跳到正文

AI 视频

AI 视频生成与理解:文生视频模型、视频编辑工具与影视创作变革的追踪。

15 条精选相关主题图像生成多模态语音与音频

最新精选

第 1–15 条 · 共 15 条

11月6日星期五

Google 博客 · Gemini

Gemini Omni 1.2 Flash:生成更快、成本更低,支持更长视频

Google 推出 Gemini Omni 1.2 Flash,在 Gemini API 和 Gemini for business 正式开放,原生视频生成及编辑时长由10秒增至15秒。

推荐理由:Gemini Omni 1.2 Flash 支持在同一视频上连续修改细节,减少广告变体制作中整段重新生成的需要。

Google DeepMind

Google DeepMind 发布 Gemini Omni 1.2 Flash,支持 15 秒视频并降价 30%

Google DeepMind 发布 Gemini Omni 1.2 Flash,在 Gemini API 和 Gemini for business 全面开放,支持原生生成和编辑最长 15 秒的视频。

推荐理由:Gemini Omni 1.2 Flash 支持对同一视频进行多轮局部修改,减少制作广告变体时重新生成整段视频的成本。

10月28日星期三

AI HOT · 技巧与观点

LangChain 解析自研设计智能体 Content Studio,并开源其运行框架

LangChain 开源自研设计智能体 Content Studio 的运行框架,并解析如何将设计判断、制作工具与协作流程接入 Slack。Content Studio 基于 Managed Deep Agents 构建,可从单条提示词制作视频、社交图像、UI 复刻图和幻灯片,所有产物均以代码构建,已交付超过 3,000 份素材,包括超过 80 套幻灯片。

推荐理由:LangChain 将设计师反馈沉淀为技能与检查,并用分镜审批和异步子智能体组织制作流程,让品牌判断与执行步骤分别得到约束。

Hacker News 首页

Petroly 开发者用 Claude Code 制作带单元测试的宣传视频

Petroly 开发者用 Claude Code 编写 JavaScript 渲染器,制作了带单元测试的 15 秒宣传视频,全程未使用视频编辑器。渲染流程通过 SVG、sharp 和 FFmpeg 生成 375 帧,测试检查通知是否在价格达到目标后出现、列表排序及画面异常,视觉效果仍由人工审阅。

推荐理由:Petroly 开发者用 Claude Code 将视频写成可测试的渲染代码,把动画时序检查与多语言版本维护纳入同一套软件工作流程。

10月9日星期五

Hacker News 首页

亚利桑那州法院撤销量刑,原审法官曾称喜爱受害者 AI 视频

亚利桑那州上诉法院撤销 Gabriel Paul Horcasitas 的过失杀人罪量刑,认定原审采纳受害者 AI 视频构成根本性错误,并要求重新量刑。受害者 Christopher Pelkey 的妹妹制作了模拟其形象与言论的视频,其中表达对被告的宽恕;原审法官称喜爱该视频、觉得它真实,随后判处最高刑期 10½ 年。

推荐理由:亚利桑那州上诉法院认定受害者家属制作的 AI 视频损害量刑程序公平,划出了虚构受害者言论进入司法程序的边界。

The Decoder

Claude 新增动画讲解视频与实时数据仪表盘生成功能

Anthropic 为 Claude 推出 Dashboards 和 Motion 两项测试功能,可通过文本提示词生成实时数据仪表盘和动画讲解视频。

推荐理由:Anthropic 为 Claude 的实时仪表盘提供逐项查询追溯,并支持将结果传入外部工具,让生成的数据保留可检查的依据。

10月7日星期三

AI HOT · 行业

亚利桑那州上诉法院裁定 AI 受害者视频带有不当情感分量,要求重新量刑

亚利桑那州上诉法院裁定,AI 生成的受害者视频作为受害者影响陈述带有“不当情感分量”,要求重新审视被告刑期,过失杀人定罪维持不变。Christopher Pelkey 的姐姐 Stacey Wales 编写台词并制作其 AI 形象,让视频中的他表示原谅凶手 Gabriel Horcasitas;法官称喜欢这段视频,并判处最高刑期 10 年半。

推荐理由:亚利桑那州上诉法院因受害者的 AI 视频带有不当情感分量要求重新量刑,将合成影像对司法裁量的影响纳入审查。

AI HOT · 行业

亚利桑那州法院裁定AI受害者视频不当影响量刑,要求重新判定刑期

亚利桑那州上诉法院裁定,AI生成的受害者视频带有不当情感分量,Gabriel Horcasitas的过失杀人罪定罪维持,但须重新量刑。受害者Christopher Pelkey的姐姐Stacey Wales撰写台词,让其AI形象表达对凶手的宽恕;原审法官称喜欢该视频,并判处10年半的最高刑期。

推荐理由:亚利桑那州上诉法院认定受害者的AI视频使量刑程序失去公平,家属自行撰写台词也未消除虚拟形象对法官的情感影响。

10月4日星期日

Hacker News 首页

美国法院因庭审播放 AI 受害者视频撤销量刑,命令重新判刑

美国亚利桑那州上诉法院裁定,庭审不当播放已故受害者的 AI 视频,Gabriel Paul Horcasitas 须重新量刑。他因在 2021 年枪杀 37 岁的 Christopher Pelkey 被判入狱 10 年,受害者家属利用录音、视频和照片制作了表达宽恕的 AI 影像,并在去年量刑前播放。上诉法院指出,该视频根据受害者姐姐的想象描绘受害者及其思想,超出了允许的界限。

推荐理由:亚利桑那州上诉法院因庭审播放家属制作的受害者 AI 视频要求重新量刑,将虚构受害者想法的内容划出量刑材料的允许边界。

10月2日星期五

AI HOT · 产品

Manus 2.0 发布视频编辑器,支持一句话制作视频与多轨剪辑

Manus 2.0 发布视频生成功能与 Video Editor,支持从一句话制作整支视频,再通过独立轨道调整镜头、字幕、配音和音乐。Manus 可搜索资料、编写脚本、生成素材并用代码制作视觉效果,也能导入本地视频进行整理和剪辑。Video Editor 内置于面向 macOS 和 Windows 的 Manus Studio 桌面应用,网页端提供跳转下载与编辑入口。

推荐理由:Manus 将生成素材拆分为可编辑的独立轨道,让字幕、音乐和镜头的局部调整能在时间线上完成,减少整支视频重新生成的需要。

9月29日星期二

Latent Space

Opus 5.5 的解说视频制作表现获社区好评

Opus 5.5 本周发布后,社区分享了多项通过 Claude Code 编写代码制作解说视频和动画的案例。一个复现案例称,约 1.5–2h、约 $4 即生成了包含脚本、素材、配音、音乐与音效的 30–60s 解说视频,并将 JavaScript canvas 动画渲染为 MP4。

推荐理由:社区用户用 Claude Code 和 Opus 5.5 串联脚本、素材、配音与代码动画,给出了可迁移的解说视频自动制作流程。

9月25日星期五

Google DeepMind

Google DeepMind 发布 Gemini 3.8 Live with Live Avatar

Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,在原生实时对话模型上加入近实时视频生成,实现带唇形同步、自然表情和流畅轮次切换的动态视觉形象。

推荐理由:Gemini 3.8 Live 在实时对话模型上加入近实时视频生成,支持唇形同步与97种语言切换,并可在对话中异步调用工具,展示了企业级多模态交互的当前形态。

9月24日星期四

Google 博客 · Gemini

Google 推出 Gemini 3.8 Live with Live Avatar,已在 Gemini Enterprise 提供

Google 推出 Gemini 3.8 Live with Live Avatar,将近实时视频生成与原生实时对话结合,即日起在 Gemini Enterprise 提供。它可同时处理视觉和音频输入,在持续对话时异步调用工具,并支持在 97 种语言间切换时同步调整口型与表情。企业可使用预设形象或通过参考图像定制形象,定制创建目前仅向企业许可名单开放,生成的音频和视频嵌入 SynthID 水印。

推荐理由:Google 将实时语音对话与动态虚拟形象结合,并支持在持续交谈时后台调用工具,让企业客服和交互式引导无需为取数中断对话。

9月2日星期三

Google 博客 · Gemini

Gemini 推出智能体视频理解功能,token 消耗最高降低 88%

Google 推出智能体视频理解功能,支持 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite,视频分析成本最高降低 66%、token 消耗最高降低 88%、准确率最高提升 7%。

推荐理由:Gemini 用智能体按需检索视频片段,减少固定帧率处理带来的 token 消耗与细节遗漏,使长视频分析兼顾成本和准确率。

5月18日星期一

Google DeepMind

Google DeepMind 发布 Gemini Omni Flash 视频生成模型

Google DeepMind 发布 Gemini Omni 家族首个模型 Gemini Omni Flash,可组合图像、音频、视频和文本输入生成高质量视频,并通过自然语言多轮编辑。

推荐理由:Gemini Omni Flash 把图像、音频、视频和文本组合输入与多轮对话式编辑放进同一模型,并接入 Gemini 应用、Flow 和 YouTube Shorts。