Runway 新增 Mirelo SFX 2.0，可自动生成与视频同步的音效
自动音效设计，与每一帧同步。 Mirelo SFX 2.0 现已登陆 Runway，可根据视频生成完整的声音景观，同时保留原有对白。点击下方链接即可开始使用。
全部动态 · 今日1条
#视频
信源抓到、进了内容池的全部内容，按时间排列；精选只是其中一部分。
Runway · X56
雷锋网精选82 Kling 4.0 发布，支持原生生成最长 30 秒视频和 10-bit HDR
Kling AI 于 10 月 15 日推出 Kling 4.0，新增最长 30 秒的原生视频生成、10-bit HDR 输出，并称其在快速运动和复杂镜头运动方面有所改进。该模型最多支持 15 个组合参考素材、最多 10 个关键帧输入，以及最长 8000 个 token 的提示词。对 4K、1080p 和 21:9 输出的支持、累计最长 2 分钟的多次视频扩展，以及 API 访问均被描述为即将推出。
推荐理由：参考输入、关键帧控制和 HDR 输出为评估 Kling 4.0 如何融入专业视频制作工作流程提供了具体依据。
宝玉 · X55 Kling 4.0 现已全面开放
Baoyu 分享了 Kling_ai 宣布 Kling 4.0 现已全面开放的消息。 引用的帖子展示了使用 Kling 4.0 创作的 KING CARD。 https://twitter.com/Kling_ai/status/2110747526840361191
雷锋网精选83 昆仑万维发布并开源 Matrix-Game 4.0，支持单 GPU 实时游戏体验
昆仑万维发布了 Matrix-Game 4.0。据其报告，该模型可在单张 NVIDIA RTX 5090 上以 60 FPS 的帧率生成 480p 游戏画面，端到端响应延迟低于 150 毫秒。其游戏引擎负责维护世界状态和交互规则，编码智能体负责修改游戏逻辑，视频模型则根据结构帧和动态语义条件生成细节丰富的画面。代码、权重和简化场景模型可在 https://huggingface.co/Skywork/Matrix-Game-4.0 获取。
推荐理由：该架构提供了一种可迁移的交互式生成方案：由引擎负责持久状态和规则，并使用视频模型进行视觉渲染。
宝玉 · X30 BaoCut 如何处理英汉语序不同的字幕映射
作者描述了他们遇到的字幕翻译问题：字幕在说话者开口前就出现；句子被拆分成与口语内容不对应的片段；多行字幕遮挡视频。文章在这些挑战的背景下介绍了他们的开源项目 BaoCut，但没有说明它如何处理这些问题。 https://t.co/WFPLrSceV7
宝玉 · X9 X 上发布的 AI 生成视频可能导致一次意想不到的相遇
在 X 上发布 AI 视频，可能会意外遇到真人 https://t.co/Qew9Tz28hy https://t.co/8E9fiidUPN
Runway · X48 我们已与 Baseten 合作，将 Runway 的视频模型带给企业。您可以在专用的单租户环境中部署 Gen-4.5 和 Aleph 2.0，使用自己的数据对其进行微调，并通过预留 GPU 容量扩展规模。点击下方链接了解更多。
我们已与 Baseten 合作，将 Runway 的视频模型带给企业。您可以在专用的单租户环境中部署 Gen-4.5 和 Aleph 2.0，使用自己的数据对其进行微调，并通过预留 GPU 容量扩展规模。点击下方链接了解更多。
OpenAI News46 Higgsfield 将 AI 视频时长从 1 分钟提升至 10 分钟以上
Higgsfield 借助 GPT-6 Astra 为创作者带来更长的视频，借助 GPT-Image-2.5 实现精准视觉效果，并通过 GPT-Live 开辟语音电影制作之路。
Runway · X37 推出适用于网页设计的 Runway。将 Runway 连接到 @Replit，即可直接在项目中生成图像、视频和素材，从最初构想到完成网站。点击下方链接开始使用。
推出适用于网页设计的 Runway。 将 Runway 连接到 @Replit，即可直接在项目中生成图像、视频和素材，从最初构想到完成网站。点击下方链接开始使用。
Alexandr Wang · X19 艺术无法被创造或毁灭，只能被重新混合（使用 muse wonder 纯代码复现 *这段视频*）
艺术无法被创造或毁灭，只能被重新混合 （使用 muse wonder 纯代码复现 *这段视频*）
Alexandr Wang · X38 亚历山大·王称 Muse Wonder 为视频导演
Muse Wonder 作为视频导演
The Decoder66 Odyssey 公开预览其 Odyssey-3 世界模型
Odyssey 已推出 Odyssey-3 的免费公开研究预览，这是一个世界模型，可根据文本提示生成交互式环境，并在自回归扩散 Transformer 上实时运行。基础模型有 140 亿参数，输出 832 × 480 视频，而 Odyssey-3 Pro 支持 1280 × 720。其报告的 66.1 分 Physics-IQ Verified 分数来自使用选择方法的单次运行，低于该基准要求的四次运行。
Artificial Analysis · X66 HiDream-O1-Video-1.0 首次登上 Artificial Analysis 图像转视频（含音频）排行榜第 6 名
HiDream 的新视频模型 HiDream-O1-Video-1.0 首次登上 Artificial Analysis 图像转视频（含音频）排行榜第 6 名，仅次于 Dreamina Seedance 2.0 720p。HiDream 将其定位为一款原生全模态模型，旨在实现物理一致性，可生成时长为 5 至 20 秒的 1080p 视频，并原生同步音频，时长取决于场景。该模型可通过 vivago R1 Studio 和 HiHarness API 使用，1080p 带音频视频的费用为每分钟 $5.80，约合每秒 $0.10。
Artificial Analysis · X74 Grok Imagine Video 1.5 Lite 在 Artificial Analysis 视频基准测试中排名第 17
Artificial Analysis 报告称，Grok Imagine Video 1.5 Lite 在 AA-Video-T2V v2.0 和 AA-Video-T2V-Silent v2.0 中均排名第 17，领先于 Google 的 Veo 3.1，价格约为其三分之一。 生成一段 10 秒 1080p 视频的中位耗时为 60.5 秒，使其位于质量与速度的帕累托前沿。 SpaceXAI 对 1080p 输出的定价为每秒 0.14 美元（每分钟 8.40 美元）；可通过 SpaceXAI API、同价的 fal 以及 Vercel AI Gateway 使用。
Runway · X38 Runway 和 Claude Motion 让用户先为解说内容添加动画，再生成视频
通过 @claudeai Motion + Runway，让你的创意焕发生机。 使用 Claude Motion 为图表添加动画、制作客户操作指南或创作简短解说内容，然后将作品导入 Runway，生成视频和图片。 点击下方链接了解更多。 @claudeai 的引用帖文：Claude Dashboards 和 Claude Motion 今日开启测试版。让 Claude 将你的数据转化为实时仪表板，将你的创意转化为动画解说内容。
TechCrunch · AI26 Ben Affleck 谈 AI：从卷积神经网络到微调开源视频模型
Ben Affleck 本周因多段采访视频走红，他在 GQ 和 Bloomberg Screentime 2026 活动中讲解机器学习、神经网络、Transformer、张量、GPU 与推理等概念，并称自己会写 Python。
OpenAI News20 Pollo AI 用 OpenAI 模型把创意变成营销活动
Pollo AI 借助 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5，帮助创作者把创意转化为精细图像和电影级视频广告。
量子位60 生数科技开放 Vidu Q4 预览版：720P 约 0.6 元/秒，最高 4K 直出
生数科技开放新一代视频生成旗舰模型 Vidu Q4 预览版，主打传神表现力，先放出人物演绎、镜头语言和视效场面三项能力，最高支持 4K 直出，单条最长 16 秒，一次最多可用 15 张参考图和 3 段参考音频。
量子位58 Utopai X 登 Artificial Analysis 文生视频榜第二，制片平台 PAI 已用于真实项目
独立评测机构 Artificial Analysis 最新文生视频榜单中，影视公司 Utopai Studios 的模型 Utopai X 以 1150 分位列第二，与第一名阿里的 Wan 3.0 仅差 7 分，该榜单由评审在不知模型名称的情况下盲投得出。
TechCrunch · AI22 前 Ramp 工程师放弃首款产品后，为 AI 广告平台 Melius 融资 2000 万美元
前 Ramp 工程师创立的 AI 广告平台 Melius 完成 2000 万美元 A 轮融资，由 CRV 领投，另含 General Catalyst 领投的 500 万美元种子轮，累计融资 2500 万美元。
The Decoder68 Reka AI 发布 19B 全能模型 Rho-1，单模型处理文本图像视频与机器人控制
Reka AI 发布 19B 参数全能模型 Rho-1 的研究预览版，可在单一神经网络中处理并生成文本、图像、视频和机器人控制动作。与多数把任务分派给专用模型的系统不同，Rho-1 把所有模态作为 token 放进同一个共享上下文窗口，不调用工具或外部模型，能实时生成连续视频并即时响应新指令而无需重启，预测摄像头图像的同一套权重也用于驱动机器人动作。
雷锋网38 爱奇艺《灵魂摆渡》“浮生梦”系列AIGC网络故事片分账票房破千万
爱奇艺与长信传媒出品的《灵魂摆渡》“浮生梦”系列AIGC网络故事片累计分账票房突破1000万元。前两部《蝴蝶梦》《天女之梦》8月22日独家上线，首周即收回两部影片制作成本，首月分账破800万元；第三部《公主之梦》10月1日上线带动系列热度攀升。该系列采用“AI技术+真人表演迁移”创作方式，制作中沉淀近500个角色资产、近800个场景资产及近200个核心道具资产。
Runway · X20 Runway AI 峰会在 Runway 联合创始人兼联席首席执行官 Cristóbal Valenzuela 回顾生成式视频的发展历程并介绍 Runway Labs 的最新项目 Continuum 后落下帷幕。访问 https://summit.runway.com/talks 注册，以便在完整演讲上线时收到通知。
Runway AI 峰会在 Runway 联合创始人兼联席首席执行官 Cristóbal Valenzuela 回顾生成式视频的发展历程并介绍 Runway Labs 的最新项目 Continuum 后落下帷幕。 访问 https://summit.runway.com/talks 注册，以便在完整演讲上线时收到通知。
Andrej Karpathy · X62 Karpathy 分享理解模型输出的四种提示技巧
Andrej Karpathy 分享让大语言模型帮助理解其输出的几种做法：要求用 ASD-STE100 受控语言规范写作，或放宽到 80% 的程度；要求生成图表；要求以 HTML 输出交互式网页；以及生成定制讲解视频，例如用 ElevenLabs API key 配音的 3b1b 风格视频。他认为随着模型变强，更多工作会上升到监督与理解层面，而模型也能生成此前不值得制作的大型定制软件产物。
The Decoder66 Tavus 发布 Griffin 人机交互模型，48% 测试者误认为真人
Tavus 推出 Griffin，公司称其为首个 Human Interaction Model（HIM），可在实时视频通话中同时接收和生成语音、面部表情、语调、手势与停顿。
雷锋网60 爱诗科技 PixVerse R2 全量上线，实时世界模型引入五维 Scaling
爱诗科技 PixVerse R2 已全量上线，用户可在网页端体验动作指令与互动影游交互。R2 把模型容量、数据、任务、控制信号和时间尺度五类增长纳入同一框架，拆成 Omni Causal AR 能力层与 Real-Time Acceleration 加速层分别推进。
雷锋网58 HiDream-O1-Video 对比 Seedance 2.5、MiniMax H3：三组测试检验视频模型如何理解变化
雷锋网用三组原创图生视频任务对比 HiDream-O1-Video-1.0、Seedance 2.5 和 MiniMax H3，考察意图规划、时间因果与音画对应。
雷锋网18 从 Dreamore 到 CreaXene：AI 生成工具正在走向创作工作流
Dreamore 正式更名为 CreaXene，官网迁移至 creaxene.ai，产品从单一 AI 生成工具转向综合创意平台。CreaXene 计划今年 10 月升级画布能力，把构思、生成、编辑和调整放进同一创作空间，并建设创意广场；10 月底左右还将推出全球文化适配能力，探索把已有素材转化为适配不同市场的广告内容。
雷锋网38 实测 Seedance 2.5 vs 可灵 VIDEO 3.0：AI 视频模型的差距不只在画质，而在工作流
实测显示，Seedance 2.5 画面包装与角色稳定性更强，但在《赴山海》参考图剧情改写中先以"参考图可能涉及公众人物肖像"拦截，移除参考图后又因"受版权保护元素"停止生成；可灵 VIDEO 3.0 则生成了完整的 15 秒反转结局短片。
AWS Machine Learning Blog28 在 SageMaker AI 上用 vLLM-Omni 生成图像与视频（第二部分）
AWS 发布教程，演示在 SageMaker AI 上部署同一个 vLLM-Omni DLC 镜像的两个端点：实时端点跑 FLUX.2-klein-4B 生成图像，异步端点跑 Wan2.1-VACE-1.3B 做图像条件视频生成。文本提示词先生成 PNG，再连同运动提示词经 Amazon S3 送入视频端点，生成的 MP4 从 S3 取回，示例还提供命令行流程和可选的 Streamlit 界面。
Latent Space62 Runway 发布 GWM Worlds 2 与 WorldPrompt 输入格式
Runway 推出 GWM Worlds 2 研究预览，把高保真视频与音频生成变成实时交互式模拟，并引入 WorldPrompt 这一输入格式，可固定环境部分要素（含首帧）并生成带时间戳的事件，事件还能实时提示。
Google Research精选65 Google 研究发布 AI 视频联合导演框架，实现连贯长视频生成
Google Research 发布 AI video co-director 多智能体框架，作为 Gemini 和 Veo 之上的编排层，将长视频生成建模为全局优化与世界状态追踪问题，以缓解语义漂移和级联失败。
推荐理由：Google 把长视频生成拆成四个可组合框架，并给出多套基准上的连续性提升数据，适合了解多智能体编排如何缓解语义漂移。
Google DeepMind精选71 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，将实时视频生成与语音结合，为 Gemini 的对话模型带来近实时的视觉形象，具备精准唇形同步、自然表情和流畅的轮流对话能力。
推荐理由：Gemini 3.8 Live 新增实时视频形象能力，读者可了解多模态对话在企业场景的落地形态与开放范围。
OpenAI News22 invideo 如何借助 GPT-6 Astra 将调色效率提升 3 倍
invideo 借助 GPT-6 Astra 实现更精准的剪辑规划，调色与色彩校正效率提升 3 倍，并在一天内产出 50 个自定义特效。
OpenAI News42 Higgsfield AI 借助 GPT-6 Astra 一天内上线新视频功能
Higgsfield AI 借助 GPT-6 Astra，一天内上线新视频功能，让小型企业更轻松地制作视频广告，并更快将新创意工具推向市场。
Google DeepMind · X18 Google DeepMind 用 AI 重现未拍摄的记忆
我们如何重建一段从未被拍摄过的记忆？ 我们的团队将修复后的档案照片与姿态控制模型相结合，捕捉 Burt 和 Ethelle 的举止神态与微表情。 这帮助还原了他们初次相遇的那一天，用于《Love, Rendered》——一部与 @PrimordialSoup_ 和 @StorySyndicate_ 合作的新纪录片。 在 YouTube 上观看完整影片 → https://goo.gle/3V8m94m
Google DeepMind精选74 Google DeepMind 为 Gemini 3.7 Flash 等模型推出智能体视频理解
Google DeepMind 推出智能体视频理解功能，覆盖 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite，视频分析 token 消耗最多降低 88%、成本最多降低 66%、准确率最多提升 7%。
推荐理由：原文给出 token 与成本降幅及可用入口，读者可据此判断长视频分析的成本结构变化。
Google DeepMind精选68 Google DeepMind 发布 Gemini Omni 1.1 Flash
Google DeepMind 发布 Gemini Omni 1.1 Flash，通过 Gemini API 在 Google AI Studio 提供面向开发者的生成视频控制能力。
推荐理由：原文列出场景延长、首尾帧插值与 4K 放大等具体能力，读者可据此判断生成视频工作流的可控性变化。
Google DeepMind22 Google DeepMind 与 A24 宣布首个研究型合作伙伴关系
Google DeepMind 与 A24 宣布达成首个聚焦研究的合作伙伴关系，双方将围绕多个项目展开长期研发协作，让 A24 及其电影人参与塑造新技术。Google 同时已对 A24 进行投资。合作初期聚焦打通前沿技术与下一代娱乐之间的差距，具体目标与技术产出将随时间演进。
Google DeepMind精选78 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite 和 Gemini Omni Flash 两款模型，前者是 Nano Banana 系列中速度最快。
推荐理由：两款模型同时开放开发者入口，并给出延迟、单价与能力边界，便于判断图像到视频链路的成本与可用性。