Simon Willison 在 WeAreDevelopers World Congress North America 闭幕演讲中，用 Claude Opus 5.5 根据三张鸮鹦鹉照片生成了 HTML5 canvas 像素动画 Kākāpō Party，画面中至少 20 只鸮鹦鹉跳跃庆祝并带彩纸效果。随后他让本地 Claude Code 会话借助 Playwright 加载该 HTML 并模拟点击，录制出一段 15 秒视频用于 Keynote 收尾幻灯片。
匹配字段摘要
Krea 宣布 Krea Agent 支持运动参考（motion references）：可从任意视频片段中提取运动，并应用到新的角色、场景或元素上。
匹配字段摘要
对 @braylonbrowner 来说，动作不只是跟随音乐，而是音乐的起点。 看他如何用 v6 把自己的动作变成一首歌，并将编舞过程推向意想不到的地方。 创作打动你的东西。 观看由 Nina McNeely 执导的他的首支音乐视频：https://t.co/E0qTAESTOV
对 @braylonbrowner 来说，动作不只是跟随音乐，而是音乐的起点。 看他如何用 v6 把自己的动作变成一首歌，并将编舞过程推向意想不到的地方。 创作打动你的东西。 观看由 Nina McNeely 执导的他的首支音乐视频：https://t.co/E0qTAESTOV
匹配字段摘要
今年 2 月我们首次推出 /remote-control 时，我用 Opus 4.6 做这些视频玩得很开心。那么，这是 Opus 5.5 的黏土动画版。 Remote Control with 5.5，急用时必备！https://t.co/e04QxTbgUo
今年 2 月我们首次推出 /remote-control 时，我用 Opus 4.6 做这些视频玩得很开心。那么，这是 Opus 5.5 的黏土动画版。 Remote Control with 5.5，急用时必备！https://t.co/e04QxTbgUo
匹配字段摘要
Synthesia 为 TechCrunch 记者制作了一个交互式数字人分身，这也是该公司首次为记者（除 Voica 外首次为任何人）打造数字分身。该分身由语音转文字、视频、语言和文字转语音模型组合驱动，基于记者关于风投支持创业公司欺诈的报道训练，只会回答该报道相关问题。Synthesia 今年早些时候估值达 40 亿美元，去年 ARR 突破 1 亿美元。
匹配字段摘要、正文
Ben Tossell 用一个上午做出 50 年科技设备时间轴网站，收录 87 台 1976 至 2026 年的设备，全部图片由 Astra 生成，共 40 条消息、7 个 subagent、1455 票。网站先在 Codex 中启动、后用 Factory 的 Droid 完成，支持拖动时间轴切换设备、投票标记“用过/想要”并生成可分享的个人设备页，还由 luna subagent 生成了 10 秒视频演示。
匹配字段摘要
Meta 在 Connect 2026 活动上为旗下走红的 Muse 智能体发布多项升级，包括 12 月发货的钥匙扣硬件 Charm、数月内上线的 AI 眼镜集成、实时语音与视频对话，以及可同步语音的 Muse Realtime Avatar。扎克伯格称 Charm 是“与 Muse 对话最快的方式”，眼镜端将提供连 Meta 也无法获取数据的私有处理模式。PayPal、Walmart、Shopify、GitHub 和 Box 等公司已成为 Muse 合作伙伴，此前亚马逊本周早些时候曾阻止其访问。
匹配字段摘要
作者称用 opus5.5 一次性直出产品宣传片，全程未接入任何 AI 视频、AI 音乐或 AI 图像生成模型，并同时输出 16:9 和 9:16 两个版本。作者还表示已公开完整提示语。
匹配字段摘要、正文
Runway 本月推出研究预览版 GWM Worlds 2，把高保真视频与音频生成变成实时交互式模拟，并提出 WorldPrompt 输入格式，可固定首帧等环境要素后按时间戳编排事件。该模型以 720p、24fps 视频和 48000Hz 音频流式输出，做法是先微调基础音视频模型以适配 WorldPrompt，再后训练为自回归生成，最后用蒸馏做到实时。CTO Kamil Sindi 与首席研究科学家 Robin Kahlow 表示，自回归模型的误差累积、长时记忆和上下文取舍仍是待解问题，模型也没有结构化状态可供智能体读取。
匹配字段摘要
Physical AI 创业公司息壤开物宣布连续完成数亿元种子轮及天使轮融资，由敦鸿资产领投，估值达5亿美金。公司由前华为云大模型CTO李寅任创始人兼CEO、前华为多模态首席科学家张含望任联合创始人，目标是做 Large Physics Model（LPM），即先从海量视频、机器人轨迹和真实交互中预训练物理基础模型，再迁移到不同本体和任务。息壤披露其模型在 World Arena 2.0 Track 1 的 Trajectory Accuracy 单项排名第一、Physical Adherence 单项排名第二，训练成果 XIRRA v0.1 计划于今年晚些时候亮相。
匹配字段摘要、正文
Meta 在 Connect 大会上把 Muse 智能体推到核心位置，软件上新增 Computer Use 操控 Mac、独立专属邮箱和实时视频数字分身，硬件上推出可挂裤腰的口袋设备 Muse Charm，并宣布 Muse 在海量 Token 消耗下保持免费使用。据 Sensor Tower 数据，Muse 发布两周内下载量突破 250 万次，霸榜美区应用商店下载榜第一，Meta 股价随后上涨超过 20%。路透社独家调查称，Muse 的自主打电话功能实际由呼叫中心真人外包团队接管，MSL 副总裁在内部帖中表示真人代打成功率可达 95% 至 98%，Meta 高管已道歉并回滚该功能。
匹配字段摘要、正文
@Qzoomer1 编辑模型已取代 omni-reference，各方面都应该更好！我们很快会发一个视频，把这点讲透 https://t.co/xTJjca1cvQ
匹配字段摘要
Meta 在 Connect 2026 开发者大会公布 Muse AI 应用的多项新功能后，于周五开放早期访问申请，用户可让 Muse 代为提交申请。新功能包括可与 Muse 数字虚拟形象视频通话、更多购物合作与连接器、扩展 Muse Mac 应用使其能使用电脑完成任务，以及将 Muse 引入 Meta AI 眼镜，支持唤醒词语音交互。
匹配字段摘要
Google 在 Gemini 3.8 Live 更新中推出 Live Avatar，用户可在对话时看到实时回应的动画 AI 形象，它会同步口型并展示不同面部表情，目前仅面向 Gemini Enterprise 客户开放。Google 称 Live Avatar 可在其支持的 97 种语言之间切换而不降低视频保真度或产生视觉漂移，还能在说话时在屏幕上调取信息。该功能约一周前随 Gemini 3.8 Live 模型发布，除预设形象库外也允许企业自建，输出带有不可见的 SynthID 水印及尊重身份的防护措施。
匹配字段摘要
Meta 在 Connect 2026 上把个人智能体 Muse 作为硬件加智能体战略的核心，发布了 Muse 的语音与实时视频能力、Mac 端 computer use、Muse Mail 邮箱地址，以及 Ray-Ban Meta Gen 3、售价 1299 美元的 Meta VR Glasses 和 12 月发货的钥匙扣设备 Muse Charm。Muse 对用户免费，Meta 未来可能从交易中抽成，已接入 Walmart、Best Buy、Gap、Sephora、Instacart 等零售伙伴以及 Box、GitHub、Granola、Notion 等生产力工具，连接器平台有 1500+ 应用。Meta 同时研究性发布 Muse Realtime Avatar，称其响应低于一秒、支持无上限会话时长并对输出加水印，但未发布新的前沿模型，Alexandr Wang 仅预告“最强大的模型”即将推出。
匹配字段摘要
Meta 发布 Muse Realtime Voice 与 Muse Realtime Avatar，二者通过共享语音 token 流组成统一流式架构，前者生成编码内容与韵律的语音 token，后者消费同一流并生成流式视频。系统以固定长度历史作为后续分块的动作上下文，在任意对话长度下保持有界计算，同时生成同步的语音、唇动与表情。团队将带 3-way CFG、每段视频需 120 次评估的 40 步扩散教师模型蒸馏为无引导的 2 步因果学生模型，配合固定长度 KV cache 与 self-forcing，以少 60 倍的评估次数接近教师质量；在自家实时通话产品中与两个商用化身系统对比，Muse Realtime Avatar 在整体偏好上领先。
匹配字段摘要
Midjourney 在 alpha.midjourney.com 上线一批更新：Styles 侧边栏新增 "Live previews" 实时预览，可边浏览边用当前提示词预览各样式；Settings → Advanced → Your defaults 支持保存默认参数，也可点击 "Set current pills as default"。Create Feed 改为全宽瀑布流，提示词与按钮悬停显示、视频悬停播放，并新增 Grid/List 视图、就地 Organize 模式和跨项目 Archive。编辑器现支持 v8.1 与 v8.2 编辑类型，画布可跑 HD；韩语已从 alpha 扩展到 midjourney.com 全量上线。
匹配字段摘要
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在 Gemini 3.8 Live 的实时对话能力上加入低延迟流式视频，让模型能边听、边看、边说。该功能支持精确唇形同步、自然表情与流畅轮次切换，并可在对话中无缝切换 97 种语言而不损失视频保真度。它已上线 Gemini Enterprise，支持后台异步工具调用，企业还可基于参考图定制专属形象，定制功能目前仅通过企业白名单开放。
匹配字段摘要
Google Chrome 推出面向学习场景的新功能：Gemini in Chrome 可将播客、视频等音视频内容总结要点，并能根据当前标签页内容生成互动测验，该测验功能已在美国和印度的桌面端以英文上线，未来数月扩展至更多地区和移动端。Chrome 还提供标签组、分屏视图、跨设备同步（保留滚动位置和未填完的表单）、沉浸式阅读模式与朗读工具，Android 端朗读的 AI 播放还能生成播客式对话。
匹配字段摘要
Newcomer 发布首期 VC Sentiment Report，系统访谈 25 位风投，其所在机构合计管理超 1000 亿美元 AUM，每人视频访谈 30 至 45 分钟，共收集 344 条引语。报告显示，投资者看好 AI 基础设施初创公司，但对大实验室之外的新基础模型公司已转向悲观，并讨论了 AI 估值 12 个月内下跌 25% 以上的概率、OpenAI 与 Anthropic 股份处置等话题。该报告将按季度持续追踪同一批投资人。
匹配字段摘要