爱诗科技发布 PixVerse R2 实时全模态世界模型
爱诗科技发布 PixVerse R2,进一步探索实时全模态世界模型的 Scaling 路径。该模型基于 Omni Causal AR 和 Real-Time Acceleration 两个核心层次,通过动态 Chunk、多时间尺度记忆和 Error Bank 等技术,实现了在严格交互延迟约束下对长程世界状态的持续建模与加速。
推荐理由:原文阐述了实时全模态世界模型的统一训练范式,揭示了如何在持续交互中平衡生成速度与长程状态一致性。
爱诗科技发布 PixVerse R2,进一步探索实时全模态世界模型的 Scaling 路径。该模型基于 Omni Causal AR 和 Real-Time Acceleration 两个核心层次,通过动态 Chunk、多时间尺度记忆和 Error Bank 等技术,实现了在严格交互延迟约束下对长程世界状态的持续建模与加速。
推荐理由:原文阐述了实时全模态世界模型的统一训练范式,揭示了如何在持续交互中平衡生成速度与长程状态一致性。
Wan3.0首发上线RunningHub,单次生成时长增至30秒,首次支持doc、xls、ppt、pdf、md等文档格式输入,上传的产品说明或数据报表(≤100MB,≤50页)可自动生成带动态图表、字幕和配音的成片。
推荐理由:Wan3.0原生支持文档输入和30秒长视频生成,平台给出了各档位的每秒计费标准。
LibTV与通义万相联合首发视频生成模型Wan 3.0,该模型支持原生30秒视频生成,并可根据内容自动匹配合适时长。支持单次输入10张图片、5段视频、5段音频以及PPT、PDF、Word、Excel、Markdown等文档和网页链接作为创作参考,并能像素级还原参考细节。
推荐理由:介绍了原生时长与多模态参考能力,并给出限时价格信息。
可灵已正式登陆 WorkBuddy 连接器,实现一键调用。该集成支持视频批量生产与多任务并行处理,如后期对口型和换语言。用户可将其嵌入工作流,利用其智能分析需求并自动生成项目生产计划的能力。
AI短剧《非妖哉》上线两集累计获赞超300万,作者借助LibTV无限画布完成创作。该作品将中国志怪元素与现实隐喻结合,单集制作周期约11至14天。作者计划进一步尝试LibTV的3D导演台功能以提升镜头控制能力。
MiniMax 推出 MiniMax Design,将其定义为把多模态模型能力变成生产力的 Harness。
推荐理由:MiniMax 官方介绍把多模态能力组织成生产流程的新入口,读者能理解它对视频和商业内容生产的定位。
MiniMax H3 多模态模型上线 10 天,RunningHub 平台涌现出近万个基于该模型的工作流与 AI 应用。H3 开源版参数量为 60B,BF16 精度下权重文件需约 120GB 显存,本地部署难度极高。 RunningHub 提供云端免部署服务,支持 2K 视频渲染,覆盖文生视频、数字人驱动等场景,新用户注册可获赠 500RH 币额度。
爱诗科技 PixVerse V6 与 C1 双模型正式上线芒果TV AIGC 平台「芒果灵创」。V6 支持 15 秒 1080P 稳定输出并配备原生音频引擎,C1 作为全球首个影视行业大模型支持多宫格分镜图直出视频。双模型分别强化平台全链路流转效率与影视垂类内容精度。
央视《经济半小时》专题报道爱诗科技,其全球注册用户突破 1.5 亿,业务覆盖 177 个国家。自研 PixVerse V6 在 Artificial Analysis 图生视频和文生视频榜单中位列全球第二,生成速度行业第一;2026 年初发布支持 1080P 的实时世界模型 PixVerse R1。
推荐理由:节目披露了爱诗科技的全球用户规模、PixVerse V6 在 Artificial Analysis 榜单上的位置以及 PixVerse R1 的实时能力,有助于读者校准中国 AI 视频出海现状。
MiniMax H3 技术团队回应开发者关于模型架构与优化方案的疑问。团队澄清 H3 未采用 MSA 而是结合 MoBA 与稀疏注意力,采用双 VAE 以独立控制音视频模态,并提出 Regenerate-2K 将在完成效率与质量提升后开源。
推荐理由:团队通过问答澄清了架构与优化细节,开发者可据此调整工作流。
RunningHub 正式接入 Seedance 2.5,该模型支持 30 秒原生视频生成及最多 50 个多模态参考输入。平台推出限时会员活动,480P 视频生成价格低至 0.21 元/秒,720P 视频为 0.49 元/秒。运行 Hub 旗下 rhTV、RHSTORY 等工具已全面适配,通过时间戳控制和分镜模式提升视频创作的可控性与叙事逻辑。
LibTV 正式上线 Seedance 2.5,支持直出 30 秒视频并最多接入 50 个多模态参考。平台发布片段重拍、逐帧拉片、智能引用、素材混剪及 5 分钟超长视频创作五大独家功能,另支持 Blender 白模一键成片。活动期间 Seedance 2.5 720P 生成积分降至 27 积分/秒,折合低至 0.4 元/秒,最高赠送 60 条免费生成。
PixVerse · 拍我AI 宣布与 FIRST 青年电影展第二年的合作正式收官,三支 AI 先导片在电影市场获多项产业奖项认可。 合作期间,团队在 Workshop 中分享了将 AI 融入前期开发及后期制作的工作流细节,并公布了面向全球 AI 类型片的 PixLight 大赛(总奖金 30 万美元)及长期创作支持计划 PixLab。
MiniMax H3 开源,RunningHub 完成接入。H3 支持多模态输入,可生成 2K 画质与最长 15 秒音画同步视频。RunningHub 提供免部署云端运行与 ComfyUI 节点,GitHub 已开源相关工作流。
MiniMax 正式开源新一代通用视频模型 H3,支持 4 至 15 秒、2K 分辨率及立体声音频生成。H3-Base 权重已同步至 Hugging Face,支持本地部署;完整 2K 工作流需结合官方 API 调用 H3-Context-IR 与 H3-Regenerate-2K。
推荐理由:官方发布文档详细拆解了 H3 在 Hugging Face 的开源组件、支持的 2K 生成规格以及本地部署与 API 验证的完整工作流。
RunningHub 全网首发接入 MiniMax 新一代多模态模型 H3,支持文、图、音、视输入与生成,具备多模态理解、精准编辑、多场景内容生成和电影级视听质感四大能力。官方补贴期间 2K 画质低至 0.2 元/秒,全站模型低至 29 折。
推荐理由:MiniMax H3 支持文、图、音、视多模态输入与生成,2K 画质低至 0.2 元/秒,面向影视、广告与电商场景。
MiniMax 正式发布 H3,这是一款通用全模态生成模型,支持文本、图像、视频和声音的统一理解,可输出原生双声道音视频,最高支持 15s 2K 分辨率。官方称 H3 在指令遵循、文字与品牌信息呈现及 V2V Motion Transfer 方面表现出色,适用于广告、电商等商业场景。2K 分辨率下每秒价格不到主流模型的 1/3,未来几天将开放模型权重并适配国产芯片。
推荐理由:官方公布全模态生成能力、成本对比及开源计划,帮助用户判断其商业化与工程落地潜力。
LibTV 与 MiniMax 联合首发多模态视频模型 H3,支持 5 到 15 秒视频生成、24 FPS 输出与原生双声道声音,单次最多输入 12 个混合参考文件,分辨率可由 768p 升级至 1440p。活动期间 768p 低至 0.1 元/秒,2K 低至 0.2 元/秒,可结合 Skill 实现约 10 元制作一支广告视频或约 20 元完成一集短剧。
推荐理由:联合首发给出了具体能力边界和试用入口,读者可据此判断它能否进入日常视频生产。
PixVerse 作为 FIRST 电影节市场首席合作伙伴,为 3 个入围项目制作 AI 先导片,其中《看见你》获市场首奖。 AI 创作者与导演、编剧通过 PixVerse 画布协作,确立了实拍结合 AI 的工业化工作流。 PixVerse 计划 2026 年推动 10 个 AI 长片项目,通过提供算力与研发支持助力青年影视创作。
CGTN在2026世界人工智能大会现场报道爱诗科技PixVerse Game,该产品支持通过自然语言指令实时生成游戏场景与角色。与传统预制作游戏不同,PixVerse Game基于实时视频生成与渲染技术,允许玩家通过语言互动动态改变游戏世界。爱诗科技表示,该形态旨在重新定义创作者与玩家关系,未来将持续优化实时响应与生成可控性等核心能力。
OpenAI 构建 Sora 2 及 Sora 应用时,将安全性置于基础架构以应对先进视频模型和新社交创作平台带来的挑战。其方法依赖于具体的保护措施。
OpenAI 构建了一个实时访问系统,将速率限制、用量追踪和积分相结合,为 Sora 和 Codex 提供持续访问支持。该系统允许用户动态管理对这两个产品的使用,确保在高峰时段也能保持服务可用性。
Sora 的 Feed 功能旨在通过个性化推荐激发创造力并促进用户连接,同时利用家长控制和强大护栏确保体验安全。该设计强调在提供定制化内容的同时,通过多层级安全措施保障用户,尤其是未成年人,在一个安全的环境中探索和分享。
OpenAI 发布 Sora 2,这是支持同步对话和音效的视频生成模型。旧版 Sora 产品已停止服务。
Hugging Face 宣布在 Gradio 中支持通过单一参数实现生成内容的可视化水印。开发者可为图像和视频添加水印,或直接嵌入包含元数据的 QR 码。文本生成界面也支持自定义水印,确保用户复制 AI 回复时自动附带来源归属信息。
Hugging Face 开源视频基准 TimeScope,通过向 1 分钟至 8 小时的长视频中插入 5-10 秒的短片段,测试模型在定位检索、信息综合和细粒度时间感知三项任务上的表现。基准结果显示,即使是如 Gemini 2.5-Pro 等声称支持长视频的模型,在处理真实长视频任务时仍面临显著挑战。
Hugging Face 在 Inference Endpoints 中试点远程 VAE 解码功能,通过 Diffusers 开放源代码将解码过程委托至远程端点,以减少消费级 GPU 上的内存占用并规避离载或平铺带来的延迟与质量损失。
Hugging Face 团队发布了适用于小规模场景的开源视频数据集脚本及三阶段处理流水线,旨在降低构建视频生成模型微调数据集的门槛。该工具链集成 Florence-2 与 Qwen2.5 模型,通过运动、美学及水印等多维度过滤与自动字幕生成,显著提升了数据质量与可控性。
Hugging Face 发布技术长文,解析文本生成视频(text-to-video)的技术演变与当前挑战。文章指出,该任务因时空一致性要求极高且缺乏高质量配对数据集,难度远超文本生成图像。