跳到正文
11月4日周三
  1. 量子位45

    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。

  2. arXiv · AI28

    CleanVideo:面向文本到视频扩散模型的自适应概念擦除框架

    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。

  3. arXiv · AI35

    VidVec 利用视频 MLLM 嵌入实现视频-文本检索

    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。

  4. arXiv · AI35

    DreamX: 视频扩散模型作为通用潜在动作学习者

    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。

11月3日周二
  1. 36氪51

    Seedance 海外收入占比达 50%,国内腾讯、B 站成主力客户

    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。

  2. IT之家20

    央视频 CPOPwave 发布长红 IP《原神》及十大出海案例

    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。

  3. 可灵AI32

    Kling 4.0 实战测评室|Ash Koosha:长镜头的价值,是让角色情绪有时间生长

    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。

  4. arXiv · ML23

    AoiZora:面向视频扩散 Transformer 的编译器无关自动并行化框架

    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。

  5. arXiv · ML30

    Disen-Forcing 解耦自回归视频扩散模型中的语义锚定与运动

    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。

  6. arXiv · AI30

    dKV Forcing:通过可微分 KV 缓存分离生成与记忆表示

    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。

  7. arXiv · AI33

    DTP-OPSD:面向时间视频定位的抗干扰感知时序特权在线自蒸馏强化学习框架

    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。

  8. arXiv · AI27

    ReactionBench:基于人类参照的视频反应建模基准

    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。

  9. arXiv · AI21

    AuroraWorld: 面向机器人操作的外向-内向视频生成的结构化4D世界建模

    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。

  10. 36氪55

    郑州与横店之间:AI沉浮,短剧工厂的残酷算术

    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。

11月2日周一
  1. 可灵AI25

    Kling 4.0 性能解读:八位全球创作者分享动作、镜头与参考融合体验

    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。

  2. HiDream智象元一42

    智象元一与中国科大提出 EraseSAE:基于稀疏自编码器的视频扩散模型概念擦除方法

    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。

  3. IT之家45

    UWA联盟宣布Spatial Vivid 1.0标准参考工具集开源

    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。

  4. Hacker News AI50

    ADKA AI 广告生成工具发布

    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。