虎鲸文娱上线“鲸锐AI”平台,AI视频单分钟成本降30%
虎鲸文娱正式上线“鲸锐AI”平台,集成50余个主流模型,AI视频单分钟成本较传统方式节省30%以上。 平台配备35类工具与300余项精控能力,支持千级节点及百人实时协同,实测可直出4K、60帧、10bit、HDR规格成片。 测试期间已支持百余部项目落地,显著缩短制作时长并降低团队席位成本。
虎鲸文娱正式上线“鲸锐AI”平台,集成50余个主流模型,AI视频单分钟成本较传统方式节省30%以上。 平台配备35类工具与300余项精控能力,支持千级节点及百人实时协同,实测可直出4K、60帧、10bit、HDR规格成片。 测试期间已支持百余部项目落地,显著缩短制作时长并降低团队席位成本。
阿里巴巴在2026年达喀尔青奥会部署Alibaba Teranga Beat互动装置,并基于Wan 3.0生成百人群像短片。 装置结合塞内加尔Sabar鼓文化与千问(Qwen)模型,用户敲鼓即可生成数字分身;开幕式短片通过工程控制确保100张真实面孔在60秒视频中精准呈现。
哔哩哔哩董事长陈睿在2026年世界互联网大会乌镇峰会上发表演讲,提出最好的内容必须由人类主导创作。他认为AI是视频产生以来最大的技术革命,虽技术上未来会超越人类,但核心仍是创作者的自我表达与观众的共情,B站将用技术赋能创作者在AI时代产出好内容。
EloElo 完成 8000 万美元 C 轮融资,由 Hornbill Capital 和 NBC 环球投资,公司估值达 5 亿美元,累计融资 1.3 亿美元。
研究在六个开源权重 MLLM 上评估文本、音频、视频等输入表征的效度。七项新闻相关构念中,原生视频输入的 macro-F1 稳定在 .70-.77,而提取文本输入的 macro-F1 在 .52-.80 之间波动。
CleanVideo 框架通过低维子空间干预和三模态门控机制,在保持视觉保真度和时间连贯性的同时,有效擦除视频生成模型中的目标概念。 该框架联合处理时空视觉特征、时间步信号和文本语义,决定何时、何地及是否进行干预,并在可明确定义自然替代概念时引导被擦除内容。在三个视频扩散模型上的实验显示,其在帧级和概念恢复攻击评估中优于现有基线。
提出基于信息论的关键帧采样框架,最大化查询条件下帧与答案的条件互信息。 使用 Qwen2.5-VL-7B 模型在 32 帧预算下,较均匀采样在 LVBench 提升 10.1 分,VideoMME 长视频子集提升 4.4 分。 方法在同等帧预算下优于现有采样策略,被 WACV 2027 接收。
VidVec 结合中间层嵌入与校准 MLLM 头部实现零样本视频-文本检索,无需训练即可获得强劲性能。 该方法采用基于文本的轻量化优化策略,利用稠密视频描述作为视频语义的文本替代,无需配对的视觉数据。 实验表明,这种仅基于文本的优化效果优于使用配对视频-文本监督的方法,且在常见基准测试中达到了当前最佳水平。
DreamX 利用预训练视频扩散模型作为通用潜在动作学习者,在 LARY-Bench 基准测试中取得潜在动作模型的最先进性能。 该方法将视频帧压缩 300 倍(从 1,200 到 4 个 token),提取解耦视觉外观的潜在动作,支持跨形态的零样本动作迁移。 这种共享动作接口实现了任意到任意的视频迁移,并降低了基于视频扩散策略的计算成本。
研究提出 ReVi 框架,旨在从小说直接生成受限于固定时长的自包含音视频回顾。该双循环多智能体系统通过“先编辑后生成”策略,在计划阶段分配事件时间与镜头,并支持跨小说递归自我改进。实验显示 ReVi 在回顾质量和时长合规性上优于基线模型。
Itch.io 删除了大量被称为“Terabytes”的 AI 生成垃圾内容,以遏制游戏上传数量的激增。 这一措施旨在应对平台上 AI 生成内容泛滥的问题,维持内容质量。
Animus AI Blocker 0.1.8 允许在支持的社交媒体网站上隐藏标记为 AI 生成的图片和视频,并支持随时查看过滤内容。 该扩展程序基于明确声明或可信的 Content Credentials 进行过滤,采用本地优先模式,关闭云分析和数据上传功能,免费提供无账号服务。
IDC报告显示,2026年上半年中国MaaS市场规模达106.3亿元,字节旗下火山引擎以45.1%份额位居第一。其收入主要来自视频生成模型Seedance,该模型在红果短剧等生态场景内实现高Token消耗。此外,火山引擎发布Agent Plan订阅套餐,试图通过整合多模型工具链抢占智能体入口。
字节跳动旗下视频生成模型 Seedance 的海外收入占比已达 50%,过去半年海外市场收入增长近 5 倍。国内方面,腾讯位列 Seedance 中国区客户前三,B 站进入前十;此外,Seedance 的实体产业客户数量占比已超过四分之一,涵盖制造、医疗、教育等行业,Seedance2.5 的多模态参考能力正推动模型深入具身智能与工业培训等生产环境。
总台央视频 CPOPwave 正式发布长红 IP《原神》及十大优秀出海案例,后者包括《凡人》动画、《绝区零》等。 该发布活动于 11 月 2 日举办,是世界互联网大会乌镇峰会配套活动,同期发布了《中国潮流 IP 出海报告》。 活动首次引入生成式多智能体社会孪生方法,聚焦 IP 全球化运营与 AI 应用。
导演 Ash Koosha 实测 Kling 4.0,预计该模型可使工作流中废弃素材减少至少 50%。 模型支持单次生成最长 30 秒视频,并强化多镜头生成中的镜头调度与定向编辑能力。 更稳定的运镜与物理交互有助于减少“废片”,提升长片叙事中素材的可用性与创意控制力。
Flow AI 发布统一创意工作室,整合视频、图像、音乐和语音生成工具。 用户可通过文本提示或参考图起步,选择四种格式进行创作,生成工作室级媒体文件供下载和编辑。
疑似 Anthropic Fable 5.5 模型泄露 Hugging Face 仓库,显示 14 万亿参数、1224 个 MoE 专家及 7.72 TB 权重。
AoiZora 是一种编译器无关的自动并行化框架,通过双 IR 架构在 TPU v5e 上将 Wan 2.1 去噪延迟降低 1.23 倍。 该框架支持 TPU v5p 训练加速 1.11 至 1.21 倍,并能在 10 分钟内找到优化方案。 其核心机制允许对 GPU 上的 PyTorch 程序进行并行化,无需执行候选方案即可定价编译程序。
研究发现自回归视频扩散模型通过稀疏注意力头实现长程一致性,而非 LLM 式 attention sink。 提出 Disen-Forcing 插件,利用解耦上下文路由和运动解耦正则化,在基准测试中同时提升长程一致性与运动动态。 该方法解决了基于 sink 的方法在模型蒸馏中易导致运动坍缩的过拟合病理,已被 NeurIPS 2026 接收。
ViSSFlow 是一个基于 Flow-Matching 的统一框架,旨在同时解决 Video-to-Sound (V2S) 和 Visual Text-to-Speech (VisualTTS) 任务。
summary_zh: VideoEditor-MoE 是首个开源的复杂视频编辑混合专家(MoE)框架。基于 5B 编辑模型初始化,该架构扩展至 14B 和 56B 参数,每个 token 激活约 8B 参数,通过 MoE-Attention 在保持全局交互的同时扩展注意力容量。
MoviEdit 提出长视频多镜头编辑框架,通过 87K 无标注配对视频实现超越开源模型效果。 框架采用级联双向自回归架构,并推出 MoviEdit-Bench 基准测试。
论文提出 AgiWorld 这一 Agentic 视频世界模型,能从单张图片和自由指令探索并构建持久世界。
提出 dKV Forcing 方法,通过可微分缓存训练专用记忆表示,分离视频生成与记忆写入。 该方法以 7% 的生成器更新开销实现单遍精确梯度计算,较两遍重构节省 28% 驻留内存,并缩短 20.8% 训练周期。 VBench-Long 美学质量在 60s 和 240s 下分别提升 6.6 和 8.5 分,并恢复训练时无写梯度下的运动能力。
DTP-OPSD 提出一种抗干扰感知的时序特权在线自蒸馏强化学习框架,专门解决时间视频定位中因视频包含相似或相反事件导致 GRPO 策略梯度失效的问题。 学生模型生成响应,共享权重的教师模型观察标记了目标窗口和干扰窗口的特权视频,通过计算教师评估学生前缀的 Jensen-Shannon 散度提供密集 token 级监督信号。
研究人员提出 V-PSA 方法,利用 DDIM inversion 实现独立生成器下的视频重构,相似度达 0.9。 该方法基于 12,000 个视频提示词对测试,结合 Null-Text Inversion 优化嵌入,显著提升还原精度。 仅评估提示词恢复会低估攻击者重构公开生成输出的实际能力。
研究人员提出 ReactionBench,这是首个以人类为锚点的视频反应特异性理解基准。 该基准包含 31,834 个刺激-反应视频片段,涵盖 433 小时时长及 8 个领域,用于评估反应强度排序、时序匹配及解释推理能力。 在七个多模态模型中,最佳模型在四选一匹配任务中准确率仅为 50.9%,表明反应特异性接地仍具挑战性。
TRACE-CBM 通过时间关系图递归预测概念状态,实现可编辑的视频活动预测。 该方法将观察活动 Top-1 准确率提升 1.2-8.5 个百分点,H3 预测准确率接近黑盒模型。 概念节点编辑可纠正 25.6-34.4% 的错误预测,概念引导实现高达 90.0% 的目标活动。
FOCUS 是免训练三层框架,通过时序门控和空间焦点地图减少 VLM 调用次数。 在 EgoSchema 子集上,基于 Qwen3-VL-8B 达到 74.8% 准确率,仅耗 25.4 次调用。 较均匀采样减少 57% VLM 调用,显著提升流式视频处理效率。
AuroraWorld通过结构化4D世界建模,从大规模外向操作视频中合成物理一致、策略相关的内向(egocentric)视频,解决现有方法在大幅视角变换、严重遮挡等场景下的局限。 其核心在于为机器人视觉运动策略学习提供可规模化获取的内向观测数据,替代高成本的外向视角部署。
AI短剧借助算力降低成本并压缩制作周期,正在冲击传统真人短剧的生产与分发模式。随着平台收紧预算并调整分账规则,大量真人短剧制作公司开始转向AI生产线。制作成本从人员与场地转向模型算力支出,而演员和幕后人员则面临出工天数减少、收入下降,部分从业者因此离开行业。
TBC 发布基于 Wan 2.2 的 AI 视频模型 mischief 1,生成速度达基线模型 5 倍。该模型在 fal 和 OpenRouter 上线,定价 0.5 美分/秒,是这两个平台上最低价的图生视频模型。效率源于从活体神经元中提取的计算原理,且对基础模型参数增加少于 0.1%。
DaVinci Resolve 21.1 通过 MCP 服务器让 Claude 等 AI 工具直接控制编辑时间线,可自动剪辑、添加标题及导出 4K 视频。测试发现 Resolve 自带转录存在误差,改用 Deepgram 转录后剪辑耗时缩短至 4 分 47 秒,准确率显著提升,整体 AI 剪辑成本估算在 13 至 19 美元之间。
Mago Studio是开源AI视频编辑工具,数据本地存储且支持GPU本地渲染。该工具通过ComfyUI和MiniMax H3模型提供脚本转视频、素材重绘功能,并兼容Mago Cloud付费模型服务。
Kling 4.0上线后,八位全球创作者反馈其在动作表现、镜头调度、全能参考融合及人物塑造上显著提升。 创作者作品展示了更迅猛的动态物理反馈、稳定的镜头叙事能力及灵活的多模态参考整合,支持写实至怪诞等多种风格。 这些实际案例验证了模型在提升画面真实感与创意表达自由度上的核心价值。
智象元一与中国科大联合提出 EraseSAE,利用稀疏自编码器实现文本到视频模型中概念的安全擦除,代码已开源且研究被 ECCV 2026 接收。 方法通过分区卷积 SAE 分解特征并采用动态时空掩码进行局部干预,在 CogVideoX-5B 上将裸露内容检测率从 28.25% 降至 2.62%,显著优于现有方法。
长视频平台遭遇严重衰退,爱奇艺市值蒸发约2000亿元,芒果超媒市值缩水七成,四大巨头月活集体下滑。 同期红果免费短剧月活达3.68亿,TOP20长剧有效播放量同比减少27%。 观众偏好向短剧转移,平台需通过深挖IP价值和拓展海外发行实现自我救赎。
世界超高清视频产业联盟宣布Spatial Vivid 1.0标准参考工具集开源,涵盖编解码器、Web渲染器等全链路工具,采用MIT协议。该标准作为业界首个六自由度三维空间影像格式,面向3DGS场景实现平均20倍压缩比,支持多终端快速渲染,为影像规模化落地提供标准底座。
ADKA AI 工具支持上传商品图,几分钟内生成高转化视频广告及亚马逊、Shopify 等平台整套商品图,无需剪辑。 内置字节跳动 Seedance 2.0/2.5、快手、阿里巴巴等 5 种视频模型,及 OpenAI、Google 等 4 种图片模型,支持 1K-4K 输出。 采用“按量付费”模式,注册赠送 50 积分,提供基础、专业、商业三档订阅,失败生成全额退款。