为 Slide Decks 和 Video Overviews 加入共创能力，不再从初始提示词直接跳到最终成品，而是基于用户来源材料分步引导创作流程。新流程会先建议包含的主题，再根据反馈确定视觉风格和格式，生成后可用 Review 开关继续编辑。该功能将在未来一周内面向所有 Gemini Notebook 用户全球推送。
匹配字段标题
OpenRouter 上线 FLUX 3 系列：视频可生成 4K，图像模型单卡可跑
OpenRouter 上线 Black Forest Labs 的 FLUX 3 系列新能力：FLUX 3 Video 从 1080p 升级到可生成 4K 视频，支持提示词或图像输入，价格 $0.41/s；改进版 FLUX Video Upscale 处于 early access，可把任意视频转为 4K，价格从 $0.59/s 降至 $0.28/s。同时推出开放权重图像模型 FLUX 3 Image Klein，可在单张消费级显卡上运行，生成 4K 图像，起价 $0.009/张。
匹配字段标题
OpenRouter 上线 Clef Omni 音视频输入，支持四种模态单次调用
OpenRouter 宣布 Decisions 的音视频输入正式上线，Clef Omni 可在一次调用中同时处理图像、音频、视频和文本，并直接返回概率而非 token。官方演示中，输入一张照片、3 秒滋滋声、2 秒热狗摊视频和“lunch?”一词，模型给出 hot dog 96.5%。该请求共 801 个输入 token，费用 $0.00012，定价为 $0.15/M 输入、输出免费。
匹配字段标题
fal 推出 Reframe，可在不裁剪的情况下改变视频画幅
fal 发布 fal Reframe，可在不裁剪、不重拍的情况下改变任意视频的宽高比。该功能由 H3 Max 驱动，在保留原始画面、时间节奏和音频的同时把场景扩展到原画幅之外，支持竖屏转宽屏、9:16 转 1:1 等比例转换。
匹配字段标题
Gemini 4 Argon 可将视频或摄像头画面变成可演奏合成器
Google Gemini 宣布 Gemini 4 Argon 能把视频或摄像头画面重新想象成可演奏的合成器。用户可在 Canvas 中快速搭建交互式音频应用，设定氛围后把摄像头当作乐器来演奏。
匹配字段标题
ComfyUI 发布 Nvidia VFX 节点，支持视频超分、插帧与 SDR 转 HDR
ComfyUI 发布 Nvidia VFX 自定义节点，把 RTX 视频特效搬进 ComfyUI，模型随节点附带并在本地 RTX GPU 上运行。RTX Video Super Resolution 节点最高支持 4× 超分或输出至 8192 px，含 19 种模式；Frame Generation 节点支持 2× 到 16× 插帧；Video HDR 节点把 SDR 转为 BT.2020 HDR，峰值亮度可在 400 到 2000 nits 间调节。此次更新还改进了 EXR 支持，Save Image (Advanced) 默认写出 half-float 16-bit EXR，并可为 EXR 附加 JPEG 预览。
匹配字段标题
World Labs 发布 World API，用文本、图像和视频生成可探索 3D 世界
World Labs 发布 World API，开发者可通过该公开接口调用其多模态世界模型 Marble，从文本、单图、多图、360° 全景和视频生成可导航的 3D 世界。世界生成以异步方式运行，无需专有工具，生成结果可在浏览器渲染、导出到其他工具或接入交互系统与仿真管线。该 API 已用于游戏与沉浸式媒体、机器人仿真（可接入 NVIDIA Isaac Sim、MuJoCo、RoboSuite）以及建筑设计等场景，并通过 World Labs Platform 提供 API key 管理、用量计费和文档。
匹配字段标题
FireRedTeam 开源 AI 视频剪辑智能体 FireRed-OpenStoryline
FireRedTeam 开源 AI 视频剪辑智能体 FireRed-OpenStoryline，通过自然语言交互、LLM 规划和工具编排把手动剪辑变成意图驱动的导演式创作，采用 Apache-2.0 许可。项目支持智能素材搜索与整理、脚本生成与 Few-shot 风格迁移、BGM 与配音字体推荐、对话式精修，并可将完整剪辑流程保存为可复用的 Style Skill 以批量套用。仓库内置 openstoryline-install 和 openstoryline-use 两个 Agent Skills，可接入 OpenClaw、Claude Code 及兼容 Agent Skills 格式的其他智能体。
匹配字段标题
Descript 推出 AI 视频与播客剪辑助手 Underlord
Descript 上线 AI 视频与播客剪辑助手 Underlord，可读取脚本、观看视频并给出剪辑建议，也能按提示词写脚本、批量完成居中说话人、加下三分之一字幕等重复编辑。它同时支持文本化剪辑、场景与布局、AI 动作等原有功能，并按免费、Hobbyist、Creator 三档提供不同媒体时长、AI 额度和导出分辨率。
匹配字段标题
Google 向公众开放 SynthID 检测器，称已有 1800 亿图片和视频带水印
Google 将 SynthID Detector 开放给公众，任何人都可以检测图片、视频或音频是否由 Google 及其合作伙伴的 AI 生成，支持 JPG、PNG、MP4 和 MP3 格式。该工具只能识别带有 SynthID 水印的内容，并非通用 AI 检测器，其他检测系统通常也只验证自家水印。OpenAI、Nvidia 和 Kakao 也在媒体中使用 SynthID，Google 称 Apple 预计很快加入；SynthID 检测已内置于 Google 搜索、Gemini 应用和 Chrome，每天收到 100 万次验证请求，累计带水印图片和视频超过 1800 亿。
匹配字段标题
Utopai X 视频模型在 Artificial Analysis 盲测榜单位列第二，同步推出制片平台 PAI
独立评测机构 Artificial Analysis 的文生视频榜单中，影视公司 Utopai Studios 的模型 Utopai X 以 1150 分位列第二，与第一名阿里的 Wan 3.0 仅差 7 分。该模型以 MiniMax 开源的视频模型 H3 为底子做后训练，在 10 项能力中有 7 项比基座更接近顶尖水平，提升最明显的是音频同步、运镜控制和物理。与模型一同亮相的还有制片平台 PAI，导演可在同一工作台从剧本推进到剪辑，系统会自动拆出场次和镜头，其中的影响检查功能会在插入新镜头时提示后续镜头人物视线接不上并标记需重新生成。
匹配字段标题
Hao AI Lab 发布 FastVideo FastH3，可在单张消费级显卡本地生成带音频视频
Hao AI Lab 发布 FastVideo FastH3，可在单台消费级设备上运行，支持 NVIDIA RTX GPU、DGX Spark 和 Apple Silicon。FastH3 V2 在 8 步内超过 MiniMax H3 基座模型，单张 RTX 5090 生成 5 秒 480p 带音频片段耗时 15 秒，768p 约 35–39 秒。同时发布 FastH3 Trim，体积比基座 H3 小 4.2 倍，最低 8 GB 显存即可运行，并已开放模型、Cookbook 与代码。
匹配字段标题
Krea Agent 接入 After Effects，可生成动效并调整视频尺寸
Krea 宣布 Krea Agent 进入 After Effects，可在软件内创建动效图形、调整视频尺寸，并处理声音、图像等内容。官方演示还展示了 Krea Agent 将图层整理成合成（compositions）的能力，目前可免费试用。
匹配字段标题
Tavus 预览 Griffin 实时视频交互模型
AI 初创公司 Tavus 预览了 Griffin，一个可在实时视频中观看、聆听、说话并作出反应的 Human Interaction Model。Tavus 称在面对面测试中，48% 的参与者认为对话对象是真人，此前模型这一比例仅为 2.4%；该模型在 NVIDIA 的 VideoFDB 视频聊天测试中与真人相差 0.09 分，并领先次优 AI 模型超过 1 分。目前仅 Griffin-Lite 向受信任测试者开放，用于继续完善安全与披露功能，后续再公开推出。
匹配字段标题
Tavus 推出实时视频对话模型 Griffin，48% 测试者误认其为真人
Tavus 推出名为 Griffin 的 Human Interaction Model，可在实时视频通话中同时接收和生成语音、面部表情、语气、手势与停顿。Tavus 研究显示，48% 的参与者在一次一分钟视频通话后认为 Griffin 是真人，此前系统最高为 2%。在 Tavus 称为 Nvidia 独立测试的拟人度评分中，Griffin 得 3.83 分，真人为 3.92 分，此前最佳 AI 模型为 2.80 分。名为 Griffin-Lite 的预览版已向部分测试者开放，能力更强的版本将在安全问题解决后推出。
匹配字段标题
ElevenLabs 上线图像、视频与 Templates API
ElevenLabs 将图像生成、视频生成和 Flows 中的模板能力开放为 API，图像与视频 API 可调用 Google、OpenAI、ByteDance 和 Creatify 的模型，定价与应用内一致。模板把图像、视频、语音、音乐和音效模型打包成无需配置的工作流，团队在 Flows 中搭建一次后，后续只需传入新的产品图和名称即可批量产出成品素材。这些模型也可通过 ElevenLabs MCP 在 Claude、ChatGPT 或 Cursor 中使用，一次 OAuth 安装即可，无需管理 API key。
匹配字段标题