AI短剧渗透6亿人，长视频平台集体入局
2026年第一季度全行业上线微短剧12.8万部，其中AI微短剧12.2万部，占比突破95%，AI短剧用户规模上半年突破6亿，市场规模超220亿元。字节通过番茄小说输出IP、Seedance承担约80%至90%制作流程、红果与抖音完成分发变现，红果2026年7月日活达1.68亿。爱奇艺、腾讯视频、芒果TV、优酷在2026年4月后先后入局，路径分化但资源共同向真人加AI模式倾斜。
匹配字段标题
←搜索结果
搜索“视频”
张一鸣亲自督导的世界模型：字节以视频生成切入实时互动
字节跳动正基于视频生成模型 Seedance 开发实时空间视频生成模型，由张一鸣亲自协调跨部门团队与算力资源，据称最快可能于 10 月推出，影视飓风 Tim 已在小红书流传的演示中展示了造世界、任意门、机器人训练和 VR 职业模拟等场景。文章梳理了世界模型的三条路线：OpenAI 的物理仿真、Google DeepMind Genie 3 的实时交互、英伟达 Cosmos 3 的物理 AI 底座，而字节走的是以 Seedance 为基础、按需生成每秒 20 帧视频、端到端延迟约 50 毫秒、云端渲染串流到终端的第四条路，计划适配 Pico 头显并用于直播、互动短剧和游戏。作者认为字节的底气在于抖音、红果、剪映、火山引擎和 Pico 构成的内容生态，世界模型的价值不在生成好看的视频，而在生成可交互、可训练的世界。
匹配字段标题
快手可灵 AI 模型 Kling 4.0 全量上线，单次生成视频最长 30 秒
快手可灵 AI 宣布 Kling 4.0 正式全量上线 klingai.com，单次生成视频最长可达 30 秒，并支持多次续拍延展至 2 分钟。新版本支持单次输入最多 10 张图片、5 段视频及 7 个主体组合使用，输入长度提升至 8000 tokens，同时升级了镜头运动、音频与口型匹配等能力。Kling 4.0 能力已接入 MCP / CLI，面向企业客户与开发者的 API 服务将于近期开放。
匹配字段标题
Descript 工程博客：Underlord AI 剪辑助手与视频编辑模型研究
Descript 工程博客汇总了其 AI 视频编辑的技术进展，包括让 Underlord 学会“看”视频画面、按屏幕内容检索片段，以及支撑 Video Regenerate 和 Smooth Jump Cuts 的 AI 视频编辑模型研究。团队还基于 WebCodecs API 重构应用以实现更快的 4K 导出，并分享了为何不应把 API 直接做成 MCP 的经验。
匹配字段标题
Descript 视频编辑背后的 AI 研究：Video Regenerate 与 Smooth Jump Cuts
Descript 工程博客介绍了其 Video Regenerate 和 Smooth Jump Cuts 功能背后的 AI 视频编辑模型研究，正是这些模型让无缝视频编辑成为现实。
匹配字段标题
Descript 如何让 AI 智能体 Underlord 学会“看”视频
Descript 为 AI 编辑智能体 Underlord 加入媒体理解能力，让它能直接“看”视频画面，而不只依赖转录文本。团队把视频拆成帧交给多模态模型描述，再拼接成可检索文件，从而按画面内容定位片段，例如“找一段 10 秒内有人咬苹果的镜头”。系统还针对屏幕录制、幻灯片和口播视频采用不同分辨率与抽帧策略，并用 Top K 评估检索准确率。
匹配字段标题
Descript 的 AI 视频编辑：平滑跳剪背后的研究
Descript 发布 Video Regenerate 和 Smooth Jump Cuts 两项 AI 视频编辑功能，用自研模型在音频、唇形和剪辑边界三处做生成式补全。音频模型基于 Descript Audio Codec，时间压缩率约为 DAC 的 4 倍，仅需约 5 秒相邻音频即可零样本推断音色与口音；跳剪平滑则后训练视频生成模型，支持最高 4k 分辨率。
匹配字段标题
Gemini 4 Argon 能把视频变成三维仿真场景，XR 的空间计算会变天吗？
Google 于 10 月 14 日凌晨发布 Gemini 4 Argon，其 Real2Sim 技术可结合机器人摄像头画面与人类第一人称操作视频，重建包含物体几何结构、空间关系及物理属性的三维仿真环境，并借助 MuJoCo 模拟物体运动与交互。该模型在具身推理基准 ERQA 上取得 87% 的成绩，演示中通过迭代式视频世界模型引导灵巧手完成 33 步连续操作拼出 ARGON 字样。文章指出，这项技术目前主要面向机器人及物理 AI 研究，尚未直接应用于 XR 设备，但为 XR 降低对复杂传感器的依赖、走向轻量化提供了思路。
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
AI视频价格从元降到分，可灵、Vidu、Seedance 卷向性价比
36氪转载光锥智能文章指出，AI视频旗舰模型入门价正从元级降到分级：生数 Vidu Q4 Preview 首发优惠 0.09 元/秒起，可灵 Kling 4.0 与轻量版 Flash 开启内测但 API 定价未公布，字节 Seedance 2.5 同规格定价则较上一代上浮。文章认为价格战的前提是交付质量提升，Seedance 2.0 一次生成成功率最高约 90%，而此前行业平均约 20%，一致性瓶颈松动后竞争转向性价比与差异化能力。
匹配字段标题
在 Baseten 上部署 Runway 的 Gen-4.5 和 Aleph 2.0 视频模型
Baseten 与 Runway 合作，让企业可在单租户环境中部署 Runway 的 Gen-4.5 和 Aleph 2.0 视频模型，包括微调版本。Gen-4.5 支持文本和图像生成视频，Aleph 2.0 可编辑已有素材，支持最长 30 秒、1080p 的多场景视频。部署运行在隔离工作负载平面并配备专用 GPU，Baseten 提供 99.99% 可用性 SLA。
匹配字段标题
对话式 AI 公司 Gupshup 推出面向企业的视频 AI 智能体 Avatar Agent
对话式消息软件提供商 Gupshup 推出 Avatar Agent，一个让企业无需集成即可创建视频 AI 智能体的自助平台，智能体可在网站、手机、平板和自助终端上回答客户问题、讲解产品、筛选线索并引导流程。该平台可通过 Gupshup SuperAgent、ChatGPT、Claude 等 AI 助手配置，并支持将现有消息智能体扩展到语音和视频渠道。Avatar Agent 现已上线官网，提供带 Gupshup 品牌标识的免费套餐，规模化使用可选按量付费。
匹配字段标题
马斯克：用 Grok Bot 轻松制作音乐视频
用 Grok @Bot 轻松制作音乐视频
匹配字段标题
机器人看人类视频，究竟能学到哪一步？
钛媒体梳理了近期多支团队围绕人类视频训练机器人的进展：星动纪元开放 VPP2 两套视频模型权重，Dyna Robotics、Figure、Skild AI 等把人类视频放进同一条训练链。Dyna-2 的转钥匙实验中，用 100 万小时人类第一视角视频预训练的模型测试 10 次成功 9 次，而 1000 小时、1 万小时、10 万小时三组均失败。文章同时指出视频预测与真实执行之间仍有差距，DreamZero 的烤箱任务就因模型预测漏掉开门步骤而卡住。
匹配字段标题
Google 开放 Gemini 4 Argon，可将第一人称视频重建为物理仿真环境
Google 正式向开发者及企业开放 Gemini 4 Argon 模型，并公布其在空间重建、物理环境理解及机器人控制方面的技术演示。该模型可基于真实机器人摄像头视频、第一人称人类操作视频及手绘草图，结合 MuJoCo 物理引擎重建带几何形状、碰撞结构、质量与摩擦力等属性的 3D 仿真环境。在机器人训练案例中，利用真实场景照片构建仿真环境并生成超过 4500 段训练数据，使真实机器人任务成功率由 56% 提升至 75%，平均任务完成时间由 35 秒缩短至 24 秒；模型在具身推理基准 ERQA 中取得 87% 的成绩。
匹配字段标题
MiniMax 在纽约广告周办 AI 视频圆桌
纽约，你带来了能量！🗽💜 在 #AWNewYork26 上，MiniMax 召集了 @krea_ai、@fal 和 @magnific，带来了一场充满犀利见解与新鲜视角的圆桌讨论。 随着我们深化与品牌和代理机构的合作，我们探讨了 AI 视频要具备生产可用性需要什么：一致的结果、创作控制力，以及忠于品牌的作品。 我们的展位热闹非凡，我们的小章鱼和托特包也收获了不少喜爱 🐙 感谢邀请我们，@advertisingweek！
匹配字段标题
OpenAI GPT-6 Astra 助力 Higgsfield，AI 视频生成时长从 1 分钟提升到 10 分钟
OpenAI 与 AI 视频生成平台 Higgsfield 合作，接入 GPT-6 Astra 后，Higgsfield 支持生成的 AI 视频时长上限从 1 分钟提升到 10 分钟。GPT-6 Astra 支持创意智能体调用外部工具处理 3D 建模等复杂工作，用于维持长视频在角色、场景和视觉细节上的一致性。Higgsfield 还集成 GPT-Image-2.5 渲染图像文字与信息图，并用 Codex 加速产品开发，下一阶段将基于 GPT-Live-1 探索“语音到视频”创作。
匹配字段标题
Clueso 用智能体自动化企业视频制作
企业视频正悄然成为 AI 领域最大的市场之一。 不是那些花哨的短片，而是日常内容：入职培训、客服支持、员工培训、产品发布。 @clueso 正全力投入这一方向。其智能体用浏览器智能体录制屏幕，撰写脚本，添加配音和动态图形，最后交回一个仍可在完整时间线编辑器中编辑的视频。 使用它的团队报告称生产力提升 5 倍，制作成本降低 80%。
匹配字段标题
马斯克称赞 Grok Bot 视频讲解用例
很酷的 Grok @Bot 用例
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