Google Flow 接入街景：输入真实地点，AI 就能定点生成视频
Google 为 Google Flow 引入 Maps Imagery Grounding，支持调用 Google Maps 街景生成图片与视频。用户在提示词里输入具体地点或地标，AI 就会参考真实街景细节构图。最值得关注的是生成场景有了现实坐标，不再凭空捏造。不过目前仅支持美国地区。
AI视频
查看更新的新闻
Domain Shuttle：输入参考图生成视频，多角色跨风格也能保持一致
开源视频生成项目 Domain Shuttle 发布，支持输入多张参考图生成视频并保持主体一致。它能把真人、2D 动漫和 3D 角色放进同一场景互动，还支持通过文本跨风格转换。模型基于 Wan 2.2 构建，权重约 35GB，已在 GitHub 开源代码。
快手公布 Kling Omni Director：把参考视频的运镜直接克隆给新画面
快手 Kling 团队本周推出 Omni Director 研究预览。它不再依赖文本提示词调镜头，而是能直接学习参考视频的运镜轨迹、切镜节奏甚至子弹时间特效，并驱动新图片生成视频。目前该功能尚未正式开放使用。
DeepMind 联手制片厂 A24：把 AI 搬进片场，Google 同步注资
Google DeepMind 宣布与电影制片厂 A24 达成长期研发合作，将前沿技术直接嵌入影视创作流程中。A24 的创作者将参与塑造未来的 AI 工具并提供一线反馈，Google 同时也对 A24 进行了投资。这项合作旨在缩短尖端技术与下一代娱乐内容的距离。
xAI 上线 Grok Imagine Video 1.5：登顶视频榜首，价格比 Sora 低 86%
xAI 全面上线视频生成模型 Grok Imagine Video 1.5，并登顶图生视频竞技场。该模型采用自回归架构 Aurora，自带音画同步，720p 视频每秒定价 0.14 美元，比 Sora 2 Pro 便宜约 86%。不过其单次输出上限为 15 秒 720p。
Adobe 将 Firefly AI 助手带入 Premiere 与矢量设计：自动理图层、重命名剪辑
Adobe 宣布将 Firefly AI 助手扩展至 Premiere、Illustrator、InDesign 和 Frame.io。助手能帮剪辑师分类素材并批量重命名剪辑，帮设计师重组图层与排查缺漏字体。Firefly 还加入 Elements 和 Projects 资产库功能，并计划支持 Gemini 和 Slack。
Ai2 开源 MolmoMotion：听语言指令预测 3D 物体轨迹
Ai2 推出 3D 运动预测模型 MolmoMotion 及 116 万条轨迹数据集。它基于 Molmo 2，输入视频首帧、指定点与文字指令，即可预测物体未来数秒在 3D 空间中的运动轨迹。在模拟抓取任务中，其成功率达 76.3%，还能用于辅助可控视频生成。代码与权重均已开源。
Palmier 推出开源视频编辑器：专为 Claude 打造，Mac 本地免费用
Palmier 推出专为 Claude 打造的开源 Mac 原生 AI 视频编辑器。它允许用户在时间线上直接用 AI 剪辑、整理和生成素材，并提供免费的本地语义检索与转写。软件支持自带 Anthropic API Key 或 MCP 连接，付费版还可接入外部生成模型。
阿里发布 HappyOyster 1.0：一句话生成可交互世界，支持键盘实时操控
阿里云宣布推出开放式世界模型产品 HappyOyster 1.0。它支持原生多模态音视频联合生成，能在生成过程中持续接收指令并实时响应。用户不仅能随时叫停并改写剧情，还能用 WASD 键在画面中走动探索，让视频生成真正变成可玩的游戏世界。
FlexAvatar 亮相：单张图片 2 分钟捏出 360 度可动 3D 头像
FlexAvatar 提出一种基于 3D 高斯泼溅的新架构，仅凭单张图片就能在 2 分钟内生成完整的 360 度可动 3D 头部模型。团队通过专属标记解耦驱动信号与视角，混合单目和多视角数据训练，在 RTX 3090 上仅耗 1.7GB 显存即可跑出 20 FPS 的实时渲染与表情驱动。
字节跳动上线 Seedance 2.0 Mini：价格砍半，主打日常视频生成
ByteDance 旗下 BytePlus 上线视频生成模型 Seedance 2.0 Mini。新模型支持以图像、视频和音频作为参考输入生成视频，专为高频日常制作打造，速度更快，定价仅为标准版 Seedance 2.0 的约 50%。
PermaVid：拆分外观与 3D 结构记忆，解决 AI 视频编辑「改完就忘」
视频编辑框架 PermaVid 开源，专门解决 AI 视频编辑里的时序一致性难题。它把空间上下文拆分成外观和 3D 深度结构两个独立记忆库，不管是全局换风格还是局部改物体，都不会丢失原有的几何结构，代码已支持本地部署运行。
Meta 视频剪辑应用 Edits 升级：新增 AI 助手与桌面版，对标剪映
周三，Meta 预告视频剪辑工具 Edits 将加入 AI 助手和桌面版。AI 助手能读取 Instagram 播放量与留存数据，直接帮创作者构思选题并推荐热门音频；桌面版则支持跨端同步以对标剪映。应用内的实验性 Beta 标签与更细致的受众分析也在当天同步上线。
Runway 深化与狮门影业合作：共同打造原创 IP
AI 视频公司 Runway 宣布深化与好莱坞制片厂狮门影业的合作。双方将启动原创 IP 联合开发计划，推动合作从单纯的工具授权跨入共同创作新内容。这标志着 AI 技术正进一步切入好莱坞主流制片的核心流程。
MoVerse：一张图变 360° 全景世界，RTX 4090 跑出 8 帧实时漫游
研究人员公布视频世界模型 MoVerse，仅凭单张普通图像即可构建支持实时交互漫游的 360° 3D 场景。模型将空间构建与视频渲染解耦，借助 3D 高斯技术，在单张 RTX 4090 显卡上实现每秒 8 帧实时渲染。目前代码与模型仍在合规审查中，预计后续开源。
ElevenLabs 推出数字人功能：输入脚本一键生成音画同步视频
ElevenLabs 在 ElevenCreative 中上线 Avatars 功能。用户只需选定数字人、输入脚本并选择声音，即可在单一界面完成口型同步视频生成，还支持在多场景中保持角色一致性，目前面向所有付费方案开放。
KAIST 提出 Lip Forcing：两步扩散实现 31 FPS 实时口型同步
KAIST AI 与 AIPARK 推出首个用于 V2V 口型同步的自回归扩散模型 Lip Forcing。通过将 14B 教师模型蒸馏为仅需两步去噪的学生模型，1.3B 版本在单张 H100 上达 31 FPS，首次突破实时同步门槛。
HeyGen 推出 HyperFrames：接入 Claude，打字就能直接做动画短视频
HeyGen 推出 HyperFrames 工具，作为官方连接器接入 Claude 与 Claude Code。它通过 MCP 运行，用户只需输入文字描述，就能直接生成带旁白、字幕和动效的场景并导出 MP4，无需使用任何视频剪辑软件。
SCAIL-2 开源：支持多角色与动物动作迁移，打斗场景也能稳住
ZAI 开源视频动作迁移模型 SCAIL-2，无需中间骨架即可实现端到端角色动画。它支持多角色大幅度打斗与角色替换，甚至能把动作迁移给火烈鸟或夸张身材的异形生物。不过模型权重总计达 81GB，普通消费级显卡需要等待量化版本。
Anchor World 亮相：用真实人体动作引导第一人称世界模拟
第一人称世界模拟器 Anchor World 公布。它支持输入 3D 人体动作与场景锚点图，直接渲染出人在空间中走动并与水槽、刀具交互的第一人称视频。这种动作驱动机制有望用于生成人形机器人的训练数据；目前代码正处于审核阶段。