位元組開源 Helios：單張 H100 即時生成 1 分鐘長影片，跑出 19.5 幀
位元組開源 14B 即時影片生成模型 Helios，在單張 H100 上生成速度達 19.5 幀/秒，最長可生成 1 分鐘長影片且畫風不崩。最值得關注的是，它無需繁複外掛手段就解決了長影片畫質漂移難題。相關執行管線與程式碼已開源至 GitHub。
AI影片
檢視更新的新聞
NotebookLM 推出電影感影片：接入 Veo 3，告別解說幻燈片
Google 為 NotebookLM 推出 Cinematic Video Overviews 功能，將原有的解說幻燈片升級為流暢動畫影片。它結合了 Gemini 3、Nano Banana Pro 與 Veo 3 模型，由 Gemini 擔任創意總監把控敘事與畫面一致性。目前該功能在網頁和移動端上線，僅面向 18 歲以上的 Google AI Ultra 英文訂閱使用者開放。
LTX Studio 上線配音與字幕功能：主打企業影片本地化
AI 影片生成平臺 LTX Studio 宣佈推出配音與字幕功能，專門面向需要快速製作和本地化影片的企業團隊。新能力旨在幫助企業針對不同語言受眾調整影片內容。目前官方尚未公佈具體支援的語言種類與定價細節。
OmniLottie 論文公開：能直接把圖文指令轉成 Lottie 向量動畫
研究團隊提出向量動畫生成框架 OmniLottie。它通過專用分詞器配合視覺語言模型，能將文本與影像等指令直接轉化為實用的 Lottie JSON 動畫檔案。研究團隊還同步推出了包含 200 萬條標註動畫的資料集 MMLottie-2M。
Kiwi-Edit 開源：打字或給參考圖，就能對 720p 影片增刪改
Showlab 開源影片編輯框架 Kiwi-Edit，完整公開程式碼、模型與資料集。它結合多模態大模型與 5B 影片擴散 Transformer，支援通過自然語言或參考圖在 720p 解析度下完成物體增刪、背景替換和風格遷移。最值得關注的是其時序連貫性優秀，為開源影片編輯提供了統一工具鏈。
Spectrum 開源：預判擴散軌跡，讓影像影片模型提速超 4 倍
字節跳動與斯坦福大學研究團隊開源擴散加速框架 Spectrum。它通過切比雪夫多項式預判未來的特徵軌跡，無須重新訓練即可疊加到現有流程中，讓 FLUX.1 和 Hunyuan Video 等模型提速 3.5 到 4.7 倍，且生成質量幾乎不受影響。
WildActor：用 3 張參考圖搞定影片人物一致性，動作再大也不走樣
美團團隊開源人物影片生成專案 WildActor，支援通過 3 張參考圖實現多視角身份保持。它適配開源模型 Wan2.2-5B，無論真人還是卡通角色，在大幅動作下都能維持面部與服裝高度一致，並同步開源了 Actor-18M 資料管線。
位元組聯合清華髮布 DreamID-Omni：一張圖配聲音，搞定多人對嘴對話
字節跳動與清華大學團隊釋出 DreamID-Omni。它能接收影像、文本與參考音訊，讓虛擬角色用對應原聲說話，並解決了多人同屏對嘴混亂的問題，還支援現有影片的換臉換聲。團隊預計 3 月正式開源。
Google 改版創作平臺 Flow：整合 ImageFX，生圖直接無縫轉影片
Google 宣佈改版 AI 創作平臺 Flow，將 ImageFX 和 Whisk 的生圖能力直接併入統一工作區。使用者用內建模型生成的影像可直接餵給 Veo 製作影片；新版還加入了套索圈選與自然語言精細化修改，並支援影片內物體增刪與運鏡控制。
Alex Finn 用智慧體 5 分鐘復現 Cursor 新功能：寫完程式碼自動錄影片
Alex Finn 將 Cursor 剛公佈的「AI 自動錄製演示影片」功能交給 OpenClaw 智慧體，5 分鐘內不僅復現了該功能，還讓它順手錄了段演示。目前這套流程已接入團隊工作流，每次智慧體寫完程式碼都會在 PR 中自動附上演示影片。
Sony 提出影片音效模型 MMHNet：引入 Mamba 架構，為 5 分鐘長影片對齊聲音
Sony 團隊提出影片轉音訊生成架構 MMHNet，結合分層網路與 Mamba 架構生成超過 5 分鐘的連續音效。該方案解決了音畫長程對齊難題，實現「訓短測長」，在動作打點與鏡頭切換的貼合度上表現更好。目前該成果以論文形式公開。
Gemini 上線影片模板庫：選風格扔照片，一鍵生成 9:16 豎屏短片
Google 為 Gemini 應用推出影片模板功能。使用者在工具選單選擇「Create video」即可挑選賽博朋克、動作英雄等預設風格，還能上傳人物或寵物照片直接當主角，並支援 9:16 豎屏輸出。使用者不再需要手寫複雜提示詞，降低了做短影片的門檻。
影片推理框架 VBVR 開源：含百萬影片片段，攻克時空與物理推理
研究團隊開源大規模影片推理框架 VBVR 及評測基準 VBVR-Bench。該專案包含覆蓋 200 項任務的百萬級影片片段與 310 GB 資料，賦予影片模型時空與物理因果推理能力。最值得關注的是，團隊在大規模擴充套件中觀察到了向未知任務泛化的湧現跡象。
虛擬人系統 SARAH：具備 3D 空間感知，VR 裡能自然對視
研究人員提出即時全身虛擬人系統 SARAH。它能感知使用者在 3D 空間的位置，即時調整身體朝向、站位並進行眼神接觸，執行幀率超 300 FPS。最值得關注的是它支援眼神接觸強度調節，讓 VR 互動體驗更貼近真人。
互動式 VR 影片世界模型：用頭顯動作即時操控生成畫面，達 11 FPS
研究人員公佈一項互動式 VR 影片生成技術，可根據頭顯追蹤的頭部與手部姿態，即時生成第一人稱互動影片。配合文本提示詞，使用者能用真實肢體動作與虛擬世界互動，實測約 11 FPS。這推動影片模型邁向具身互動，不過畫質與流暢度仍處早期階段。
Replit 推出 Replit Animation：用 Gemini 3.1 Pro 幾分鐘「Vibecode」爆款影片
Replit 推出影片創作工具 Replit Animation。該工具底層由 Gemini 3.1 Pro 驅動，主打用「Vibecode」在幾分鐘內做出爆款影片，官方演示片全程由其生成。說白了，Replit 正在把寫程式碼的互動體驗直接搬到多媒體影片創作上。
VidEoMT 影片分割模型：普通 ViT 也能做追蹤，最高跑出 160 FPS
研究人員提出純編碼器影片分割模型 VidEoMT。它砍掉了複雜的獨立追蹤模組，直接用普通 ViT 搭配跨幀查詢複用機制追蹤目標，在保持競爭力的精度下速度快了 5 到 10 倍，最高達 160 FPS，並開放了程式碼。
因網路強烈反彈：AMC 影院緊急叫停 AI 獲獎短片貼片放映
AMC 影院宣佈拒絕在映前貼片時段播放 AI 動畫短片《Thanksgiving Day》。該片此前獲 AI 電影節大獎並原定在全美影院展映兩週，但訊息曝光後引發強烈抗議，AMC 隨後緊急宣告退出。傳統院線試水 AI 內容正遭遇巨大的觀眾阻力。
OpenAI 挖來 Instagram 名人操盤手：為 Sora 拉攏好萊塢
OpenAI 聘請 Instagram 前高管 Charles Porch 出任首位全球創意合作副總裁。他在 Meta 工作逾 15 年，曾撮合碧昂絲與教皇入駐。這步棋旨在化解娛樂業敵意，為 Sora 談判明星肖像授權。
Tavus 釋出數字人模型 Phoenix-4：支援即時情緒控制與微表情
Tavus 推出即時數字人渲染模型 Phoenix-4。它能在毫秒級延遲下生成頭部運動，並支援在說話與傾聽時動態調整情緒狀態，解決了傳統數字人全程固定假笑的生硬感。這意味著即時 AI 對話的互動擬真度邁進了一大步。