NVIDIA 发布 Cosmos 世界模型：把千里路测放大成数十亿虚拟里程
NVIDIA 在 CES 上推出生成式世界基础模型平台 Cosmos。它被接入自动驾驶三计算方案，包含模型、分词器与视频管线，能将数千英里人类驾驶数据扩增为数十亿英里虚拟里程，帮开发者以极低成本生成极端驾驶场景。模型已在 Hugging Face 开源。
AI视频
查看更新的新闻
Google DeepMind 组建新团队：原 Sora 负责人带队造「世界模型」
前 OpenAI Sora 联合负责人 Tim Brooks 宣布在 Google DeepMind 组建新团队，研发模拟物理世界的生成模型。团队将结合 Gemini、Veo 与 Genie 的成果，探索具身智能规划与实时交互生成。DeepMind 认为这是通往 AGI 的关键路径。
VanceAI 推出 Video AI：视频最高可超分至 8K，还支持插帧到 120 FPS
VanceAI 推出视频增强工具 Video AI。该工具支持将低清视频超分辨率提升至最高 8K，并集成最高 120 FPS 插帧补帧、SDR 转 HDR、去噪、去隔行以及画面防抖功能，方便创作者一站式处理画质问题。
YouTube 上线 AI 训练许可设置：默认禁止第三方抓取，创作者可自主授权
YouTube 推出第三方 AI 训练授权开关，默认禁止外部厂商拿创作者视频训练模型。创作者可在 YouTube Studio 中主动勾选 OpenAI、Anthropic、Apple 等 18 家特定公司，或彻底放开。不过，Google 自己的模型训练不受该设置影响。
Google 发布视频模型 Veo 2：支持 4K 与镜头控制，Imagen 3 同步升级
Google 推出新一代视频模型 Veo 2，支持最高 4K 分辨率与数分钟长视频，能精准理解 18mm 镜头和景深等专业运镜指令。同时升级的 Imagen 3 已在全球 100 多个国家上线，并配合 Gemini 推出图像混合工具 Whisk。目前 Veo 2 已在 Google Labs 开启候补。
纽约大学 Tisch 学院引入 Runway：AI 视频工具进驻虚拟制作中心
Runway 宣布纽约大学 Tisch 艺术学院虚拟制作硕士项目将引入其 AI 视频套件。2025 年春季学期，学生将在新建的马丁·斯科塞斯虚拟制作中心上课，探索将生成式 AI 融入影视前置预览与终期创作。
Pika 2.0 上线：画质提升，新增「场景素材」支持参考图
Pika 正式推出 Pika 2.0 视频生成模型。新版本强化了文本对齐与画面表现，并新增「场景素材」（Scene Ingredients）功能，允许用户上传人物、地点或物品的参考图片，大幅提升视频生成的一致性与控制力。
Amazon 测试 Prime Video 新功能：用「AI Topics」替掉老算法推片
Amazon 开始在 Prime Video 上测试「AI Topics」推荐功能。系统不再单纯依靠传统算法，而是用 AI 生成更细致的主题标签，比如奇幻探索或扣人心弦的角色历程，方便观众顺着话题连环找片。目前该功能仅在美国部分 Fire TV 等客厅设备上小范围测试。
TwelveLabs 获 3000 万美元融资：专攻视频搜索，前 Siri 架构师加盟
视频理解 AI 公司 TwelveLabs 宣布完成 3000 万美元战略融资，总融资额达 1.071 亿美元。同时，前 SK Telecom CTO、Siri 核心架构师 Yoon Kim 加盟出任总裁。其模型专为视频打造，能精准检索画面内容，正加速拓展企业与安防场景。
Runway 启动学生大使计划：送 10 万积分和免费 Pro 会员
Runway 推出学生大使计划，面向艺术、电影、设计等专业学生提供 10 万免费积分和 Pro 计划支持。入选者还能直接对接 Runway 团队与行业人脉。目前该项目已与纽约大学等多所高校展开合作。
YouTube 扩大 AI 配音功能：开放数十万知识类频道，支持发布前预览
YouTube 宣布将 AI 自动配音功能向合作伙伴计划中数十万个知识与资讯类频道开放。英语视频会自动配音为日、德、西等 8 种语言，创作者上传后可先预览或撤回。虽然目前声线机械感较明显，但官方承诺后续会改进语气与情绪拟真度。
NVIDIA 推出自由视角模型 QUEEN：任意角度看视频，还能流式传输
NVIDIA 联合马里兰大学公布 AI 模型 QUEEN。该模型通过复用静态背景、只重构动态内容，在 GPU 上实现了每秒约 350 帧的渲染速度。这意味着观众未来能从任意角度看比赛直播，也能辅助远程遥控机器人，代码即将开源。
TARFlow 让归一化流重获新生：借力 Transformer，生成质量追平扩散模型
研究团队提出结合自回归 Transformer 的归一化流架构 TARFlow，让这一长期被扩散模型压制的范式重获新生。它采用单一可逆网络和最大似然目标，在保持完全可逆特性的同时，样本质量追平扩散模型，并能扩展至图像与视频生成。
OpenAI 员工透露 Sora v2 即将发布：最长生成 1 分钟，支持多模态输入
据 OpenAI 员工 Chad Nelson 在伦敦演讲中透露，视频生成模型 Sora v2 即将发布。新版本支持生成最长 1 分钟的视频，并提供文本生视频、图文生视频以及基于现有视频结合提示词二次生成的多种输入模式。
OpenAI 开启 12 天发布季：传视频模型 Sora 和新推理模型将上线
据 The Verge 报道，OpenAI 计划从 12 月 5 日起连续 12 天每天推出新功能或演示。知情人士透露，发布内容预计包括备受期待的视频生成工具 Sora、全新推理模型，以及 ChatGPT 圣诞语音等彩蛋。
AdCreative.ai 推出电商视频模型：单张产品图变 16 秒广告片
AdCreative.ai 推出产品视频生成模型 Product VideoShoot。它基于广告大模型 AdLLM，能把静态产品图直接转成 16 秒 1080p 广告片，支持镜头缩放与运镜控制。最值得关注的是其融入了转化预测数据，目前向 Pro 和 Enterprise 用户开启 Beta 测试。
DeepMind 发布 Genie 2：一张图生成可玩 3D 世界，键鼠直接操控
Google DeepMind 发布基础世界模型 Genie 2。输入一张静态图片，它就能推演生成支持键鼠操控的 3D 互动环境，最长维持 1 分钟一致性。这意味着研究者无需依赖预设游戏，就能为具身智能体批量打造无限的训练场景。目前该技术仍处于早期研究阶段。
Google 开放视听创作底牌：Imagen 3 正式上线，Veo 开启企业私测
Google 宣布 Imagen 3 全面开放给 Vertex AI 客户，视频生成模型 Veo 也开启私测。Veo 支持图生视频与局部编辑，最长可输出 6 秒高画质片段。这意味着 Google 开始将前沿多模态能力塞进企业云服务，不过 Veo 目前仍需申请预览资格。
Amazon 推出 Nova 系列大模型：主打极速与性价比，价格直降 75%
Amazon 发布新一代基础模型家族 Amazon Nova，涵盖 Micro、Lite、Pro 以及图像生成 Canvas 和视频生成 Reel。最值得关注的是，其在 Amazon Bedrock 上不仅响应速度最快，成本还比同级别顶尖模型直接砍掉至少 75%。
Hailuo AI 推出 I2V-01-Live：让 2D 插画角色开口说话、自然动起来
MiniMax 旗下 Hailuo AI 发布图生视频模型 I2V-01-Live。该模型专为 2D 插画和角色设计，重点优化了运动平滑度、稳定性和微表情，能让静态画作里的角色开口说话、动作更自然，并适配多种艺术风格。