奥斯卡出台新规：AI 生成的演员和剧本彻底无缘小金人
周五，电影艺术与科学学院公布奥斯卡新规，明确禁止 AI 生成的表演和剧本参评。规则要求表演必须由经知情同意的人类完成，剧本必须由人类创作，学院有权调取 AI 使用细节。这意味着 AI 数字人演员和算法生成的剧本，将彻底无缘小金人争夺。
AI视频
查看更新的新闻
UniVid-X 视频框架发布：不仅能抠像换背景，还能重构光照与表面法线
研究团队提出视频多模态框架 UniVid-X。它不仅能生成 RGB 视频，还能直接解析和生成物体的基础颜色、光照信息、表面法线以及前后景 Alpha 通道。这意味着只需输入一段视频，就能精准完成角色替换、背景抠像甚至黄昏重打光等精细编辑。
Mocap Anything v2 开源：普通单目视频直接生成可动画 3D 骨骼
动作捕捉模型 Mocap Anything v2 正式开源。它支持从普通单目视频中直接预测任意骨骼结构的旋转与动作，人类、动物或虚构生物都能套用。模型采用完全端到端训练，解决了传统算法导致的关节翻转与抖动，大幅降低了 3D 动画制作门槛。
Nvidia 预告 D-Rex：全身数字人不仅表情逼真，还能任意换光照
Nvidia 公布全身数字人系统 D-Rex。它把表演与光照解耦，先在白光下生成带表情动作的全身 Avatar，再用扩散模型叠加目标 HDR 光照。这意味着数字人既能保持细腻神态，又能无缝融入任意虚拟场景。
微软推出 World-R1：用强化学习补齐视频生成的 3D 空间短板
微软推出视频生成框架 World-R1。它无需改动底层模型架构，基于 Wan2.1 并借助强化学习和 3D 模型反馈将空间约束融入生成过程。这解决了视频几何变形问题，大幅降低了世界模拟的训练成本。
OmniShotCut：精准识别视频剪切与转场，模型仅 164MB
OmniShotCut 是一款专用于视频剪辑分析的轻量 AI 工具，能自动识别视频中的硬切、溶解、淡入淡出及滑动等转场并标记时间戳。模型体积仅 164MB，支持本地部署运行，目前已在 Hugging Face Space 上线免费试用体验。
复旦开源 Hallo-Live：文本实时生成音视频数字人，延迟不到 1 秒
复旦大学团队提出实时流式数字人生成框架 Hallo-Live，能直接由文本同步合成语音与肖像视频。在两块 NVIDIA H200 上，它跑出 20.38 FPS 的速度，延迟仅 0.94 秒。它将双流扩散与偏好引导蒸馏结合，解决了交互式数字人延迟高与音画脱节的痛点。
Grok Imagine 升级图生视频：对口型更准，音频也更清晰了
Grok Imagine 升级图生视频功能，大幅提升了对口型效果与音频清晰度。更新后对白能够准确贴合嘴型动作，声音也更符合画面场景，让最终生成的声画表现更自然连贯。
Vista4D：把普通视频转成 4D 点云，支持自由运镜重拍与动态编辑
研究团队提出 Vista4D 框架，能把普通视频转换为包含时间维度的 4D 点云。最值得关注的是，它不仅能以任意相机轨迹重新渲染动态画面，还能直接在点云中增删物体或拼接不同视频。目前代码与模型已开放。
Odyssey 发布 Odyssey-2 Max：规模扩大 3 倍，登顶实时物理基准测试
Odyssey 推出通用世界模型 Odyssey-2 Max，参数量比前代扩大 3 倍，在 VBench 2 物理评测中拿下最高分，并支持实时交互推演。它通过自回归预测下一步状态来模拟现实物理，目前已面向机器人与游戏等领域的合作伙伴开启内测。
新框架 CoInteract 亮相：只需两张图，生成不穿模的带货视频
研究人员公布视频生成框架 CoInteract，输入一张人物照和一张产品图即可生成带货视频。它引入双流协同生成架构，在处理像素的同时专门约束人手与物体的几何接触，解决了手部崩坏和穿模问题，让电商内容批量生成更逼真。
YouTube 扩展肖像检测工具：明星没频道也能查删 AI 换脸
YouTube 宣布将肖像检测技术扩展至娱乐经纪公司及艺人。该工具类似 Content ID，可扫描识别 AI 换脸等 Deepfake 内容并支持申请下架。最值得关注的是，即便演艺人员自己没有开设 YouTube 频道，现在也可以直接使用该工具维权。
TwelveLabs 发布 Pegasus 1.5 与 Rodeo：用自然语言检索与组装视频
TwelveLabs 在 NAB Show 2026 上发布视频理解模型 Pegasus 1.5 及创作者工具 Rodeo，并接入 Autodesk Flow Capture。Pegasus 1.5 支持单次 API 提取带时间戳的结构化数据，分割评测超 Gemini 2.5 Pro 30%；Rodeo 则支持用自然语言找素材与粗剪。
LTX HDR LoRA：给开源视频模型补上 16-bit HDR
Lightricks 为开源视频模型 LTX 发布 HDR IC-LoRA。这个仅约 340MB 的轻量模型能将原本 8-bit SDR 的生成视频升级为 16-bit HDR，大幅提升动态范围和色彩细节。也就是说，创作者能直接在现成工作流中输出专业素材，给剪辑调色留足空间。
Netflix 推出类 TikTok 竖屏视频流：全面引入 AI 做推荐与影视创作
Netflix 宣布将于本月在应用内上线类 TikTok 的竖屏视频流，帮助用户发现视频播客与影视作品。联席 CEO 表示将全面采用基于新模型架构的 AI 推荐系统，并借助上个月收购的 InterPositive 技术，加速落地面向创作者的生成式 AI 制作工具。
HeyGen 开源 HyperFrames：专为智能体打造的 HTML 转 MP4 框架
HeyGen 开源了面向智能体的视频生成框架 HyperFrames。该框架完全在 Claude Code 中构建，能将 HTML 页面转为 MP4 视频，让智能体可以通过代码自动化生产视频内容，官方的发布视频也是直接在 Claude Code 中用它生成的。
Browser Use 开源 video-use：让 Claude Code 读字幕直接剪视频
Browser Use 开源了 video-use，让 Claude Code 等智能体能直接剪辑视频。它避开直接灌入海量视频帧的高成本做法，改为利用带时间戳的语音转录文本与按需抽帧，支持自动裁切废话停顿、加字幕与调色。
字节发布 OmniShow：图音姿态全模态控制，专攻人-物交互带货视频
字节跳动与港中文等推出人-物交互视频生成模型 OmniShow。它支持同时输入人物与商品图、音频及动作骨架，最长原生生成 10 秒带货长镜头，解决商品变形与口型脱节难题。目前代码正在内部审核，尚未正式开源。
实时数字人模型 LPM 1.0：一张照片跑出 45 分钟对话视频
研究团队推出实时数字人模型 LPM 1.0，仅需单张参考图与音频就能流式生成角色视频。最值得关注的是，它不仅能对口型，还能模拟转眼球、调整麦克风等肢体细节与倾听状态，且 45 分钟内不崩脸。目前该项目仅发布技术报告与演示，暂未开源或开放公测。
扎克伯格被曝打造 AI 分身：学自己语气举止，替他给员工开会
据《金融时报》报道，Meta 正在训练 CEO 马克·扎克伯格的 AI 数字分身，用于在员工会议中与下属互动并提供反馈。该分身基于其形象、声音、举止及公开发言训练，扎克伯格本人也参与其中。若试验成功，Meta 计划将这项能力开放给创作者。