字节跳动上线「即梦 AI」iOS 版：支持文生图和视频，月费 69 元
据外媒报道，字节跳动在中国大陆苹果 App Store 上线「即梦 AI」应用，将文生图和文生视频能力带到 iPhone 端。免费用户最多可生成 80 张图片和 26 条视频，月费 69 元。目前仅限中国大陆地区使用。
AI视频
查看更新的新闻
英伟达被曝抓取 YouTube 海量视频：练 Cosmos 模型，称获高层放行
据 404 Media 曝光，英伟达从 YouTube 和 Netflix 等平台抓取海量视频，用来训练代号为 Cosmos 的 AI 模型。当员工质疑版权风险时，管理层称已获最高层放行。英伟达回应称完全符合版权法，该技术拟用于 3D 世界生成与数字人等产品。
Vimeo 上线 AI 视频翻译：自带原声克隆，一键生成 29 种语言音轨
Vimeo 推出基于生成式 AI 的视频翻译工具，不仅能转译音频和字幕，还能克隆原发言人的音色与语调。该功能支持 50 多种原语言输入并输出为 29 种语言，观众能在播放器中直接切换音轨，大幅降低了企业跨国培训和出海营销的本地化成本。
Runway发布Gen-3 Alpha Turbo：速度快7倍，生成10秒视频仅需11秒
Runway在X上宣布推出视频模型Gen-3 Alpha Turbo，生成速度比原版Gen-3 Alpha提升7倍，生成一段10秒的高清视频仅耗时11秒。新模型价格更低，近期陆续向用户推送，移动端也即将支持图生视频。
NVIDIA 更新数字人技术：推出可感知情绪的 AI 助手 James
NVIDIA 在 SIGGRAPH 预览了交互式数字人「James」以及 Maxine 3D 等技术。James 基于 NVIDIA ACE 与 ElevenLabs 语音打造，能带情绪和幽默感进行实时交互。最关键的是，普通 2D 视频肖像现可通过 Maxine 3D 快速生成 3D 数字人化身。
Runway 上线 Gen-3 Alpha 图生视频：支持单图定首帧，画面更稳定
Runway 宣布上线 Gen-3 Alpha 的图生视频功能。用户现在可以将任意静态图片作为视频的第一帧，还能配合文本提示词辅助控制。这一更新大幅改善了生成视频的可控度与视觉一致性，创作者不用再完全靠文字碰运气了。
Runway 遭曝秘密抓取 YouTube 视频与盗版电影训练 Gen-3
据 404 Media 曝光的一份内部表格，Runway 秘密抓取了成千上万个 YouTube 创作者视频、知名品牌内容及盗版电影来训练其主力模型 Gen-3。此前获 Google 和英伟达投资的 Runway 面对数据提问时一直含糊其辞，这次泄露让 AI 视频的数据版权争议再次激化。
快手可灵 AI 全球上线：邮箱直接注册，每天送 66 积分免费生视频
快手旗下可灵 AI 1.0 正式全球上线，凭邮箱即可注册。平台每天赠送 66 点免费积分，支持文生视频与图生视频，还自带运镜控制功能，生成 5 秒片段约耗时 5 分钟。相比仍处于内测的 OpenAI Sora，可灵直接让所有人都能免费上手体验。
Stability AI 发布 Stable Video 4D：单段视频一键转出 8 个新视角
Stability AI 推出动态多视角视频生成模型 Stable Video 4D。用户上传一段单一主体的视频并指定相机位姿，模型约 40 秒内即可生成 8 个视角的 5 帧视频，可用于后续动态 3D 优化，目前已在 Hugging Face 开源。
Luma Dream Machine 上线 Loops 功能：生成无缝循环 AI 视频
Luma Labs 在 AI 视频模型 Dream Machine 中上线 Loops 功能。该功能支持让生成的视频首尾无缝衔接，直接导出平滑循环的动态画面。对于常做动态背景或动效的创作者而言，省去了后期手动拼合素材的麻烦。
Beeble AI 获 475 万美元融资：让独立导演用手机做出好莱坞级虚拟光影
韩国视觉特效初创公司 Beeble AI 宣布完成 475 万美元种子轮融资。其核心技术能将手机拍摄的 2D 画面重建为高精 3D 模型，允许作者在后期随意重置光影、背景与机位，试图用可控的 AI 工作流取代好莱坞昂贵的 LED 虚拟摄影棚。
Odyssey 亮相：主打能让创作者亲自「导演」的好莱坞级视觉 AI
Oliver Cameron 公布新项目 Odyssey，主打好莱坞级视觉 AI。它不仅能生成风景、角色、光影与动作，还支持创作者精细导演。团队目标是改变电影、电视剧和游戏的制作流程，让视觉生成不再只是不可控的抽卡。
LivePortrait：单张人像秒变动态视频，RTX 4090 单帧仅 12.8 毫秒
快手团队开源肖像动画框架 LivePortrait。它不走主流 Diffusion 路线，而是靠隐式关键点让单张人像或猫狗照片随视频动起来，在 RTX 4090 上单帧耗时仅 12.8 毫秒。目前推理代码与模型权重均已公开。
Captions 推出 AI Edit：一键为竖屏口播视频加特效、贴图与配乐
视频剪辑应用 Captions 推出 AI Edit 功能。用户导入单人出镜的竖屏口播视频后，AI 会根据内容自动添加缩放、转场、贴图、音乐与音效。它还能结合内置的 12 款 AI 数字人，几分钟内仅凭提示词就全自动产出剪辑完成的视频。
玩具反斗城联手 OpenAI：首部 Sora 品牌宣传片亮相
玩具反斗城母公司发布号称首部由 OpenAI Sora 参与制作的品牌宣传片。创意机构透露，Sora 完成了大约 80% 至 85% 的画面生成，其余细节由十余人团队通过后期视效修整。这也是 Sora 首次公开试水商业品牌广告。
Synthesia 2.0 发布：用手机自拍做数字人，手势肢体动作今年上线
Synthesia 推出企业级视频平台 Synthesia 2.0。新版本不仅支持用手机或摄像头录制专属数字人，并同步复刻 30 多种语言音色，还展示了今年晚些时候上线的带手势全身数字人。企业做培训和演示不用再约影棚，对着摄像头录一段就能批量生成视频。
Runway 发布 Gen-3 Alpha：主打精细时间控制与逼真人物生成
Runway 发布新一代视频生成基础模型 Gen-3 Alpha。它在保真度、画面一致性和动态表现上相比 Gen-2 显著提升，支持高密度的精细时间控制与电影级镜头语言，能生成情绪细腻的人物角色。
TikTok 推出 Symphony 数字人：支持定制分身与多语言 AI 配音
TikTok 推出广告 AI 工具 Symphony 数字人分身与 AI 配音功能。该工具提供支持 30 多种语言的预制授权数字人及定制分身，配合配音可将视频转译为 10 多种语言。这意味着创作者和品牌无需重复实拍，就能低成本规模化出海投放。
DeepMind 公布 V2A 技术：看懂视频画面，自动生成配乐与对白
Google DeepMind 公布视频转音频（V2A）技术研究进展，能结合视频画面与文本提示生成同步声音。该系统基于扩散模型，无需手动对齐即可为静音视频或老胶片搭配配乐、拟音与台词。不过目前口型同步等仍有局限，模型尚未公开发布。
翠贝卡电影节设立 Sora 短片展：5 位导演用 AI 拍片
翠贝卡电影节宣布推出 Sora Shorts 项目，定于 6 月 15 日展映 5 部完全由 OpenAI 的 Sora 模型生成的原创短片。入选导演包括圣丹斯获奖者 Nikyatu Jusu 等，他们提前获得了尚未公开发布的 Sora 使用权限，并在创作中遵守工会相关协议。