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、摘要、正文
←搜索结果
搜索“视频”
Google 用 Gemini 4 Argon 将人类视频转为训练仿真，让人形机器人学会投沙包
Google AI 表示正在探索用 Gemini 4 Argon 加速 Google 内部研究，其中一项测试是用人类完成趣味任务（如投沙包）的视频自动生成训练仿真，而不再完全依赖人工编程。研究团队展示了人形机器人学习这些视频、运行仿真并掌握投沙包任务的过程。
匹配字段标题、摘要
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、摘要
Kling 4.0 如何打造爆款 AI 音乐视频
如何做出一支让人热议的 AI 生成音乐视频？👀🎬 PROMPTR Studios 创意总监兼联合创始人 Simon Meyer 提前获得了 Kling 4.0 的使用权限，用来测试它的新能力。他创作的这支音乐视频走红，观众都想知道他是怎么做到的。 在本期 Creator Off Script 中，Simon 拆解了他的创作流程，分享了他如何让 AI 素材显得真实，并揭示了他印象最深的 Kling 4.0 功能。
匹配字段标题、摘要
The Information 报道：影视创业公司洽谈深度接入 OpenAI 已关闭的 Sora 视频模型
The Information 报道，一家面向影视创作者的创业公司正与 OpenAI 洽谈深度接入已关闭的 Sora 视频模型。该公司由 Jeffrey Katzenberg、前 Sora 研究负责人 Bill Peebles 和前 Dropbox CFO Sujay Jaswa 共同创立，名称未披露。讨论中的条款允许该公司大幅定制 Sora 并销售基于其构建的软件，OpenAI 将获得未披露的股权。
匹配字段标题、摘要
尼康显微摄影大赛冠军因 AI 生成视频被撤销奖项
尼康第 16 届 Small World in Motion 显微摄影大赛撤销了清华大学 Dr. Ning Xu 的冠军资格，其作品被认定违反比赛规则。研究者指出视频中细胞结构大小异常、纤毛凭空出现，UT Southwestern 博士生 Ian Donovan 还发现源图像带有 AI 生成水印。Xu 在已删除的 LinkedIn 帖中承认后期处理使用了 AI，但称未用 AI 生成视频本身；尼康表示将重新审视未来比赛的规则和评审流程，冠军改授越南的 Nguyen Nam Nhat。
匹配字段标题、摘要
Dan Shipper 用 muse wonder 生成个人基准视频
我用 muse wonder 做了一个视频来解释个人基准…… 这个嘛，还挺粗糙的 有意思的是，它到目前为止所有视频都是用澳大利亚口音解说的。解读就留给读者了 https://t.co/OULxzZFCxt
匹配字段标题、摘要
Muse Wonder 与 Muse Code 接入 fal 生成图像视频
Muse Wonder 和 Muse Code 接入 fal 后，生成图像和视频的效果更出色。 观看我们的最新 YouTube 视频了解方法！
匹配字段标题、摘要
InternLM CapRL：用强化学习提升密集图像与视频描述能力
InternLM 发布 CapRL 系列密集描述模型，用强化学习替代传统监督式描述模仿，以 QA 效用作为可验证奖励。CapRL-Qwen3VL-2B 在描述任务上超过 CapRL-Qwen2.5VL-3B 和 Qwen2.5VL-72B，CapRL-Qwen3VL-4B 性能进一步提升。CapRL++ 将框架扩展到视频，CapRL-Video-4B 基于 Qwen3-VL-4B 训练，支持带时间戳的视频描述。
匹配字段标题、摘要
World Labs 完成 10 亿美元新融资，首款产品 Marble 可从图像视频文本生成 3D 世界
World Labs 宣布完成 10 亿美元新融资，投资方包括 AMD、Autodesk、Emerson Collective、Fidelity Management & Research Company、NVIDIA 和 Sea 等。公司表示将加速推进空间智能使命，构建世界模型，应用于叙事、创意、机器人、科学发现等领域。其首款产品 Marble 支持任何人从图像、视频或文本创建空间连贯、高保真且持久一致的 3D 世界。
匹配字段标题、摘要
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、摘要
World Labs 发布世界模型 Atlas，原生支持文本、图像、视频与 3D
World Labs 发布下一代世界模型 Atlas，这是一个从零预训练的多模态自回归扩散 Transformer，原生处理文本、图像、视频和 3D，所有输入被组合进共享的空间上下文。Atlas 支持像素级相机控制的图像与视频生成，可输出最长 1 分钟、1440p 的视频，并能从 1 到上百张输入图像重建真实场景，生成点云或 3D Gaussian splats。官方称其在相机控制生成和稀疏视图 3D 重建两项任务上优于专用模型，目前面向部分合作伙伴开放早期访问，并将用于 Marble 等后续产品。
匹配字段标题、摘要
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、摘要
企业视频自动化初创公司 Clueso 融资 1000 万美元，用 AI 智能体取代人工制作流程
企业视频自动化平台 Clueso 完成 1000 万美元 A 轮融资，由 Dharana Capital 领投，Founders Fund、Neotribe Ventures、Y Combinator 和 f7 Ventures 参投，累计融资超过 1200 万美元。Clueso 用自主 AI 智能体操作真实软件界面抓取素材，自动生成脚本、配音、动态图形并支持后续修改，还通过可自更新的 Clueprints 保持品牌与内容同步。Zendesk 称使用后视频制作成本降低 80%、生产力提升 5 倍以上。
匹配字段标题、摘要
Anthropic 发布 Transformer Circuit 早期研究视频
Anthropic 在 Transformer Circuits 页面发布了几段视频，记录团队早期尝试逆向工程神经网络的非正式思考，定位类似研究组会议上的早期结果分享。团队强调这些想法非常粗糙、可能存在错误，且其思考已大幅演进，前几段视频已被更完善的论文《A Mathematical Framework for Transformer Circuits》取代。
匹配字段标题、摘要
Google 研究多智能体框架实现连贯长视频生成
Google Research 提出一套统一的多智能体框架，用于自动生成时间上连贯的长视频叙事，缓解现有线性流水线中的身份漂移和级联失败问题。该框架以 Gemini 和 Veo 为底座，包含 AI video co-director、CANVAS、A²RD 和 VQQA 四个部分，分别负责创意编排、视觉分镜、长时生成和闭环优化。评估显示，AI video co-director 在 GenAD-Bench 上取得 81.4 的峰值质量分，A²RD 可生成十分钟长视频并保持角色与环境一致性。
匹配字段标题、摘要
UCLA 光神经网络处理器可并行检测 15 路 deepfake 视频，准确率 97.79%
UCLA 团队研发出一款光神经网络处理器，利用光的物理传播在一次光学 pass 中同时分析 15 路以上视频流，对 Celeb-DF 视频的平均检测准确率达 97.79%，灵敏度 99.86%、特异度 95.72%。该系统将轻量数字编码器与无源光学解码器结合，增加两层衍射层后准确率提升约 6.8%，对 Google VEO-3 生成视频仅需少量微调即达 94.80% 准确率，并具备抗黑盒与白盒对抗攻击能力。
匹配字段标题、摘要
2026 年 12 款最佳文本生成视频 AI 工具（排名与实测）
Manus 博客发布 2026 年 12 款最佳文本生成视频 AI 工具排名与实测，评估维度包括工具如何理解场景边界、脚本压缩与结构保真、多场景输出的稳定性以及生成后的可控性。文章还讨论了长脚本为何容易不稳定、视觉质量是否为主要区分因素，以及生成后是否总需人工剪辑。
匹配字段标题、摘要
2026 年 10 款最佳 AI 视频剪辑软件
Manus 博客列出 2026 年 10 款最佳 AI 视频剪辑软件，并围绕是否还需额外工具、AI 是否真的替人剪辑、何时效果最明显、长视频与短视频如何取舍、能否在保留控制权的前提下使用 AI 等问题给出解答。
匹配字段标题、摘要
Descript 指南：如何从零开始创建 YouTube 频道并发布首个视频
Descript 发布指南，介绍从零开始创建 YouTube 频道的 7 个步骤：规划频道定位、搭建频道、选择拍摄设备、布置家庭工作室、制作首个视频、优化视频获取更多观看以及频道变现。指南指出频道搭建约需 20 分钟，但真正的投入在于按固定节奏持续发布，其中定位、更新频率和缩略图一致性最为关键，Descript 负责剪辑、字幕和切片。
匹配字段标题、摘要