跳到正文
11月17日周二
  1. arXiv · AI21

    VAHBench:面向智能体长视频生成的基准测试

    VAHBench 评估智能体将用户请求转化为完整视频的能力,通过 48 种配置下的 240 次运行测试发现,视频生成的高质量分数并不等同于交付的完整性。 测试显示,缺失剧集、重复片段和静态填充物揭示了生产过程与用户要求之间的差距,添加的构图工具虽有帮助但未能一致提升性能。

  2. Latent Space55

    Black Forest Labs 谈 FLUX 3:视觉智能为何需要视频与音频信号

    Black Forest Labs 联合创始人 Andreas Blattmann 与 Dustin Podell 解释 FLUX 3 同时使用图像、视频和声音信号训练的原因。视频展示物体移动轨迹,声音补充接触等物理反馈;独立处理视频帧会导致放大画面闪烁,因此视频放大需保证时序一致性。团队还分享 FLUX Kontext 如何用少量数据实现局部编辑,以及用户利用模型修复旧家庭照片的使用案例。

  3. R/ArtificialInteligence52

    开发者分享用自拍生成生日视频的 AI 视频生成技巧

    独立开发者 pvdyck 发布 hehehe.AI,利用自拍在手机端生成带人脸的垂直生日视频。他总结了 AI 视频生成的关键经验:结构化提示词中参考人脸比文字描述发型年龄更有效,卡通风格会导致人脸特征失真,且需在第一帧固定人脸朝向并避免说话时的镜头推进。该应用即将开放他人通过 Claude 或 ChatGPT 编写场景脚本的功能。

  4. R/ArtificialInteligence43

    Premiere v25.5 文本编辑实测:AI 辅助耗时 48 分钟,手动剪辑 33 分钟

    使用 Premiere v25.5 剪辑同一段 12:48 素材,手动编辑总耗时 32:30,AI 辅助总耗时 47:52,AI 方案反而更慢。 AI 的 Remove Pauses 功能将视频从 12:48 缩至 10:05,但产生 56 个剪辑点及闪帧、音频不连贯等问题,需 15 分钟手动清理。 作者认为手动剪辑意图更清晰,适合发布,而 AI 工具目前仅能作为混合工作流的一部分。

11月16日周一
  1. 量子位40

    是石科技发布多模态模型服务,视频生成提速2.48倍且画质不掉线

    是石科技正式发布多模态模型服务,通过自适应缓存技术使视频生成相比 Dense 基线实现端到端平均 2.48 倍加速,且生成质量保持不变。 服务结合 SGLang 推理框架优化显存协同管理,并采用基于 AudioCLIP 的模态自适应 Token 压缩方法,在 WorldSense 评测中实现 1.33 倍理解加速。

  2. IT之家59

    字节跳动火山引擎 Seedance 2.5 4K 视频生成模型 API 全面开放

    字节跳动火山引擎宣布 Seedance 2.5 4K 视频生成模型的 API 已全面开放,开发者与企业客户可通过接口调用。该模型支持 Draft(样片)模式,允许用户先用 480P 验证分镜,再低成本生成 4K 正片;配合 10-bit 色深,其纹理细节与色彩过渡可胜任大荧幕视觉要求,在参考生成和视频编辑中能更好地保持上传素材的画质与清晰度。

11月15日周日
  1. Seven Minute Feed56

    中国首部全AI生成电影票房失利

    中国首部无真人演员、无摄影机组的全AI生成电影《三星堆:未来过去》上映三周票房约180万元。这部100分钟的科幻片原本作为AI影视展示进入院线,观众评价其“AI痕迹明显”,表明当前瓶颈已从生成成本转向观众接受度。

  2. Hacker News AI25

    Show HN: YVD – 利用 AI 在几秒钟内生成视频、图片和音乐

    YVD AI Studio 允许用户通过上传照片或输入文本提示词,结合所选模型生成短视频片段,以辅助视频剪辑创作。 该工具提供 Photo-to-Video 特效(如说唱场景、霓虹舞等),免费账户每 24 小时赠送 10 积分,积分在 24 小时内有效且不可累积。 支持生成 9:16 竖屏视频用于 YouTube Shorts,用户上传素材时需拥有相应权限,生成结果需人工审查。

11月14日周六
  1. 量子位50

    中专生 foyege 用 AI 拍摄《哈利·波特》性转二创,海外播放量破 3000 万

    AI 短剧创作者 foyege 以性转设定重拍《哈利·波特》二创,马尔福变为金发大小姐,海外平台播放量达 3000 万。 作品无正式剧本,foyegé 单人使用 LibTV 无限画布调度 Seedance、可灵等模型完成分镜与特效,单集播放量百万级。 欧美歌手 JVKE、好莱坞制片人 PJ Accetturo 及多国网友点赞并录制 Reaction 视频,AI 降低了影视创作门槛。

  2. 36氪50

    中专生foyege用AI创作《哈利·波特》性转二创短片获3000万播放量

    中国创作者foyege利用AI工具制作《哈利·波特》性转二创短片,在海外平台累计获3000万播放量。 作品将马尔福设定为金发女性并与哈利展开恋爱,获得欧美歌手及好莱坞制片人点赞,多国网友自发录制Reaction视频。 创作者未使用正式剧本,单人完成前期构思、角色三视图设计及分镜执行,展现了AI降低影视制作门槛的可能性。

  3. Hacker News AI25

    Show HN: Autoeditor – AI for retention video editing

    AutoEditor 是面向创作者的免费 AI 视频编辑器,支持将原始素材自动剪辑为优化留存率的成片。 服务覆盖美国、英国、加拿大及全球地区,提供 Starter ($10/mo)、Pro ($13/mo) 和 Studio ($49/mo) 三种付费方案,并支持 MCP 和 API 集成。 支持 LLM 简报、Agent 索引及免费试用,降低视频后期制作门槛。

  4. IT之家26

    Pearl Abyss 财报披露《红色沙漠》AI应用扩展至全开发管线

    Pearl Abyss 在最新财报中证实,公司正将生成式 AI 应用范围扩展至整个游戏开发管线,以自动化重复任务、辅助内容创作并优化测试流程。 该举措旨在提升开发生产力与研发速度,利用 AI 进行快速原型设计与概念验证,但强调核心玩法与内容创作仍完全由人类开发团队主导。 Pearl Abyss 明确表示,AI 仅作为提升效率的工具而非人力替代品,未来将加速推出高品质游戏。

  5. 36氪41

    红果借《持械入宋》AI短剧重塑形象

    红果通过推广AI短剧《持械入宋》回应“时间吸收器”质疑,单集算力成本约1000元,播放量达120亿。 该剧由5人团队制作,算力投入超100万元,抖音副总裁亲自推荐,凸显字节内部流量闭环优势。 此举旨在证明AI短剧具备正面价值,并为行业提供低成本高产出的参考样本。

  6. Hacker News AI37

    Show HN: Viral Video AI – 通过文本、照片和视频参考生成短视频

    Viral Video AI 允许从文本、照片或视频参考生成 4-30 秒的 AI 短视频,支持 TikTok、Reels 或 Shorts。 基础版支持最多 9 张图片或 2-15 秒参考视频,专业版支持 30 张图片或 2-30 秒参考视频,输出 480p/720p 分辨率。 支持粘贴公共链接作为参考,生成前需审查信用额度,用户需在平台上标注 AI 生成内容。

11月13日周五
  1. arXiv · AI26

    DashBench 评测自动驾驶长尾场景下的 25 个 Video LLM

    研究团队推出 DashBench 基准,测试 25 个 Video LLM 在 1,709 个包含碰撞与非碰撞长尾场景(corner cases)的驾驶视频中的表现。 评测结果显示,所有受测模型在安全关键驾驶应用所需阈值下表现不佳,常误判或漏检危险事件,并幻觉出不存在的物体或动作。 该基准结合数据集与诊断工具,旨在推动更安全、可解释的自动驾驶系统发展,代码与数据已公开。

  2. arXiv · AI24

    MemInStream:重新审视流式视频记忆评估

    针对现有基准无法区分理解失败与记忆缺失的问题,MemInStream 提出用于评估流式视频记忆能力的基准。 该基准通过证据控制协议关联时间定位证据区间,确保问题需依赖历史记忆而非近期观察或语言先验才能解决。 其涵盖事件检索、状态跟踪、多证据整合及上下文记忆四大类别,提供系统化的记忆评估方案。

  3. arXiv · AI23

    视频反向色调映射新框架:基于潜在亮度监督的盲后验推理

    针对SDR转HDR的盲逆问题,提出将视频反向色调映射重构为后验推理,通过潜在亮度监督纠正生成先验导致的亮度偏差。 使用视频扩散隐空间固定仿射功能量读取对数亮度,配合非对称损失选择后验分位数,并在显式色调算子族下合成训练SDR,使亮度误差更平缓且平均更小,在三项基准测试中取得最佳感知质量。

  4. arXiv · ML33

    WorldTrace 框架解决视频世界模型长时程视觉持久性地址失效问题

    WorldTrace 是一个免训练的内存框架,通过为每个摘要槽位分配独立的分布内虚拟位置,解决了视频世界模型在超出训练范围后因 RoPE 偏移导致无法可靠访问存储内容的问题。 该框架利用模型自身注意力决定保留或合并观测,构建有界可寻址内存库;在 LoopBench 基准测试中,其 DINOv2 召回相似度比滑动窗口提升 32.6%。

  5. arXiv · ML29

    MotionCFG:通过语义运动锐化提升视频生成中的运动动态

    提出无训练方法 MotionCFG,通过向运动嵌入注入高斯噪声构建负向条件,选择性放大 T2V 生成中的运动意图。 方法在理论上近似语义拉普拉斯锐化,抑制运动模糊区域;配合分段引导计划,以极低开销显著提升现有 SOTA T2V 框架的运动质量。 该方法已获 NeurIPS 2026 录用,并证明其原理可泛化以调节物体数量等复杂非线性概念。

  6. Hacker News AI28

    Show HN: AxiomStory 推出 AI 故事工作室,确保角色与场景在文本、图像及视频中的一致性

    AxiomStory 是一款 AI 故事工作室,通过自动生成的 Wiki 锁定角色特征,确保文本、图像及视频中角色外观与行为的一致性,并支持一致性检查工具。 其功能涵盖从文本导入到视频生成,付费计划包括 Writer $16/月、Studio $48/月及 Studio Pro $160/月,免费层提供约 30,000 字额度,7 天内可全额退款。

11月12日周四
  1. 36氪72

    AI短剧冲击传统影视产业链

    AI短剧通过大幅压缩制作成本与试错成本正在侵蚀传统影视就业链条,导致大量幕后岗位被替代,同时短剧盈利空间因算力成本上涨与分账单价下降而被压缩。

    推荐理由:从成本、分账到产业链重构,给出一个判断AI短剧为何吞噬传统影视产能的完整证据链。

  2. Hacker News AI62

    OpenShorts发布:开源自托管AI视频剪辑与生成工具

    OpenShorts是一款开源的AI视频平台,包含剪辑生成、AI UGC视频创作和YouTube自动化工具三大功能,支持Docker自托管且无水印,也可通过云端使用付费服务。其核心流程利用Gemini识别高潜力片段,结合FFmpeg进行智能9:16裁剪和自动字幕,并支持通过MCP server、REST API及Webhooks实现自动化发布到TikTok、Instagram等平台。

11月11日周三
  1. R/ArtificialInteligence37

    使用 MiniMax H3 将儿童画转化为 42 秒 AI 视频

    用户利用 MiniMax H3 在 Atlas Cloud 平台将女儿 3-6 岁期间的画作转化为 7 段动态视频,并剪辑为 42 秒成片。 生成 7 段约 46 秒素材耗资 $1.75,通过提示词保留原作独特比例与形状。 动画中人物回望镜头的效果被描述为令人毛骨悚然。