位元組預告音影片模型 Alive：聲畫同步一次生成，口型表情全打通
字節跳動公佈音影片統一生成模型 Alive。它能同時接收文本、參考圖與參考音訊，直接生成口型同步且表情自然的帶聲影片。評測顯示其綜合表現超越 Sora 與 LTX2，不過目前僅公開了論文，程式碼與線上 Demo 尚未開放。
AI影片
檢視更新的新聞
Autodesk 起訴 Google：指控其 AI 影視軟體侵犯「Flow」商標
上週五，Autodesk 在舊金山聯邦法院起訴 Google，指控其 AI 影視製作軟體侵犯了「Flow」商標。Autodesk 稱自己早在 2022 年 9 月就已使用該名稱，而 Google 曾承諾不商業化卻轉頭在海外暗中搶注，試圖利用體量擠壓對手。
清華 Xmax AI 推出即時互動影片模型 X1：伸手就能與虛擬角色互動
清華大學 Xmax AI 團隊推出即時互動影片模型 X1。它支援通過手機攝像頭捕捉手勢，無需手柄即可即時觸控並操控虛擬角色，具備毫秒級超低延遲和無限時長生成能力。目前團隊已開啟免費內測申請。
FastVMT 影片運動遷移：把賽車動作套給奔跑的狼，生成加速 3.4 倍
研究團隊公佈影片運動遷移技術 FastVMT。它能提取參考影片中的物體與鏡頭運動，僅憑提示詞就能遷移給奔跑的狼或船等全新主體，並通過消除計算冗餘提速 3.43 倍。這大幅降低了精細控制影片運動的門檻，不過目前專案僅公開了論文，程式碼暫未上線。
Just Dub It：把影片配音成外語，口型也能自動對上
開源配音工具 Just Dub It 釋出。它基於 LTX-2 打造了輕量 LoRA 介面卡，能把影片翻譯成法語、德語等外語並同步生成匹配的唇部動作，同時保留原人臉特徵。程式碼、模型權重與訓練集已全部開源，支援消費級顯示卡部署。
Skin Tokens 突破 3D 繫結：連螃蟹和甲蟲也能一鍵自動生成骨骼與蒙皮
研究人員提出 Skin Tokens 及統一框架 TokenRig，能自動為 3D 模型估計骨骼與蒙皮。它不僅支援人形，連鳥類、甲蟲、螃蟹等複雜生物也能處理，蒙皮精度最高提升 133%。這意味著 3D 生成到動畫製作之間的關鍵瓶頸正在被打破。
Kling AI 推出 Kling 3.0：支援 15 秒多鏡頭影片與 4K 影像輸出
Kling AI 推出多模態創作模型 Kling 3.0。新模型支援生成 15 秒高逼真度可控多鏡頭影片，升級了支援多角色及多口音的原生音訊，並帶來 4K 影像輸出。目前新模型已在網頁端上線，僅限 Ultra 訂閱使用者搶先體驗。
OpenAI 詳解 Sora 動態流：不做刷屏資訊流，讓使用者自己調演算法
OpenAI 公佈 Sora 動態流的設計理念。推薦系統優先展示能激發創作與互動的內容，支援使用者主動調整演算法偏好，並接入 ChatGPT 家長控制功能來關閉個性化或限制無限滾動。同時設定了多層安全審查過濾違規內容。
Kling 提出 3D Move：把動作換給新角色，還能自由運鏡
Kling 公佈運動控制技術 3D Move。它能將影片中人物的動作遷移給真人或動漫新角色，並首次做到在動作遷移的同時自由控制鏡頭運鏡與縮放，保持空間一致性與精細手勢。目前該成果僅釋出了研究論文，尚未明確是否開源或上線。
Omnimat Zero 開源：不僅能從影片中刪物體，連倒影和陰影也能抹掉
開源影片工具 Omnimat Zero 能夠精準擦除畫面中的物體，並同步清理水坑倒影與地面陰影。它還能應對複雜的遮擋關係，或把前景單獨提取為透明圖層供替換背景，目前程式碼與本地執行說明已在 GitHub 開源。
Adobe Firefly 開放無限次生成：支援 Runway、GPT 等第三方模型
Adobe 宣佈為 Firefly 訂閱使用者開放無限次影像與影片生成。除了自家商用安全的 Firefly 模型，還直接引入了 Google Nano Banana Pro、GPT 與 Runway Gen-4 等第三方頂尖模型。3 月 16 日前加入指定計劃，即可無限生成最高 2K 解析度內容。
xAI 釋出 Grok Imagine 1.0：支援 720p 與 10 秒影片生成
xAI 正式釋出 Grok Imagine 1.0，支援生成 10 秒 720p 影片並大幅提升音訊質量。官方透露，僅過去 30 天 Imagine 便生成了 12.45 億個影片。這意味著在大規模使用基礎上，xAI 正在進一步補齊畫質與時長的短板。
騰訊提出 InteractAvatar：數字人告別站樁，能拿手機戴耳機了
騰訊等團隊提出 InteractAvatar 框架，讓數字人不僅能說話，還能與周圍物體互動（如戴耳機、拿手機）。該框架支援連續指令與精確時間戳控制，解決了傳統數字人只能站樁口播的侷限。最值得關注的是，它讓虛擬人影片生成邁向了能與真實環境互動的新階段。
EditYourself 影片編輯利器：改說話內容消除卡殼，無縫對齊口型
Pipio AI 等研究團隊推出影片編輯框架 EditYourself。它能直接修改影片中人物說話的內容，自動消除卡殼口吃，並無縫對齊口型且不留硬切痕跡。這意味著影片後期能像改文字一樣編輯臺詞，但也讓深度偽造更難分辨。
Invideo 聯手 Anthropic 推出 AI 動效工具：一句話提示詞生成動態設計
Invideo 聯手 Anthropic 推出 AI 動效生成工具。使用者輸入單條提示詞就能生成專業動態圖形，完全告別 After Effects、模板和程式碼。官方將其稱為動效設計界的「Vibe Coding」，試圖把專業動效成本打到零。
Google 上線 Project Genie：憑文字或圖片即時生成可探索的虛擬世界
Google DeepMind 推出實驗原型 Project Genie，底層由世界模型 Genie 3 驅動。使用者輸入提示詞或上傳草圖，就能即時生成可操作移動、支援物理互動的虛擬環境。目前生成上限為 60 秒，僅向美國 Google AI Ultra 訂閱使用者開放。
YouTube 出手清理 AI 垃圾：590 萬粉頭部頻道遭封禁
據 The Verge 報道，YouTube 下架了多個頭部 AI 垃圾內容頻道，包括坐擁超 590 萬粉絲、12 億播放量的低質內容大號。官方確認因違規處理了 11 個頻道，正通過反垃圾機制遏制劣質 AI 生成內容的泛濫。
Apple 更新 Final Cut 與 Logic Pro：支援自然語言搜鏡頭，加入 AI 合成器樂手
Apple 更新了 Mac 和 iPad 上的 Final Cut Pro 與 Logic Pro。影片剪輯新增自然語言視覺與對白搜尋，能直接用文字找出鏡頭裡的特定動作；音訊製作則加入 AI 合成器樂手，並支援用自然語言找 Loop。剪輯和找伴奏省去了漫長的人工翻找，體驗直觀不少。
OpenMOSS 開源 MOVA：原生生成同步音影片，320 億引數 MoE 架構
OpenMOSS 開源影片生成模型 MOVA，可在單個模型內原生同步生成畫面與聲音。它採用 320 億引數的 MoE 架構，執行啟用 180 億引數，支援多語言對口型。程式碼和權重已上線 GitHub，不過 720p 版本約 77 GB，對視訊記憶體要求較高。
LingBot-World：開源即時互動世界模型，16 FPS 跑通長記憶
robbyant 開源基於 Wan2.2 的世界模擬器 LingBot-World。它支援用文本或圖片生成可互動環境，能以 16 FPS、低於 1 秒延遲輸出 480P 與 720P 畫面，並具備分鐘級場景一致的長記憶。程式碼與權重已公開，為互動生成與機器人學習提供了開源方案。