YouTube 出台 AI 标注新规：逼真合成内容必须申报，违规或断收益
YouTube 正式推行 AI 标注新规，要求创作者上传逼真的 AI 生成或修改视频时必须主动声明。涉及让真人做没做过的事或虚构真实场景，平台会在简介甚至视频画面上打上标签。写脚本等辅助用途不受限，但屡次瞒报可能被取消获利资格。
AI视频
查看更新的新闻
OpenAI 确认 Sora 年内公测：可能只需几个月，后续还将支持音频
OpenAI 首席技术官 Mira Murati 透露，文生视频模型 Sora 将于今年晚些时候向公众开放，可能就在几个月后。此外，OpenAI 计划未来为 Sora 引入音频生成和视频编辑功能，并努力将其使用成本降至接近 DALL-E 的水平。
DeepMind 校友创立 Haiper：上线自研视频工具，拿 1380 万美元融资
由 DeepMind 前员工创立的初创公司 Haiper 公开发布自研视频生成工具，并宣布完成 1380 万美元种子轮融资。用户目前可免费生成 2 至 4 秒短视频或让静态图动起来。团队计划未来开放核心模型 API 并考虑开源，直面 Sora 的竞争。
Lightricks 推出 LTX Studio：AI 一键生成长视频，保持角色与光影一致
Lightricks 推出 AI 视频生成平台 LTX Studio。它能直接将创意转化为包含多镜头的完整长视频，并重点解决了多场景间角色外观与光影一致性的痛点，试图让创作者用 AI 独立搞定影视级成片。
Stability AI 联手 Morph Studio：打造多分支 AI 视频生成工作流
Morph Studio 宣布与 Stability AI 达成合作，推出一体化 AI 视频生成平台。该方案支持将文本、图像或已有视频转化为连续镜头，并采用多分支并行工作流提升创作效率。目前官网已开放候补名单申请。
Pika 上线 Lip Sync 功能：接入 ElevenLabs，AI 角色开口能对上口型
Pika 推出 Lip Sync 功能，接入 ElevenLabs 提供配音，让视频角色的嘴型能与台词同步。它支持文本转语音或上传音频，省去了繁琐的后期外挂工具。不过该功能目前仅限 Pika Pro 付费用户和受邀测试者使用。
阿里发布肖像视频框架 EMO：一张图一段音频，就能让人物自然开唱
阿里研究团队公布音频驱动肖像视频框架 EMO。输入一张单人照片和一段语音或歌声，就能生成神态丰富、口型同步且时长不限的动态视频。它能敏锐捕捉语调起伏与快节奏歌词，也能让油画与 3D 角色开口说话。
Google DeepMind 发布 Genie：一张图就能生成可玩的游戏
周一，Google DeepMind 展示了基础世界模型 Genie。它通过学习超 20 万小时公开游戏视频，无需人工动作标注，仅凭单张图片或草图就能生成可交互、可操控的 2D 横版过关世界。这意味着生成式 AI 正在跨入可操控环境，为训练智能体铺路。
Adobe 组建 50 人研究团队 CAVA：主攻音视频与动画生成
消息称 Adobe 成立了名为 CAVA 的新 AI 研究组织，团队规模约 50 人，全称为「音频、视频与动画共创」。紧随 OpenAI 发布 Sora 之后，该组织专注于音视频与动画生成，被外界视作 Adobe 加速多模态布局的动作。
威尔·史密斯恶搞「AI 吃意面」：真假难辨的视频图灵测试
Will Smith 在 Instagram 发布恶搞视频，亲自模仿去年爆火的 AI 吃意面画面。这则视频恰逢 OpenAI 发布 Sora 视频模型，也让「吃意面」被不少网友调侃为检验 AI 视频生成能力的最新「图灵测试」。
微软高管确认：OpenAI 视频模型 Sora 最终将接入 Copilot
微软广告与网络服务 CEO Mikhail Parakhin 近日在社交平台透露，OpenAI 的视频生成模型 Sora 最终会整合进 Copilot。Sora 能够根据文本生成最长 60 秒的高清视频。不过微软目前仍在解决技术整合细节，具体上线时间仍未确定。
OpenAI 演示 Sora 引发狂热：AI 代币 17 天暴涨 102.1 亿美元
据报道，自 2 月 3 日以来的 17 天内，受 OpenAI 推出视频模型 Sora 推动，AI 概念加密资产市值大涨 142.79%，新增 102.1 亿美元。其中 TAO 涨幅达 145.38%，行业狂欢能否转化为实际技术创新仍有待观察。
OpusClip 3.0 上线：按视频品类挑爆点，处理提速 300%
OpusClip 推出 3.0 版本。新版支持针对问答、Vlog 等不同类型定制挑选高光切片，单次可生成最长 15 分钟的中长视频，处理速度比以前快 3 倍，还加入了单独加字幕和 AI B-roll 功能。
NBA 亮相 NB-AI 助手：一句话把球赛实时变成「蜘蛛侠电影」
NBA 总裁 Adam Silver 展示了实验性助手 NB-AI。球迷只需下达语音指令，就能个性化定制观赛画面，例如把正在进行的比赛实时转成「蜘蛛侠」卡通风格，或直接识别并购买球星脚上的球鞋。不过这项功能目前仍是概念演示。
Meta 发布 V-JEPA：不生成像素也能看懂视频，训练效率最高翻 6 倍
Meta 推出非生成式视频模型 V-JEPA。它不在像素层面抠细节，而是在抽象特征空间预测被遮挡的视频内容，训练和样本效率比传统做法高出 1.5 到 6 倍。预训练完成后无需微调全部参数，只加一层轻量网络就能适配动作分类等多种任务。
Disney 测试 AI 工具 Magic Words：读懂影视情绪来插播广告
Disney 被曝正在测试名为「Magic Words」的 AI 工具。它通过分析电影和剧集画面的内容、品牌与情绪打上标签，帮广告主把商业内容精准嵌进匹配的情境里。Disney 已联手 6 家全球广告公司开展公测，试图以此摆脱传统宽泛受众定向的低效投放。
YouTube CEO 公布 2024 战略：押注生成式 AI，逼真合成内容将打标签
YouTube CEO Neal Mohan 发布 2024 年公开信，将生成式 AI 列为四大重点之一。他强调 AI 应赋能而非替代创作者，除推进 Dream Screen 等创作工具外，未来几个月还将为逼真的 AI 生成内容强制上线识别标签。
Stability AI 推出 SVD 1.1：优化视频连贯性，生成 4 秒高清短片
Stability AI 宣布推出视频生成模型 SVD 1.1，基于 SVD-XT 微调，可在 1024x576 分辨率下生成 4 秒 25 帧短片。新版本优化了运动连贯性，减少画面静止与人物崩坏。研究用途可在 Hugging Face 免费下载，商用则需付费订阅或通过 API 调用。
枪与玫瑰新歌《The General》音乐视频幕后：虚幻引擎加 SD 梦境重绘
制作方披露摇滚乐队 Guns N' Roses 新单曲《The General》音乐视频的制作细节。团队先用虚幻引擎搭建场景与动态，再交给 Stable Diffusion 逐帧重绘出诡异梦幻的画面。这种混合工作流把 AI 当作增强画风的画笔，而非替代人类画师。
Runway 升级 Gen-2：多运动笔刷上线，一张图可独立控制多处动态
Runway 为 Gen-2 推出 Multi Motion Brush 功能。创作者能用画笔圈出画面中不同区域，分别调节水平、垂直及远近的运动方向与速度。这意味着静止图像转视频时，不同物体的动作不再互相干扰，目前已向所有 Gen-2 用户开放。