腾讯混元 HyCreator：长视频生成智能体框架
用于视频生成的 Hy Agent Harness。 HyCreator：面向长视频生成的智能体框架 🚀 端到端自动模式 ⏲️ 零人工干预生成 10 分钟量级的影片 👨🦰 可随时切换到实时交互式编辑 申请早期访问：https://t.co/r9yeuVofGI
匹配字段标题、摘要
←搜索结果
搜索“视频”
Runway 用 SeedDance 2.5 三个提示词生成视频
我在 @runwayml 里用 SeedDance 2.5 只花了 3 个提示词就做出了这个。 AI 视频在这么短时间内的飞跃简直太疯狂了！
匹配字段标题、摘要
NVIDIA JetPack 7.2.1 新增智能体视频技能与 T3000 模拟
NVIDIA JetPack 7.2.1 首次在 Jetson 上支持 PyNvVideoCodec 2.2，这是用于 GPU 硬件加速视频编解码的 Python 库，帧以 GPU 设备内存形式通过 DLPack 和 CUDA 缓冲区暴露，并支持多模式帧采样与后台线程预解码的 ThreadedDecoder。该版本还通过统一的 jetson-videosdk 技能引入基础智能体视频工作流，可在 Video Codec SDK 与 PyNvVideoCodec 之上完成设备检查、配置生成、执行与性能测量验证。此版本技能仅覆盖 Video Codec SDK 和 PyNvVideoCodec，不含 GStreamer、V4L2 或 AI 模型层面的流水线构建技能。
匹配字段标题、摘要
Google 将 AMIE 推进到实时视频问诊，随机研究显示达到专家级水平
Google Research 发布 AMIE (Video)，基于 Gemini 和 Project Astra 实现实时视频临床问诊，可感知非语言线索、引导虚拟体格检查并同步进行诊断推理。研究采用异步多智能体架构，由三个专职智能体并行处理对话、推理与视听感知，以维持自然对话延迟。在 100 个场景、300 次实时问诊、30 名认证初级保健医生参与的随机 OSCE 研究中，临床评估者在病史采集、诊断准确性和沟通质量上给 AMIE (Video) 的评分与初级保健医生相当，在引导体格检查方面显著更高；患者演员更偏好视频界面。研究全部使用专业患者演员模拟场景，尚未在真实患者中验证。
匹配字段标题、摘要
Black Forest Labs 开放 FLUX 3 Video 文生视频与图生视频能力
Black Forest Labs 宣布 FLUX 3 Video 的初版文生视频与图生视频能力即日起通过 BFL API 和部分合作方开放，可生成最长 20 秒的 HD 视频，并支持 Full HD 放大输出与原生音频。该模型支持多镜头切换、关键帧、视频续写、多语言对白与唇形同步，并提供低成本快速预览的 Draft Mode。官方称内部评测中文生视频明显优于现有 SOTA 模型，图生视频与 Seedance 2.0 持平；后续将推出 FLUX 3 Image 与开放权重版本 FLUX 3 Dev。
匹配字段标题、摘要
Andrej Karpathy：用程序化代码控制分镜，再以视频到视频模型塑造质感与观感
Andrej Karpathy 赞同用程序化代码完成故事板设计与控制，再通过视频到视频模型处理纹理并优化视觉效果。
匹配字段标题、摘要
MiniMax 发布多模态生成模型 H3，支持 2K 视频与原生立体声
MiniMax 发布通用多模态生成模型 H3，可理解文本、图像、视频和音频组成的统一上下文，生成带原生立体声的视频，最长 15 秒、2K 分辨率。官方称 2K 下每秒价格不到主流模型的三分之一，768p 价格不到主流模型 720p 的一半，并计划在近日开放模型权重。H3 采用 Contextual Omni Representation、H3-VAE、H3-Omni Transformer 和 In-Context Regeneration 等技术，官方表示完整技术报告即将发布。
匹配字段标题、摘要
xAI 为 Imagine Video 1.5 加入图像与声音参考、文生视频和原生 1080p
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，视频生成骨干被用于机器人控制
Black Forest Labs 发布多模态基础模型 FLUX 3，在单一架构中联合学习图像、视频和音频，可单次生成最长 20 秒带音频视频，支持文本、图像或视频输入。其视频骨干被 mimic 用于 FLUX-mimic 机器人控制系统，在软体 kitting 任务上报告 95% 成功率，高于同数据训练的 π0.5 的 55%；冻结骨干时仍具竞争力。FLUX 3 Video 已开放早期访问，图像生成与编辑随后推出，动作预测通过合作方提供，并计划发布开放权重版本。
匹配字段标题、摘要
Black Forest Labs 与 mimic 推出基于 FLUX 3 的视频-动作模型 FLUX-mimic
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
用 Nano Banana 2 Lite 做世界杯首发阵容视频
我用 vibe coding 做了一个应用，能把你放进你最爱球队的世界杯首发阵容揭晓视频里！⚽️ 由全新的 Nano Banana 2 Lite + Gemini Omni Flash 驱动。 选一支球队，摆个姿势，导出你自己的阵容视频分享给朋友。 自己试试 + 代码见下方！https://t.co/vEASfanLE7
匹配字段标题、摘要
xAI 发布 Grok Imagine Video 1.5，图生视频模型正式开放 API
xAI 宣布 Grok Imagine Video 1.5 在 Imagine API 正式可用，模型名为 grok-imagine-video-1.5，同时 Video 1.5 Fast 已上线 grok.com/imagine 及 iOS、Android 应用。官方称这是其目前最好的图生视频模型，音效、环境音与对白在同一次生成中完成，语音更清晰、同步更好，画面运动与物理表现更稳定。Video 1.5 Fast 生成 6 秒 720p 视频约需 25 秒，此前模型需 40 秒以上；未来几天还将上线 Projects、多智能体并行和素材库搜索等功能。
匹配字段标题、摘要
xAI 发布图生视频模型 grok-imagine-video-1.5-preview
xAI 通过 API 以预览形式开放图生视频模型 grok-imagine-video-1.5-preview，输入一张静态图和描述运动的提示词即可生成视频。模型支持最高 720p 分辨率，可用自然语言控制镜头运动、节奏和声音设计，并保持输入帧的细节与光照。它还能逐帧生成后串联成更长场景，保持整个项目视觉一致。
匹配字段标题、摘要
Violin：打破语言障碍的开源视频翻译技能
Together AI 推出完全开源的 Violin 视频翻译工具，通过 ASR、大语言模型翻译和 TTS 语音合成生成译制视频。它还支持基于音视频内容的多模态问答和自然语言选声，不提供声音克隆，并默认以低音量保留原声。GUI、后端模型与智能体技能均以 MIT 许可证开放。
匹配字段标题、摘要
如何用 Replit Animation 制作吸睛视频
Replit 于 2 月推出 Replit Animation，让任何人都能在几分钟内制作动效风格视频，相关视频已为 Replit 带来超过 1000 万次自然曝光。官方指南建议首个提示词不要过度脚本化，让 Agent 发挥创意，并通过多轮迭代、Canvas 分场景调整和转场关键词优化输出。导出可使用 Replit 原生渲染器，或直接录屏获得更流畅帧率。
匹配字段标题、摘要
Together AI 上线 Wan 2.7 Text-to-Video，四模型视频套件将陆续推出
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
Replit Animation 发布：用自然语言在 Replit 内生成动效风格发布视频
Replit 推出 Replit Animation，让开发者用自然语言在 Replit 工作区内直接生成动效风格的发布视频，而非 Veo、Sora 那类 AI 生成视频。该功能源于产品设计团队 Samuel 的实验，他 30 分钟内做出的一支 Fast Mode 发布视频在社交平台获得超 100 万次自然曝光，成本仅几美元。Replit Animation 基于 Gemini 3.1 Pro 构建，内置提示词优化器，可先生成初稿再在 Replit 内持续迭代。
匹配字段标题、摘要
谢赛宁发布 Solaris：Minecraft 多人视频世界模型
谢赛宁（Saining Xie）发布 Project Solaris，一个在 Minecraft 中构建多人视频世界模型的新项目。发布包含三部分：Solaris Engine 多人数据采集系统、Solaris Model（采用内存高效 self forcing 设计的多人 DiT，基于 1260 万帧协作 Minecraft 游戏画面训练）、以及用 VLM 作为评判者评估多人能力的 Solaris Eval。
匹配字段标题、摘要
Replit 如何用虚拟时钟把任意网页渲染成确定性视频
Replit 介绍其视频渲染引擎的实现：向页面注入约 1200 行 JavaScript，替换 setTimeout、setInterval、requestAnimationFrame、Date 和 performance.now() 等时间 API，让时间只在渲染时按 1000/fps 毫秒推进，从而把任意网页逐帧渲染成 MP4。由于页面内容不受控且视频由 AI 智能体生成，团队没有采用 Remotion，而是从外部对任意网页施加确定性。音频方面通过 monkey-patch Web Audio API 和 HTMLMediaElement 拦截播放意图，再由服务端 FFmpeg 混音；视频元素则经服务端转码为 fragmented MP4、mp4box.js 解复用、WebCodecs 解码后绘制到 canvas。该实现受开源项目 WebVideoCreator 启发，团队计划将其开源。
匹配字段标题、摘要
Cursor 上线智能体演示视频功能，不再只展示 diff
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