跳到正文
10月8日周四
  1. arXiv · AI20

    CMC 框架利用控制型动态优化实现多样化动作定制

    CMC 框架通过控制型动态优化解决视频生成中的内容泄漏问题,实现多样化动作定制。 该方法利用随机最优控制引导生成动态,消除显式奖励并引入时间步自适应动作成本,使训练加速 2.5 倍。 CMC 有效缓解了内容泄漏,在保持预训练模型多样性的同时实现了具有竞争力的动作保真度。

  2. R/ArtificialInteligence23

    AI 辅助科幻剧集制作流程解析:5 集后的工作流、故障与语音难题

    该科幻剧集工作流使用 Claude 协同撰写文案,采用 Kokoro TTS 配音,每集生成约 381 张 Flux 图像,并通过 Python 脚本与 CapCut 完成剪辑同步。 制作中 Flux 生成图像的文字出现乱码需人工筛查,单集时长接近 50 分钟因此拆分为两部分;本地运行的 Qwen3-TTS 在添加情绪标签时表现不稳定,仅 Kokoro TTS 效果可用。

10月7日周三
  1. Seven Minute Feed76

    中国 95% 以上微短剧由 AI 生成,AI 拓展至亚洲影视

    2026 年一季度,中国 12 万多部微短剧中 95% 以上由 AI 生成,一年前这一比例接近零。新加坡推出了除剧本外完全由 AI 生成的两部电影,香港 TVB 开始使用虚拟演员。Kling AI 称其拥有 1 亿用户且 70% 收入来自海外,正与 ByteDance 的 Seedance 2.0 和阿里巴巴的 HappyHorse 竞争,横店等影视基地则担忧行业失去人类核心。

    推荐理由:材料给出了中国微短剧 AI 生成比例的具体变化数据,读者可以据此判断 AI 对亚洲影视产业人力结构的影响。

  2. IT之家61

    AI 短剧制作成本仅为真人剧 1/10,开机量暴跌 75% 引微博热搜

    2026 年 AI 短剧制作成本仅为真人剧的 1/10,一季度上线微短剧中 AI 占比超 95%,平均每 36 秒诞生一部新剧。受 AI 冲击,真人短剧开机量同比暴跌约 75%,横店摄影棚空置率近 80%,大量中腰部演员面临无戏可拍的困境,资本转向 AI 赛道。目前 AI 剧仍存在角色表情僵硬、剧情套路化及超九成制作方亏损等不足。

  3. arXiv · NLP21

    V-JEPA 2 对隐藏物体的保持机制:预测器与编码器的永久性差异分析

    研究表明,冻结的 V-JEPA 2 预测器在物体隐藏 0.3 秒后即丢失其记忆,而同编码器能持续 3.5 秒。 通过合成数据训练 3000 步可消除预测器的永久性缺失,将 IntPhys-2019 得分从 84.2% 提升至 93.3%。 该缺陷并非潜在预测的固有属性,因为使用 tube mask 继续训练即可恢复动态物体记忆。

  4. arXiv · ML23

    基于扩散模型的视频编辑:综述

    该综述系统梳理了基于扩散模型的图像与视频编辑技术,涵盖理论公式及图像领域关键方法。 文章按核心技术内在联系对视频编辑方法进行归类,并介绍了基于点和姿态引导的新应用。 作者还通过新提出的 V2VBench 进行了综合对比,并讨论了当前面临的挑战与未来研究方向。

  5. 机器之心46

    视频世界模型 QuantWM 提出 2-bit KV Cache 压缩方案,解决量化闪烁问题

    QuantWM 提出免训练 2-bit KV Cache 量化框架,解决视频世界模型量化后的画面闪烁问题,实现最高 6.20 倍压缩。 针对现有方法在 VBench 评测分数接近但实际生成画面存在闪烁、模糊和细节失真的现象,QuantWM 通过量化敏感性感知聚类(QSAC)和主子空间注意力补偿(PSAC),保护模型对历史信息的注意力分配。

  6. 可灵AI23

    可灵AI将在釜山国际电影节展示 Kling 4.0 影视创作应用

    可灵AI 将于 2026年10月10日至13日在釜山国际电影节展示 Kling 4.0,呈现由该模型参与制作的真实影视作品。 活动重点探讨模型如何理解导演构思、保持角色与叙事连贯性,并接入动画、实拍等影视工业生产流程。 此举旨在推动生成式 AI 从创作实验走向影视工业的专业生产环节。

10月6日周二
  1. Hacker News AI33

    Higgsfield Genjutsu AI 推出视频到视频模型,可替换视频中的物体、场景与风格

    Higgsfield 推出 Genjutsu 视频到视频模型,支持在保留原始主体运动、镜头轨迹及画面时序的前提下,替换视频中的物体、背景、风格或产品。 该模型提供 Motion Transfer 和 Objects Swap 两种核心模式,支持 480p、720p 和 1080p 分辨率生成,用户需根据视频时长购买预付费点数。

  2. arXiv · AI40

    COMIC:智能体驱动的短喜剧视频生成系统

    COMIC 是一个全自动 AI 系统,能生成类似《周六夜现场》的短喜剧视频,在人工与自动评测中得分均高于智能体和视频生成基线。 系统由一组模拟真实制作工作室角色的智能体构成,通过迭代竞争、评估与精炼优化创意质量与多样性;其关键贡献是基于 YouTube 喜剧视频语料训练的 LLM 评论员,可对齐真实观众偏好自动评估幽默度,并引入多岛相对进化改进剧本及剧本条件渲染评论员进行镜头级和视频级锦标赛。

  3. arXiv · AI32

    ReMem:面向流式视频理解的长上下文保留方法

    ReMem 是一种免训练适配技术,让 VLM 能处理任意长度流式视频并提升长上下文信息保留能力,在流式视频与通用长视频理解基准上达到 SOTA。 它由两个组件构成:Streaming Context Memory(SCM)用与查询无关的注意力持续压缩历史上下文,Retrieved Vision Memory(RVM)再检索与查询最相关的显著上下文来增强 VLM 输入。

  4. arXiv · AI32

    UltraDub:统一视觉引导流学习与轨迹指导,实现逼真配音

    UltraDub 将视觉用作连续运动与结构节奏,提出统一视觉引导流学习与轨迹指导的配音框架,在四个数据集上取得 SOTA 性能。 其 MDR 模块通过共享唇动查询残差校准语言与说话人风格检索,RTG 免训练,在纯视觉预测中点评估分层多模态校正以保持时序对齐,并构建 DiverseDub 多场景基准。

  5. IT之家61

    快手旗下可灵 AI 拟赴港 IPO 募资至少 10 亿美元

    快手旗下可灵 AI(Kling AI)已选定承销银行,筹备赴港 IPO,拟募资至少 10 亿美元。作为 AI 视频服务商,可灵 AI 目前正与中金公司、高盛集团及瑞银集团推进潜在发行事宜,目标最早于明年完成上市。此前可灵 AI 完成了一轮 28 亿美元融资,投前估值约 150 亿美元。

10月5日周一
  1. Hacker News AI79

    Gitframes 开源发布:面向 AI 智能体的 GPU 视频合成引擎

    Gatewai Dev 开源 Gitframes,一个面向编码智能体的 npm 包,可驱动 WebGPU 管线渲染视频,无需传统图形软件栈。它统一了 2D 合成、3D 场景图、程序化音频及端侧计算机视觉,通过 TypeScript 直接生成 MP4。

    推荐理由:开源工具将视频合成封装为单一 npm 包,AI 智能体可编写 TypeScript 驱动 WebGPU 管线完成渲染,无需传统图形软件栈。

  2. arXiv · ML38

    视频扩散模型内部表征中物理量的定位研究

    研究发现视频扩散 Transformer(DiT)内部表征可高精度线性解码运动学与刚体动力学等物理量,且该信息在去噪早期被主动构建。 相关物理信息集中存储在目标物体 token 激活中,单帧潜变量即可读取多帧物理量,且探测方向可作为引导向量改变模型输出。 探针展示了部分外推能力,能迁移至训练分布之外的场景与物体配置。

  3. arXiv · AI28

    V-RAGBench 与 CARVE:长视频 RAG 检索新基准与免训练方法

    研究团队推出 V-RAGBench 基准与 CARVE 方法,解决长视频检索增强生成中评测偏差与粒度单一问题。CARVE 通过并行检索器与块自适应重排序,在 V-RAGBench 上超越八个现有基线。 V-RAGBench 基于小时级视频的三元组实现检索与生成解耦评测,CARVE 作为免训练方法提升了对第一人称及第三人称长视频的处理表现。

  4. IT之家51

    斯凯孚用AI技术让已故女星葛丽泰·嘉宝代言广告

    斯凯孚借助AI生成技术推出以已故好莱坞影星葛丽泰·嘉宝为虚拟代言人的广告,引发舆论两极评价。制作方未使用存档影像,而是依靠文本提示词生成人物形象,图像生成使用字节跳动Seedream 5 Pro与谷歌Nano Banana Pro,动作生成使用Seedance 2、Seedance 2.5以及可灵AI(Kling AI),语音则基于嘉宝早年影片原声进行AI训练,并得到遗产管理方及家属授权。

10月4日周日