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。
2026.10.17 · 周六
#视频
#视频
一手
模型厂商、公司和研究机构自己发布的消息：官网、官方博客和官方账号。
Google Research精选65 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。
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 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。
Google DeepMind精选85 Google DeepMind 发布 Gemini Omni Flash，支持多模态输入生成视频
Google DeepMind 发布 Omni 系列首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本作为输入生成高质量视频，并支持用自然语言多轮对话编辑视频。
推荐理由：原文给出 Omni 系列首个模型的输入输出能力与上线渠道，读者可据此判断多模态视频生成的实际可用范围。
已经到底了