字节开源 Helios：单张 H100 实时生成 1 分钟长视频，跑出 19.5 帧
字节开源 14B 实时视频生成模型 Helios，在单张 H100 上生成速度达 19.5 帧/秒，最长可生成 1 分钟长视频且画风不崩。最值得关注的是，它无需繁复外挂手段就解决了长视频画质漂移难题。相关运行管线与代码已开源至 GitHub。
AI视频
查看更新的新闻
NotebookLM 推出电影感视频：接入 Veo 3，告别解说幻灯片
Google 为 NotebookLM 推出 Cinematic Video Overviews 功能，将原有的解说幻灯片升级为流畅动画视频。它结合了 Gemini 3、Nano Banana Pro 与 Veo 3 模型，由 Gemini 担任创意总监把控叙事与画面一致性。目前该功能在网页和移动端上线，仅面向 18 岁以上的 Google AI Ultra 英文订阅用户开放。
LTX Studio 上线配音与字幕功能：主打企业视频本地化
AI 视频生成平台 LTX Studio 宣布推出配音与字幕功能，专门面向需要快速制作和本地化视频的企业团队。新能力旨在帮助企业针对不同语言受众调整视频内容。目前官方尚未公布具体支持的语言种类与定价细节。
OmniLottie 论文公开：能直接把图文指令转成 Lottie 矢量动画
研究团队提出矢量动画生成框架 OmniLottie。它通过专用分词器配合视觉语言模型，能将文本与图像等指令直接转化为实用的 Lottie JSON 动画文件。研究团队还同步推出了包含 200 万条标注动画的数据集 MMLottie-2M。
Kiwi-Edit 开源：打字或给参考图，就能对 720p 视频增删改
Showlab 开源视频编辑框架 Kiwi-Edit，完整公开代码、模型与数据集。它结合多模态大模型与 5B 视频扩散 Transformer，支持通过自然语言或参考图在 720p 分辨率下完成物体增删、背景替换和风格迁移。最值得关注的是其时序连贯性优秀，为开源视频编辑提供了统一工具链。
Spectrum 开源：预判扩散轨迹，让图像视频模型提速超 4 倍
字节跳动与斯坦福大学研究团队开源扩散加速框架 Spectrum。它通过切比雪夫多项式预判未来的特征轨迹，无须重新训练即可叠加到现有流程中，让 FLUX.1 和 Hunyuan Video 等模型提速 3.5 到 4.7 倍，且生成质量几乎不受影响。
WildActor：用 3 张参考图搞定视频人物一致性，动作再大也不走样
美团团队开源人物视频生成项目 WildActor，支持通过 3 张参考图实现多视角身份保持。它适配开源模型 Wan2.2-5B，无论真人还是卡通角色，在大幅动作下都能维持面部与服装高度一致，并同步开源了 Actor-18M 数据管线。
字节联合清华发布 DreamID-Omni：一张图配声音，搞定多人对嘴对话
字节跳动与清华大学团队发布 DreamID-Omni。它能接收图像、文本与参考音频，让虚拟角色用对应原声说话，并解决了多人同屏对嘴混乱的问题，还支持现有视频的换脸换声。团队预计 3 月正式开源。
Google 改版创作平台 Flow：整合 ImageFX，生图直接无缝转视频
Google 宣布改版 AI 创作平台 Flow，将 ImageFX 和 Whisk 的生图能力直接并入统一工作区。用户用内置模型生成的图像可直接喂给 Veo 制作视频；新版还加入了套索圈选与自然语言精细化修改，并支持视频内物体增删与运镜控制。
Alex Finn 用智能体 5 分钟复现 Cursor 新功能：写完代码自动录视频
Alex Finn 将 Cursor 刚公布的「AI 自动录制演示视频」功能交给 OpenClaw 智能体，5 分钟内不仅复现了该功能，还让它顺手录了段演示。目前这套流程已接入团队工作流，每次智能体写完代码都会在 PR 中自动附上演示视频。
Sony 提出视频音效模型 MMHNet：引入 Mamba 架构，为 5 分钟长视频对齐声音
Sony 团队提出视频转音频生成架构 MMHNet，结合分层网络与 Mamba 架构生成超过 5 分钟的连续音效。该方案解决了音画长程对齐难题，实现「训短测长」，在动作打点与镜头切换的贴合度上表现更好。目前该成果以论文形式公开。
Gemini 上线视频模板库：选风格扔照片，一键生成 9:16 竖屏短片
Google 为 Gemini 应用推出视频模板功能。用户在工具菜单选择「Create video」即可挑选赛博朋克、动作英雄等预设风格，还能上传人物或宠物照片直接当主角，并支持 9:16 竖屏输出。用户不再需要手写复杂提示词，降低了做短视频的门槛。
视频推理框架 VBVR 开源：含百万视频片段，攻克时空与物理推理
研究团队开源大规模视频推理框架 VBVR 及评测基准 VBVR-Bench。该项目包含覆盖 200 项任务的百万级视频片段与 310 GB 数据，赋予视频模型时空与物理因果推理能力。最值得关注的是，团队在大规模扩展中观察到了向未知任务泛化的涌现迹象。
虚拟人系统 SARAH：具备 3D 空间感知，VR 里能自然对视
研究人员提出实时全身虚拟人系统 SARAH。它能感知用户在 3D 空间的位置，实时调整身体朝向、站位并进行眼神接触，运行帧率超 300 FPS。最值得关注的是它支持眼神接触强度调节，让 VR 交互体验更贴近真人。
交互式 VR 视频世界模型：用头显动作实时操控生成画面，达 11 FPS
研究人员公布一项交互式 VR 视频生成技术，可根据头显追踪的头部与手部姿态，实时生成第一人称交互视频。配合文本提示词，用户能用真实肢体动作与虚拟世界互动，实测约 11 FPS。这推动视频模型迈向具身交互，不过画质与流畅度仍处早期阶段。
Replit 推出 Replit Animation：用 Gemini 3.1 Pro 几分钟「Vibecode」爆款视频
Replit 推出视频创作工具 Replit Animation。该工具底层由 Gemini 3.1 Pro 驱动，主打用「Vibecode」在几分钟内做出爆款视频，官方演示片全程由其生成。说白了，Replit 正在把写代码的交互体验直接搬到多媒体视频创作上。
VidEoMT 视频分割模型：普通 ViT 也能做追踪，最高跑出 160 FPS
研究人员提出纯编码器视频分割模型 VidEoMT。它砍掉了复杂的独立追踪模块，直接用普通 ViT 搭配跨帧查询复用机制追踪目标，在保持竞争力的精度下速度快了 5 到 10 倍，最高达 160 FPS，并开放了代码。
因网络强烈反弹：AMC 影院紧急叫停 AI 获奖短片贴片放映
AMC 影院宣布拒绝在映前贴片时段播放 AI 动画短片《Thanksgiving Day》。该片此前获 AI 电影节大奖并原定在全美影院展映两周，但消息曝光后引发强烈抗议，AMC 随后紧急声明退出。传统院线试水 AI 内容正遭遇巨大的观众阻力。
OpenAI 挖来 Instagram 名人操盘手：为 Sora 拉拢好莱坞
OpenAI 聘请 Instagram 前高管 Charles Porch 出任首位全球创意合作副总裁。他在 Meta 工作逾 15 年，曾撮合碧昂丝与教皇入驻。这步棋旨在化解娱乐业敌意，为 Sora 谈判明星肖像授权。
Tavus 发布数字人模型 Phoenix-4：支持实时情绪控制与微表情
Tavus 推出实时数字人渲染模型 Phoenix-4。它能在毫秒级延迟下生成头部运动，并支持在说话与倾听时动态调整情绪状态，解决了传统数字人全程固定假笑的生硬感。这意味着实时 AI 对话的交互拟真度迈进了一大步。