腾讯推出 VerseCrafter：单图生成视频，可在 Blender 里拖运镜和物体轨迹
腾讯等研究人员推出视频世界模型 VerseCrafter。它以 Wan2.1 为底座，能将单张图片转化为几何场景，让用户在 Blender 中直接编辑运镜路线与物体的 3D 运动轨迹，生成多视角下连贯的高质量动态视频。不过模型目前对人体朝向和非刚性背景形变控制仍有限制。
AI视频
查看更新的新闻
Runway 联手 Adobe：AI 视频模型进驻全家桶，还要开发独占工作流
Runway 宣布与 Adobe 达成多年战略合作，把 Runway 的 AI 模型与技术直接接入 Adobe 创意工具。双方还将针对专业工作流联合开发专属能力，并且只在 Adobe 软件中独占提供。这意味着专业剪辑师和创作者无需再频繁切窗口换工具了。
腾讯开源 3D 动作生成模型 HY-Motion 1.0：参数破 10 亿
腾讯开源文生 3D 动作模型 HY-Motion 1.0，基于 DiT 架构与 flow matching，参数量超 10 亿。它涵盖 6 大类逾 200 种动作，并采用预训练到强化学习的完整流程优化物理真实感，生成的 3D 资产可直接接入动画管线。
研究称 YouTube 推荐失控：新用户刷到的视频超 20% 是 AI 垃圾
Kapwing 发布研究显示，YouTube 推荐给新用户的视频中超 20% 是低质 AI 垃圾内容。其测试新账号发现，前 500 个推荐视频中有 104 个是 AI 粗制滥造之作。尽管平台宣称严加监管，但这类批量生产的内容每年预计仍能攫取逾 1.17 亿美元收益。
快手可灵 2.6 升级：支持自定义声音克隆，复杂动作与手部不再糊
快手为可灵 2.6 推出语音控制与动作控制两项升级。用户可上传音频训练专属声音，让角色在多个视频片段里保持音色一致，支持旁白与歌唱；动作控制则大幅强化了复杂运动捕捉，生成武术与舞蹈时手部更清晰、唇形同步也更自然。
Gemini 支持检测 AI 视频：上传即可识别 SynthID 水印与生成片段
Google 在 Gemini 应用中上线 AI 视频验证功能。用户上传最长 90 秒、100MB 以内的视频后，Gemini 会扫描音画中的 SynthID 隐形水印，并指出具体哪几秒由 Google AI 生成或修改。该功能现已面向所有支持 Gemini 的语言和地区开放。
Luma 推出 Ray3 Modify：用首尾帧生成过渡视频，还能保留真人演技
Luma 发布视频模型 Ray3 Modify，已上线 Dream Machine 平台。它支持输入首尾两帧来生成中间的过渡镜头，还能在替换角色外观的同时，保留原素材中演员的动作、眼神与情绪。创作者无需重新实拍，就能用 AI 随意更换布景与服装。
YouTube 封禁两大 AI 假预告片频道：播放超 10 亿次，涉嫌违规误导
YouTube 封禁了 Screen Culture 和 KH Studio 两个靠 AI 拼凑假预告片的频道。二者订阅合计超 200 万、播放量超 10 亿次。由于它们近期移除了「概念预告」等免责说明，违反了平台的垃圾内容与误导性元数据政策。
Kling VIDEO 2.6 升级动作控制：30 秒参考视频，手部快动作不糊
Kling AI 宣布在 Kling VIDEO 2.6 中上线升级版动作控制功能。新版支持精准捕捉全身动作与武术、舞蹈等复杂快节奏画面，改善了手势细节与面部口型。创作者可上传 3 到 30 秒参考视频生成连贯动作，还能配合提示词微调场景。
Looki 推出穿戴式 AI 相机 L1：自动记录日常，剪辑 Vlog
Looki 在中国市场推出穿戴式 AI 相机 Looki L1，定价 1499 元。它定位为「AI 生活管家」，能被动记录日常并自动生成 Vlog，数据默认保存在本地。最值得关注的是，在间歇录制模式下其续航最高可达 13 小时，让全天候记录真正具备实用性。
阿里发布 Wan2.6：支持 15 秒多镜头叙事，还能原生音画同步
阿里巴巴发布原生多模态模型 Wan2.6。它不仅支持生成 15 秒 1080p 视频，还能实现自动分镜的多镜头叙事与多人对话原生唇形对齐，甚至可将参考视频中的角色跨场景迁移。这意味着用 AI 制作连贯剧情短片的门槛进一步降低。
Adobe Firefly 上线提示词视频编辑：接入 FLUX.2，不用重抽整段视频了
Adobe 正式向所有用户推出 Firefly 视频编辑器。用户输入文字指令就能直接修改视频里的元素、色彩或运镜，不必整段重新生成。新版还接入了 FLUX.2 和 Topaz Astra 4K 超分等第三方模型，多档付费订阅用户在 1 月 15 日前可享无限生成。
Meta 推出 SAM Audio：像抠图一样抠声音，支持点选画面和文字分离
Meta 推出声音分割多模态模型 SAM Audio。就像此前在图像领域分割物体一样，它支持用户通过文本描述、直接在视频中点选画面目标（如吉他）或标记时间段，从复杂混音中精准分离出特定声音。目前模型已上线 Segment Anything Playground 供公开体验。
AI2 开源 Molmo 2：8B 逆袭 72B，支持视频指向与追踪
AI2 正式发布开源多模态模型 Molmo 2，推出基于 Qwen 3 和 Olmo 的 4B、7B 与 8B 版本，并开源从训练到部署的完整代码。其 8B 模型在视频追踪与定位上跑赢 Gemini 3 Pro 及前代 72B，训练视频数据量仅为竞品八分之一。
Runway 发布通用世界模型 GWM-1：实时交互模拟现实，切入机器人领域
Runway 发布通用世界模型系列 GWM-1。它基于 Gen-4.5 自回归实时逐帧生成，支持镜头姿态与机器人动作交互控制，划分为环境探索、对话化身和机器人控制三类。最值得关注的是它能充当机器人策略的视觉模拟器，大幅降低真机试错成本。
Kling AI 上线 Avatar 2.0：单次生成 5 分钟视频，修复手部动作
Kling AI 上线 Avatar 2.0 数字人模型，单次最多可生成 5 分钟完整视频。新版本重点修复了 1.0 中手部动作不稳定的问题，并提升了肢体动作与面部表情表现力，适合知识讲解与歌唱场景。官方称其在内部盲测中表现领先 HeyGen 与即梦 OmniHuman-1.5。
Kling AI 推出 VIDEO 2.6：首个支持原生音频的视频模型
Kling AI 推出 VIDEO 2.6，这是其首个支持原生音频生成的视频模型。新模型能同步输出画面与连贯的声音，主打「音画合一」的叙事体验。官方还联合多位创意创作者发布了展示短片。
Leonardo.Ai 上线 Kling O1：支持 5 张参考图与首尾帧控制
Leonardo.Ai 宣布接入 Kling O1 视频模型。该模型支持最多 5 张参考图以及首尾帧控制，能在复杂运动中保持主体一致性，并提升了多指令提示词的遵从度。对创作者来说，把控视频分镜和连贯过渡变得容易得多。
Kling AI 推出 Kling O1：打通文本、图片与视频的统一创意引擎
Kling AI 推出全新创意引擎 Kling O1，开启 Omni 发布周。该模型主打真正的多模态理解，能统一处理文本、图像和视频输入，简化生成创作流程。目前新功能已面向订阅用户开启限时体验。
Runway 发布 Gen-4.5：登顶文生视频天梯榜，物理质感全面进化
Runway 发布新一代视频生成模型 Gen-4.5，以 1247 Elo 积分登顶 Artificial Analysis 文生视频基准榜首。该模型在物理规律表现、镜头动态与提示词遵循上大幅提升，并维持原有生成速度。目前已向全部付费订阅用户开放。