搜索“视频”

谷歌展示视频版AMIE专家级表现

Google Research与Google DeepMind 展示 AMIE在实时音视频临床咨询中的专家级表现

查看事件：谷歌展示视频版AMIE专家级表现

Saining Xie 提出 pose 是视频多模态模型所需的最小充分 3D 信号

2026年5月27日,Saining Xie 提出一项判断:pose 很可能是稳健视频多模态模型所需的最小充分 3D 信号,并强调它容易获取。他同时发布 cambrian 系列最新成果 cambrian-p,其中 p 代表 pose。据其表述,联合建模帧与 pose 能把图像序列转化为全局有根基的结构。目前该判断与成果均来自其本人发布,尚无其他独立来源的后续发展或验证。

Replit 介绍其网页转确定性视频渲染引擎

2026年2月27日,Replit 介绍其视频渲染引擎的实现方式。该引擎向页面注入约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。

Saining Xie 提出 pose 是视频多模态模型所需的最小充分 3D 信号

Saining Xie 提出判断 pose 是稳健视频多模态模型所需的最小充分 3D 信号

查看事件：Saining Xie 提出 pose 是视频多模态模型所需的最小充分 3D 信号

Together AI开源视频翻译工具Violin

Together AI上线Wan 2.7视频模型

Suno发布Suno Scenes照片视频生成歌曲功能

2024年10月16日,Suno发布新功能Suno Scenes,可从相机拍摄的照片和视频生成独特歌曲。该功能率先面向iOS移动端用户开放,入口位于歌曲创作体验的Camera模式。用户可用风景、自拍或日常视频作为素材创作并分享内容。

Together AI开源视频翻译工具Violin

Together AI 开源发布 视频翻译工具Violin

查看事件：Together AI开源视频翻译工具Violin

Together AI上线Wan 2.7视频模型

Together AI 上线 Wan 2.7文本生成视频模型

查看事件：Together AI上线Wan 2.7视频模型

Replit 介绍其视频渲染引擎实现方式

Replit 介绍 通过虚拟时钟、补丁音频 API 与处理 headless Chrome 怪癖将网页渲染为确定性视频的引擎

查看事件：Replit 介绍其网页转确定性视频渲染引擎

Karpathy用Claude Opus 5.5两小时做出HackerTube

2026年11月1日,Andrej Karpathy发布周末项目HackerTube:他用Claude Code配合Claude Opus 5.5,从Hacker News过去20年的4300万条评论中筛选出6454个被反复推荐的长视频,搭建了一个无需登录的视频推荐网站,整个过程约耗时两小时。据阿易 AI Notes报道,他只在浏览器中手动申请Google Cloud的YouTube API密钥、租用VPS并购买域名,随后把IP交给Claude,由它完成部署、安全加固和代码优化;网站封面直接取视频中间帧,浏览状态保存在本地浏览器会话中。凤凰科技报道补充,模型推理强度设为Medium,Karpathy称自己只亲自完成创建API密钥、启动VPS和购买域名三项操作,网站还提供底层评论分析数据的ZIP压缩包供其他开发者改造。目前该项目已对外发布。

Krea插件支持在Grok内将草图转为卡通动画

Krea宣布,借助Krea插件,用户可以直接在Grok中把草图变成卡通动画,只需向Grok提出请求即可。此前Krea已推出面向Grok bot的插件,可在Grok内生成图像和视频。目前该功能已随插件接入Grok,用户通过向Grok发出请求即可使用草图转卡通动画能力。

Nathan Benaich预测2027年实现AGI

Air Street Press的Nathan Benaich在MAD Podcast与Matt Turck讨论State of AI Report 2026时,重申他关于2027年实现AGI的预测。他给出的判断依据是,AI在投资、AI研究、金融、法律等知识工作上已能接近他的水准。他还谈到图像、视频、音频正融合为世界模型,以及智能体带来的网络安全风险;ElevenLabs的智能体每周已处理超过1500万次对话,是2月量的三倍。目前该预测仍为Benaich的个人判断,尚无后续发展事实。

WorkBuddy接入腾讯Miora

腾讯WorkBuddy作为AI工作台,已接入腾讯Miora,在平面、视频等多模态视觉资产上保持统一风格,并支持多窗口执行任务。36氪·AI于2026年10月30日报道称,WorkBuddy可帮广告、内容行业的乙方把零散Brief拆成传播方案、待办清单和PPT,并整理嘉宾排期与预算表;其自带Skillhub,已接入小红书、公众号、抖音和视频号等运营技能,可生成不同平台尺寸、风格和文案。目前尚无后续发展信息。

豆包推出签到领额度与新用户免费体验活动

2026年10月30日,豆包面向所有用户推出每日签到领额度活动:每日签到可得200额度、周一翻倍,累计签到30天可得8800额度,超过一个月标准套餐的8400额度。同日报道还提到,首次登录豆包电脑版或豆包工作电脑版的新用户可领取30天免费体验套餐。赠送额度有效期30天,可用于除生视频、Pro模型以外的所有能力,签到额度可立即使用且优先消耗。雷锋网称这是豆包工作上线以来第三次面向所有用户发放额度福利。目前暂无后续进展。

Meta推出AI穿搭应用Style Sketch

Meta推出AI穿搭应用Style Sketch。据TechCrunch AI报道,该应用可连接Instagram,用用户已发布照片搭建虚拟衣橱,也支持拍照、录视频或上传相册图片手动添加单品。应用会按用户风格推荐搭配,并让用户在匹配自身体型和肤色的“真实感模型”上试穿,还支持按目的地、行程天数和天气生成逐日穿搭计划。凤凰科技同日报道称,该应用已在印度尼西亚、新加坡和泰国上线,支持iOS与安卓。Meta未回应是否扩大发布范围。

Rohan Paul称Sunra按厂商原价转售多模态模型调用

Rohan Paul 于2026年10月29日转述称,Sunra 发布 Sunra API,用户通过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 还称,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。目前该说法仅见于 Rohan Paul 的转述,尚无 Sunra 官方或其他来源的独立证据。

Rohan Paul称Sunra按厂商原价转售多模态模型调用

Rohan Paul 于2026年10月29日转述称,Sunra 发布 Sunra API,用户通过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 还称,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。目前该说法仅见于 Rohan Paul 的转述,尚无 Sunra 官方或其他来源的独立证据。

查看事件：Rohan Paul称Sunra按厂商原价转售多模态模型调用

Articul8推出决策模型Bivia

Articul8推出多模态决策模型Bivia,可接入AI智能体,在置信度低时选择不推进,并按整个任务目标权衡每一步决策。该模型支持结构化回复,可在智能体执行中途调用,并针对真实生产工作流训练。据Testing Catalog报道,其输入价格为每百万token 0.042美元,无订阅费。另一报道称,Bivia可处理文档、图像、音频、视频和时序数据,进行连续决策,并在不确定时交由人类判断;Articul8由Intel团队在ChatGPT发布前一个月交付给企业客户的项目发展而来,公司估值5亿美元,称已在半导体、能源、制造等行业积累3年以上生产部署经验。

Grok Bot本周更新Pages、Vault与1Password联动

Grok Bot本周更新了多项功能。据阿易 AI Notes报道,此次更新包括可直接生成可编辑报告页和仪表盘的Pages、用于存放登录与银行卡信息的Vault,以及与1Password的联动;Vault与1Password的设计是让Bot代填登录和结账信息,但Bot本身看不到密码和卡号。更新还加入手机App授权,覆盖日历、通讯录、位置、闹钟,在iPhone上可管理提醒事项和控制Home灯光;此外还有根据描述或图片生成视频、新Bot角色和X Spaces等。目前该报道为唯一信源,尚无后续发展。