跳到正文
10月5日 · 周一

最新精选

10月1日周四
  1. Manus 博客78

    Manus 2.0 发布视频编辑器，支持分层时间轴与本地素材剪辑

    Manus 发布 2.0 视频编辑器，内置于 Manus Studio 桌面应用，把生成镜头、图像、字幕、动态图形、配音、音乐和音效放在独立轨道上，用户可拖动修改或交给 Manus 处理。

    推荐理由：官方复盘 Manus 2.0 视频能力与 Video Editor 的分层时间轴设计，可看到从一句话提示词到成片的完整工作流。

9月29日周二
  1. Higgsfield Blog62

    Higgsfield 年化收入运行率突破 10 亿美元

    Higgsfield 宣布其年化收入运行率达到 10 亿美元以上，此时距其 AI 原生创意套件上线 18 个月。该数字由最近四周收入乘以 13 推算，并非过去一年已实现收入；企业客户合同收入自 6 月以来增长 10 倍，订阅收入占比从超过 90% 降至略高于 60%，按需用量上升。

    推荐理由：官方披露年化收入运行率突破 10 亿美元，并给出订阅与按需用量的收入结构变化，可观察 AI 生成广告的商业化路径。

9月24日周四
  1. Google Gemini 博客71

    Google 发布 Gemini 3.8 Live with Live Avatar

    Google 发布 Gemini 3.8 Live with Live Avatar，将低延迟流式视频与实时对话能力结合，为对话模型带来近实时的视觉形象。该功能支持精确唇形同步、自然表情与流畅轮次切换，并可在对话中异步调用工具、在后台获取数据。它支持 97 种语言的原生语音到语音同步，输出均带 SynthID 水印，现已在 Gemini Enterprise 提供，自定义形象仅限企业白名单申请。

    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中的落地形态与开放范围。

9月23日周三
  1. Meta AI Research · Muse82

    Meta 发布 Muse Realtime Avatar 实时数字人技术

    Meta 推出 Muse Realtime Avatar，将 Muse Realtime Voice 的语音 token 流转化为可实时对话的虚拟形象，支持面部、手部和全身动作。

    推荐理由：Meta 公开了实时数字人系统的蒸馏与推理栈细节，读者可据此了解实时视频生成如何做到亚秒级延迟。

9月5日周六
  1. Higgsfield Blog62

    Higgsfield 发布 3D Jutsu：用提示词搭建并动画化 3D 场景

    Higgsfield 发布 AI 原生 3D 工作空间 3D Jutsu，可将提示词或参考图生成含物体、布局、灯光、相机与动画的可编辑 3D 场景，并直接在同一对话中渲染成视频。

    推荐理由：官方给出 3D Jutsu 的场景搭建、编辑与导出流程，可据此判断提示词到 3D 预演再到视频的工作方式。

9月2日周三
  1. Google Gemini 博客78

    Google 为 Gemini 3.7 Flash 等模型推出智能体视频理解功能

    Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上推出智能体视频理解功能，通过原生视频工具动态搜索、扫描和检查目标片段，替代固定帧率的静态处理。

    推荐理由：官方给出 token 与成本降幅及准确率变化，并说明在长视频场景下与静态逐帧处理的差异。

9月1日周二
  1. Higgsfield Blog62

    Higgsfield 发布 Genjutsu：局部重建视频片段，支持 Motion Transfer 与 Object Swap

    Higgsfield 发布 Genjutsu，可在不重拍整段视频的前提下重建片段中的局部内容，包含 Motion Transfer 和 Object Swap 两项功能，前者提取原视频运动并套用到新角色或场景，后者只替换指定对象并保留其余画面，两者均无需完整提示词，可用预设完成。

    推荐理由：官方给出 Genjutsu 的局部重绘能力、输入限制与按长度分辨率计费的价格表，可据此判断视频改造成本。

8月28日周五
  1. Google Gemini 博客76

    Google 发布 Gemini Omni 1.1 Flash，强化生成视频控制能力

    Google DeepMind 发布 Gemini Omni 1.1 Flash，为开发者提供场景延长、首尾帧插值、360p 快速预览和最高 4K 放大等生成视频控制能力，通过 Gemini API 在 Google AI Studio 上线。

    推荐理由：官方给出场景延长、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。

8月17日周一
  1. Higgsfield Blog62

    MiniMax Hailuo 3.0 上线 Higgsfield：支持 2K、15 秒与原生立体声

    MiniMax Hailuo 3.0 已在 Higgsfield 上线，相比 Hailuo 2.3 分辨率从 1080p 提升到 2K，单次生成时长从 10 秒延长到 15 秒，并首次在同一生成过程中输出原生立体声，包含对白、音效与环境音。

    推荐理由：原文给出 Hailuo 3.0 与 2.3 的分辨率、时长、音频和输入数量对比，可据此判断多参考合成视频的可用边界。

  2. Higgsfield Blog62

    Black Forest Labs 的 Flux 3 视频模型上线 Higgsfield

    Black Forest Labs 的首个视频模型 Flux 3 已在 Higgsfield 上线，自 2026 年 7 月 23 日公布后处于早期访问阶段，可生成 5 至 20 秒片段并可选同步音频。

    推荐理由：梳理了 Flux 3 在 Higgsfield 上的输入模式、参考帧与计费方式，便于判断短片的生成成本与适用场景。

8月7日周五
  1. ByteDance Seed78

    Dreamina Seedance 2.5 的 API 服务已在 BytePlus ModelArk 上线，同时可在 Dreamina、CapCut 等平台体验。该模型支持单次生成 30 秒高质量音视频片段，单次最多输入 30 张图片、10 段视频和 10 段音频作为参考素材，并提供时间戳级别的音视频定向编辑控制。

    引用ByteDance Seed@ByteDanceSeed_

    Introducing Seedance 2.5, our new-generation video creation model! With advancements in long-form storytelling, multimodal reference, and editing, Seedance 2.5 goes beyond longer single-pass video generation, delivering the journey from idea to finished video with greater control. Key highlights include: 1. Users can generate high-quality, 30-second audio-video clips in a single pass, bringing a complete story to life in one take. 2. Users can input up to 30 images, 10 video clips, and 10 audio clips as reference materials in a single pass. 3. Seedance 2.5 offers timestamp-level control for targeted editing of audio and video content, notably improving efficiency and controllability. Visit project homepage learn more： https://seed.bytedance.com/seedance2_5

    推荐理由：Seedance 2.5 的 API 上线 BytePlus ModelArk，读者可据此了解单次生成 30 秒音视频与多模态参考的能力边界。

7月31日周五
  1. ByteDance Seed78

    字节跳动 Seed 发布新一代视频创作模型 Seedance 2.5，在长叙事、多模态参考和编辑能力上做了升级。该模型支持单次生成 30 秒高质量音视频片段，单次可输入最多 30 张图片、10 段视频和 10 段音频作为参考素材，并提供时间戳级控制以对音视频内容做定向编辑。项目主页为 https://seed.bytedance.com/seedance2_5。

    推荐理由：官方给出单次生成时长、参考素材上限和时间戳级编辑三项能力，可据此判断视频创作流程的变化。

5月20日周三
  1. Google Labs 博客74

    Google Flow 与 Flow Music 新增智能体、Gemini Omni 和移动应用

    Google 为 Google Flow 和 Google Flow Music 推出多项新能力：Gemini Omni Flash 模型支持从任意输入生成内容并实现精准视频剪辑，Flow Agent 可协助头脑风暴、批量编辑和整理素材，Flow Tools 让用户用自然语言创建并分享自定义工具。

    推荐理由：Google Flow 一次性补齐智能体、自然语言建工具和移动端，读者可据此判断 AI 创作工具正从单点生成走向全流程协作。

4月15日周三
  1. 字节 Seed 论文62

    字节 Seed 发布 Seedance 2.0 视频生成论文

    字节 Seed 发布论文 Seedance 2.0，主题为面向世界复杂度的视频生成，原文链接为 https://seed.bytedance.com/zh/public_papers/seedance-2-0-advancing-video-generation-for-world-complexity。

10月1日周三
  1. Sam Altman Blog80

    OpenAI 发布 Sora 2 模型与 Sora 视频应用

    OpenAI 发布新模型 Sora 2 和配套应用 Sora，让用户更容易创作、分享和观看视频，并支持通过 cameo 功能把自己和朋友放进视频中，团队在角色一致性上投入了大量工作。

    推荐理由：OpenAI 同时发布 Sora 2 模型与 Sora 应用，并公开了产品设计原则与对成瘾、霸凌等风险的顾虑。

已经到底了