Fast H3 Omni 开源：MiniMax H3 视频生成最高提速 12 倍，采样仅需 8 步
FastVideo 联合发布针对 MiniMax H3 的加速方案 Fast H3 Omni。它专门优化参考素材生成视频以保证主体一致性，将采样步数由 50 步压至 8 步，延迟最多降低 12 倍。目前已开源适配 ComfyUI、FP8 与 Apple Silicon 等版本。
AI视频
查看更新的新闻
Gemini Notebook 升级共创功能：幻灯片与视频支持生成前改大纲
Gemini Notebook 宣布为幻灯片与视频概览上线共创流程。用户不再是一键直出最终成果，而是可以在生成前开启 Review 开关，审核并修改大纲笔记或制作人说明，精细调整主题与视觉风格。新功能将在下周向全球用户陆续推送。
GaussiAnimate 开源：用双层骨架搞定动物与衣物 3D 动画
GaussiAnimate 开源了角色动画制作代码。它将内部运动骨骼与灵活的外部表面结构结合，内部管运动、外部管形变，解决了传统刚性骨架难以处理衣物和动物软体弯曲的问题。最值得关注的是，复杂形变动画制作被大幅简化，支持在本地电脑部署运行。
HairDeck 开源：单张图片生成带骨骼 3D 发型，转头就能自然摆动
HairDeck 开源了单图生成风格化 3D 发型的模型，输入一张角色图就能生成完整的 3D 发片，并自带驱动动画的弹簧骨骼链。生成发片仅需 1 秒左右，比同类方法快 33 倍且朝向更准，支持直接导出 VRM 格式。模型大小仅 2.45GB，普通消费级显卡就能跑。
Viggle 推出世界模型 JST-2：输入文字或图片秒变 3D 空间，角色免绑骨骼就能动
Viggle 推出物理原生 3D 世界模型 JST-2，支持把文字或图片一键转为可探索的三维环境。它通过持续追踪空间中的物质单元保持场景一致，生成的 3D 角色原生包含动力学，省去骨骼绑定步骤。场景可在浏览器中实时渲染，目前开放免费体验。
Cinetic：输入一句 brief，用代码生成带声音与品牌的宣传片
Cinetic 是一款代码驱动的视频制作工具，用户只需给出一句 brief，它就会按导演流程生成产品发布片、界面演示或动效短视频。它的优势在于能精确控制文字、UI 元素和动画时间线，并自带质检与音画同步检查，适合配合编程智能体快速产出营销短片。
马克·沃尔伯格谈电影AI：支持做数字分身，未来让子孙打理接着演
好莱坞影星马克·沃尔伯格在活动中表示，支持在电影制作中“合理使用”AI，比如用 AI 丰富传记片中的球场背景，但反对完全替代编剧与演员。他甚至对制作自己的 AI 数字分身持开放态度，希望未来交由子孙打理其肖像并继续出演作品。
开源项目 Earshot：给 AI 编程助手装上耳朵，能听懂画面自己改音效
开发者开源 Earshot 项目，为 Claude Code 等编程智能体装上「耳朵」。它能理解音频内容、检查音效与画面是否同步，并直接用代码微调优化声音。这意味着 AI 自动生成游戏或产品视频时，不再需要人工反复试听调整。
史泰龙计划用 AI 减龄拍《第一滴血》前传：数字重返 18 岁
好莱坞老牌硬汉 Sylvester Stallone 透露正探索用 AI 减龄技术制作《第一滴血》前传。技术测试已成功将他还原至 18 岁的高中少年样貌。虽然好莱坞对 AI 的争议未断，但老牌巨星正借算法打破生理寿命，继续拓展经典 IP。
ElevenLabs 推出 Instant Soundtracks：上传视频自动配乐并对齐音效
ElevenLabs 推出 Instant Soundtracks 功能。用户上传视频后，AI 会自动生成原创配乐，并识别画面动作在对应时间轴上精准对齐音效。该功能支持多场景情绪切换、分轨编辑及 API 调用，还能以现有音频为参考生成风格匹配的配乐。
动作模型 Möbius：一句话生成 3D 动作，还能反向理解与指令编辑
研究人员提出统一动作-语言模型 Möbius，把 3D 人体动作的生成、理解、补全与编辑整合进同一个架构。模型直接处理连续帧级动作，省去了离散化和预训练 VAE，参数最高拓展至 1.7B。这意味着同一个模型既能听懂动作也能做动画，大幅降低了 3D 角色动作制作与微调的门槛。
开源视频框架 Any Time, Any Space：靠 3D 记忆让长视频场景不穿帮
开源框架 Any Time, Any Space 亮相，专门解决长视频生成中的场景漂移问题。系统先对场景进行 3D 重建并存入记忆，即便镜头离开后再折返，环境依然保持完全一致。它可搭配阿里 Wan 等多种视频模型，已开放本地运行代码。
Higgsfield 接入 GPT-6 Astra：AI 视频时长突破 10 分钟
视频生成平台 Higgsfield AI 宣布接入 GPT-6 Astra，将 AI 视频生成时长从 1 分钟拉长至 10 分钟以上。其创意智能体还能调用外部 3D 建模工具保持画面一致性，团队同时在推进「语音直接出片」的实时生成功能。
开源多人世界模型 Multix：让 10 名玩家在同一个 AI 世界互动
腾讯与港大团队开源多人交互世界模型 Multix。它能为每位玩家生成独立视角并保持环境同步，靠「分层通信」降低超 86% 计算成本，且仅用 4 人数据训练就能直接扩展到 10 人联机。基础版约 16GB，代码与权重已放开。
传 OpenAI 拟授权 Sora 给新创团队：换取股权，让好莱坞接盘做视频工具
据报道，OpenAI 正商讨将视频模型 Sora 授权给好莱坞巨头 Jeffrey Katzenberg 参与创立的新团队。OpenAI 此前为削减算力成本搁置了 Sora，新公司计划基于该模型定制并销售电影制作工具，OpenAI 则换取其股权挽回投资。
NVIDIA 开源 Stream Render H3：用视频模型把游戏粗模实时变成大片
NVIDIA 发布并开源 Stream Render H3，利用 MiniMax H3 视频模型将游戏引擎输出的简单语义图实时渲染成高画质画面。玩家可通过参考图一键切换风格；不过实现实时需 8 块 GP200 GPU，整套模型体积超 200GB。
Pure：普通视频无需 3D 标注，就能直接重建动态三维环境
3D 重建项目 Pure 正式开源。它无需昂贵的人工 3D 标注，仅靠普通视频提取深度与运动信息做后训练，就能将动态连续画面重建为三维场景。模型体积仅 13.2GB，并附带了完整训练脚本，本地即可下载运行。
MSFlow 开源：打字生成人体动作，还能锁死任意关节位置
文本生成人体动作模型 MotionSpaceFlow 开源。模型大小约 1.1GB，可在消费级 GPU 上运行。最值得关注的是，它无需额外微调，即可在推理时固定任意关节在特定时间点的位置，让 AI 围绕这个限制自动生成动作。
复旦与腾讯开源 Prism：原生 2K 音视频联合生成提速 2.5 倍
复旦大学、腾讯混元和浙江大学开源音视频生成框架 Prism，支持原生 2K 分辨率音视频联合生成。它通过动态稀疏注意力把算力集中在发声和画面快速变化区域，大幅减少冗余计算，训练速度提升 2.5 倍且声画更契合。目前已在 Hugging Face 释出预览权重与代码。
字节跳动推出 DMAD：4 步完成视频生成，提速数倍
字节跳动发布视觉生成对抗蒸馏方法 DMAD。它把原模型当作教师，通过分布匹配训练仅需 4 步去噪的学生模型。该方法适配 MiniMax-H3、Wan2.1 等架构，将原本 20 至 30 步的视频生成流程大幅压缩，画质不减。