奧斯卡出臺新規：AI 生成的演員和劇本徹底無緣小金人
週五，電影藝術與科學學院公佈奧斯卡新規，明確禁止 AI 生成的表演和劇本參評。規則要求表演必須由經知情同意的人類完成，劇本必須由人類創作，學院有權調取 AI 使用細節。這意味著 AI 數字人演員和演算法生成的劇本，將徹底無緣小金人爭奪。
AI影片
檢視更新的新聞
UniVid-X 影片框架釋出：不僅能摳像換背景，還能重構光照與表面法線
研究團隊提出影片多模態框架 UniVid-X。它不僅能生成 RGB 影片，還能直接解析和生成物體的基礎顏色、光照資訊、表面法線以及前後景 Alpha 通道。這意味著只需輸入一段影片，就能精準完成角色替換、背景摳像甚至黃昏重打光等精細編輯。
Mocap Anything v2 開源：普通單目影片直接生成可動畫 3D 骨骼
動作捕捉模型 Mocap Anything v2 正式開源。它支援從普通單目影片中直接預測任意骨骼結構的旋轉與動作，人類、動物或虛構生物都能套用。模型採用完全端到端訓練，解決了傳統演算法導致的關節翻轉與抖動，大幅降低了 3D 動畫製作門檻。
Nvidia 預告 D-Rex：全身數字人不僅表情逼真，還能任意換光照
Nvidia 公佈全身數字人系統 D-Rex。它把表演與光照解耦，先在白光下生成帶表情動作的全身 Avatar，再用擴散模型疊加目標 HDR 光照。這意味著數字人既能保持細膩神態，又能無縫融入任意虛擬場景。
微軟推出 World-R1：用強化學習補齊影片生成的 3D 空間短板
微軟推出影片生成框架 World-R1。它無需改動底層模型架構，基於 Wan2.1 並藉助強化學習和 3D 模型反饋將空間約束融入生成過程。這解決了影片幾何變形問題，大幅降低了世界模擬的訓練成本。
OmniShotCut：精準識別影片剪下與轉場，模型僅 164MB
OmniShotCut 是一款專用於影片剪輯分析的輕量 AI 工具，能自動識別影片中的硬切、溶解、淡入淡出及滑動等轉場並標記時間戳。模型體積僅 164MB，支援本地部署執行，目前已在 Hugging Face Space 上線免費試用體驗。
復旦開源 Hallo-Live：文本即時生成音影片數字人，延遲不到 1 秒
復旦大學團隊提出即時流式數字人生成框架 Hallo-Live，能直接由文本同步合成語音與肖像影片。在兩塊 NVIDIA H200 上，它跑出 20.38 FPS 的速度，延遲僅 0.94 秒。它將雙流擴散與偏好引導蒸餾結合，解決了互動式數字人延遲高與音畫脫節的痛點。
Grok Imagine 升級圖生影片：對口型更準，音訊也更清晰了
Grok Imagine 升級圖生影片功能，大幅提升了對口型效果與音訊清晰度。更新後對白能夠準確貼合嘴型動作，聲音也更符合畫面場景，讓最終生成的聲畫表現更自然連貫。
Vista4D：把普通影片轉成 4D 點雲，支援自由運鏡重拍與動態編輯
研究團隊提出 Vista4D 框架，能把普通影片轉換為包含時間維度的 4D 點雲。最值得關注的是，它不僅能以任意相機軌跡重新渲染動態畫面，還能直接在點雲中增刪物體或拼接不同影片。目前程式碼與模型已開放。
Odyssey 釋出 Odyssey-2 Max：規模擴大 3 倍，登頂即時物理基準測試
Odyssey 推出通用世界模型 Odyssey-2 Max，引數量比前代擴大 3 倍，在 VBench 2 物理評測中拿下最高分，並支援即時互動推演。它通過自迴歸預測下一步狀態來模擬現實物理，目前已面向機器人與遊戲等領域的合作伙伴開啟內測。
新框架 CoInteract 亮相：只需兩張圖，生成不穿模的帶貨影片
研究人員公佈影片生成框架 CoInteract，輸入一張人物照和一張產品圖即可生成帶貨影片。它引入雙流協同生成架構，在處理畫素的同時專門約束人手與物體的幾何接觸，解決了手部崩壞和穿模問題，讓電商內容批次生成更逼真。
YouTube 擴充套件肖像檢測工具：明星沒頻道也能查刪 AI 換臉
YouTube 宣佈將肖像檢測技術擴充套件至娛樂經紀公司及藝人。該工具類似 Content ID，可掃描識別 AI 換臉等 Deepfake 內容並支援申請下架。最值得關注的是，即便演藝人員自己沒有開設 YouTube 頻道，現在也可以直接使用該工具維權。
TwelveLabs 釋出 Pegasus 1.5 與 Rodeo：用自然語言檢索與組裝影片
TwelveLabs 在 NAB Show 2026 上釋出影片理解模型 Pegasus 1.5 及創作者工具 Rodeo，並接入 Autodesk Flow Capture。Pegasus 1.5 支援單次 API 提取帶時間戳的結構化資料，分割評測超 Gemini 2.5 Pro 30%；Rodeo 則支援用自然語言找素材與粗剪。
LTX HDR LoRA：給開源影片模型補上 16-bit HDR
Lightricks 為開源影片模型 LTX 釋出 HDR IC-LoRA。這個僅約 340MB 的輕量模型能將原本 8-bit SDR 的生成影片升級為 16-bit HDR，大幅提升動態範圍和色彩細節。也就是說，創作者能直接在現成工作流中輸出專業素材，給剪輯調色留足空間。
Netflix 推出類 TikTok 豎屏影片流：全面引入 AI 做推薦與影視創作
Netflix 宣佈將於本月在應用內上線類 TikTok 的豎屏影片流，幫助使用者發現影片播客與影視作品。聯席 CEO 表示將全面採用基於新模型架構的 AI 推薦系統，並藉助上個月收購的 InterPositive 技術，加速落地面向創作者的生成式 AI 製作工具。
HeyGen 開源 HyperFrames：專為智慧體打造的 HTML 轉 MP4 框架
HeyGen 開源了面向智慧體的影片生成框架 HyperFrames。該框架完全在 Claude Code 中構建，能將 HTML 頁面轉為 MP4 影片，讓智慧體可以通過程式碼自動化生產影片內容，官方的釋出影片也是直接在 Claude Code 中用它生成的。
Browser Use 開源 video-use：讓 Claude Code 讀字幕直接剪影片
Browser Use 開源了 video-use，讓 Claude Code 等智慧體能直接剪輯影片。它避開直接灌入海量影片幀的高成本做法，改為利用帶時間戳的語音轉錄文本與按需抽幀，支援自動裁切廢話停頓、加字幕與調色。
位元組釋出 OmniShow：圖音姿態全模態控制，專攻人-物互動帶貨影片
字節跳動與港中文等推出人-物互動影片生成模型 OmniShow。它支援同時輸入人物與商品圖、音訊及動作骨架，最長原生生成 10 秒帶貨長鏡頭，解決商品變形與口型脫節難題。目前程式碼正在內部稽核，尚未正式開源。
即時數字人模型 LPM 1.0：一張照片跑出 45 分鐘對話影片
研究團隊推出即時數字人模型 LPM 1.0，僅需單張參考圖與音訊就能流式生成角色影片。最值得關注的是，它不僅能對口型，還能模擬轉眼球、調整麥克風等肢體細節與傾聽狀態，且 45 分鐘內不崩臉。目前該專案僅釋出技術報告與演示，暫未開源或開放公測。
扎克伯格被曝打造 AI 分身：學自己語氣舉止，替他給員工開會
據《金融時報》報道，Meta 正在訓練 CEO 馬克·扎克伯格的 AI 數字分身，用於在員工會議中與下屬互動並提供反饋。該分身基於其形象、聲音、舉止及公開發言訓練，扎克伯格本人也參與其中。若試驗成功，Meta 計劃將這項能力開放給創作者。