SWM 首爾世界模型亮相：結合真實街景 RAG，生成數公里漫遊影片
研究團隊提出首爾世界模型（SWM），將真實街景影像作為 RAG 檢索錨點引導影片自迴歸生成。它解決了長影片誤差累積的問題，支援數百米至數公里尺度的真實街道漫遊，還能用文本提示為城市新增海嘯等場景變化。
AI影片
檢視更新的新聞
阿里開源 Fun-CineForge：讓 AI 配音對齊唇形與多角色
阿里開源影視配音模型 Fun-CineForge。輸入影片與文本，模型通過引入「時間模態」識別角色並對準唇形，即便面部被遮擋也能卡準節奏發聲。最值得關注的是它支援多角色自然切換，讓自動配音真正做到了音畫對齊。
Pulse of Motion：測算真實物理幀率，矯正 AI 影片的「計時幻覺」
研究團隊開源 Pulse of Motion，專門解決 AI 影片動作過快或過慢的「計時幻覺」。該模型不到 2GB，能直接從畫面運動推算出真實的物理幀率，並據此校正播放節奏。普通消費級裝置就能跑，讓 AI 畫面裡的動作真正符合現實物理規律。
因好萊塢版權爭議與美議員施壓，位元組暫停 Seedance 2.0 全球釋出
字節跳動在週末暫停了 AI 影片模型 Seedance 2.0 的全球上線。此前美國電影協會發函警告，美參議員也要求其立即下架，指控其生成超人打滅霸等素材侵犯版權與肖像權。位元組表示正加強防護措施，防範未經授權的侵權行為。
Retime GS：丟幀卡頓的 2D 影片，也能重建出平滑全身 4D 動畫
AI 專案 Retime GS 亮相。它只需普通 2D 影片幀作為輸入，就能生成支援任意視角觀看的全身 4D 場景；即使原影片丟幀卡頓，也能通過改進的 4D Gaussian Splatting 補全空缺，比同類方法更流暢、偽影更少。
流媒體變抖音：Peacock 推出 AI 即時豎屏裁切與數字人資訊流
NBCUniversal 宣佈為 Peacock 應用引入多項 AI 功能。今夏上線的「Your Bravoverse」由 Andy Cohen 數字分身導覽，靠智慧體與計算機視覺從 5000 小時真人秀中拼出超 6000 億種豎屏播放組合；今春還將測試用 AI 即時裁切的 9:16 比例 NBA 賽事直播。
OpenAI 升級 Video API：支援 Sora 2 自定義角色與 20 秒生成
OpenAI 宣佈升級基於 Sora 2 的 Video API。開發者現可生成長達 20 秒的片段，並支援自定義角色與物體、16:9 及 9:16 畫幅、場景續寫和批次生成任務。這為影片應用的開發流程帶來了更高的靈活度與控制力。
傳 OpenAI 將把 Sora 影片生成內建進 ChatGPT
據 The Information 報道，OpenAI 計劃將 Sora 影片生成器直接整合至 ChatGPT 中。此前 Sora 僅作為獨立網頁和應用執行。在近期因軍方合作引發解除安裝潮、面臨 Claude 激烈競爭的背景下，此舉旨在挽回使用者，但同時也可能增加算力成本並加劇深偽濫用風險。
Runway 成立 Runway Labs：押注世界模型，孵化跨行業影片應用
Runway 宣佈成立內部孵化器 Runway Labs，由聯合創始人 Alejandro Matamala Ortiz 領銜。該實驗室專注於探索生成式影片與通用世界模型的前沿應用，計劃在電影、醫療、教育和遊戲等領域快速構建原型產品。Runway 認為 AI 影片已達轉折點，正對外招募工程師與前創業者。
ID Laura 開源：單模型搞定數字人生成，音畫同步還能帶環境音
一體化數字人模型 ID Laura 開源。它基於 LTX 2.3，改變了以往先克隆聲音再匹配口型的兩段式做法，只需輸入單張人像、參考音訊和臺詞，就能由單個模型同步生成影片、克隆語音與環境音。目前執行至少需 24GB 視訊記憶體，推薦 48GB。
NVIDIA 升級 ComfyUI：簡化介面免連線，4K 超分提速 30 倍
本週在 GDC 上，NVIDIA 宣佈為 ComfyUI 推出全新 App View 模式，並上線 RTX 影片超解析度節點。使用者無需連線即可輸入提示詞生成影片；藉助 RTX 50 系列顯示卡的 NVFP4 格式與超分技術，4K 放大提速 30 倍，視訊記憶體佔用降低 60%。
倫敦大學學院新突破：僅憑小鼠大腦訊號，演算法重建出 10 秒影片
倫敦大學學院團隊在《eLife》發表研究，僅憑小鼠視覺皮層的單細胞腦活動記錄，成功重建出小鼠看過的 10 秒影片。模型還結合了運動與瞳孔變化等內部生理狀態，納入神經元越多重建越準。這為解析大腦如何過濾和修飾視覺現實提供了全新工具。
MatAnyone 2 開源：140MB 模型搞定髮絲級影片摳像，告別綠幕
開源影片摳像模型 MatAnyone 2 正式上線，無需綠幕就能從複雜運動影片中高精度提取人像遮罩。模型體積僅約 140MB，對髮絲細節處理乾淨，已在 GitHub 開源並在 Hugging Face 開放免費線上體驗。
Tavus 釋出多模態系統 Raven-1：即時讀懂語氣與表情，延遲不到 300 毫秒
Tavus 推出多模態感知系統 Raven-1，能即時捕捉對話者的語氣、微表情和姿態。它拋棄了傳統的喜怒哀樂標籤，直接輸出自然語言描述，重新整理延遲在 300 毫秒內，並支援相容 OpenAI 的工具呼叫。這意味著 AI 終於不再只看轉寫文字，能真正理解言外之意。
CubeComposer：把普通影片擴充套件成 360 度全景，還支援 4K
研究員開源全景影片模型 CubeComposer，能把單臺相機拍攝的普通影片轉化為 360 度全景影片，並支援 4K 增強。它通過擴散模型拆解球體的六個面，用稀疏注意力機制補全鏡頭背後的畫面，整體質量超過 Argus。不過目前背後的腦補畫面仍有些許畸變。
騰訊推出特效遷移框架 EffectMaker：無需單獨微調，一鍵克隆影片特效
騰訊混元團隊提出特效定製框架 EffectMaker，能把參考影片中的視覺特效直接克隆到新畫面中。它通過多模態大模型與 Diffusion Transformer 雙路引導，無需針對單個特效微調，並配套構建了含 13 萬條影片的資料集。
Lightricks 釋出開源音影片模型 LTX-2.3：原生支援豎屏，附帶本地編輯器
Lightricks 釋出開源音影片模型 LTX-2.3 及免費本地編輯器 LTX Desktop。新版本重構了 VAE 與聲碼器，減少圖生影片畫面卡頓並提升音訊對白質量，還首次原生支援 1080×1920 豎屏生成。權重已在 Hugging Face 開源，年營收 1000 萬美元以下可免費商用。
RealWonder 開源：拉動箭頭施加外力，AI 即時生成受力運動影片
開源專案 RealWonder 釋出，支援在單張靜態圖片上施加虛擬外力，即時模擬物體在水流或風吹下的受力運動。它以物理模擬作為橋梁，在單張 H200 上達到 480p、13 幀/秒的生成速度。目前程式碼與模型權重均已開源。
Luma 推出創意智慧體：自研 Uni-1 驅動，能排程外部模型做全案
Luma 推出創意智慧體平臺 Luma Agents，由底層統一多模態模型 Uni-1 驅動，支援文本、影像、影片和音訊的端到端創作。它不僅具備類似程式碼智慧體的自我反思和糾錯迭代能力，還能協同排程 Google Veo 3 與 ElevenLabs 等外部模型。目前該平臺已開放 API，並逐步向企業灰度鋪開。
Netflix 收購班·艾佛列克 AI 公司：用棚拍資料做電影製作工具
Netflix 宣佈收購演員兼導演班·艾佛列克創立的 AI 影視技術公司 InterPositive。該公司利用專業攝影棚實拍資料集，訓練理解剪輯連貫性與布光等鏡頭邏輯的模型。阿弗萊克將出任 Netflix 高階顧問，強調工具旨在輔助創作者而非取代人類。