xAI 推出 Grok Imagine API：原生生成音影片，主打低延遲與價效比
xAI 正式推出 Grok Imagine API，支援文本及影像生成原生帶音訊的影片序列。模型兼顧畫質與生成速度，支援區域性擦除、角色動畫和場景風格變換。最值得關注的是，xAI 試圖通過壓低延遲與成本，讓創作者能夠低門檻並行試驗多種方案。
AI影片
檢視更新的新聞
TeleStyle 開源：用參考圖或提示詞給圖片影片一鍵換風格
研究團隊釋出風格遷移模型 TeleStyle，支援通過參考圖或文本為影像和影片賦予特定畫風。該模型基於 Qwen-Image-Edit 構建，藉助課程持續學習與專用的影片模組，在套用新風格時仍能保證畫面內容和幀間連貫性。目前程式碼與預訓練模型已開源。
騰訊釋出 ScriptAgent：三個 AI 編導分工，把對話拍成連貫電影
騰訊推出端到端影片生成框架 ScriptAgent，專門把粗略對話轉為電影級長鏡頭影片。它由編劇、導演和評審三個智慧體分工協作，細化劇本並排程 Sora2-Pro 等主流模型完成跨場景連續生成。測試顯示其劇本忠實度最高提升 0.4 分，團隊還同步推出了評測基準 ScriptBench。
Google DeepMind 動畫短片亮相聖丹斯：用 Veo 配合草圖控制生成 4K 畫面
Google DeepMind 聯合前皮克斯動畫師製作的短片在聖丹斯電影節展出。團隊棄用單純文字生成，改用草圖與粗剪驅動 Veo 和 Imagen，實現區域性重繪與風格微調。最值得關注的是，這套工作流證明了專業動畫不必向 AI 的隨機性妥協。
Luma AI 釋出 Ray3.14：原生 1080p 影片提速 4 倍，價格降三分之二
Luma AI 釋出影片模型 Ray3.14。新版本支援原生 1080p 輸出，生成速度提升至 4 倍，每秒計費僅為此前三分之一，並改善了運鏡和光影穩定性。這意味著創作者無需依賴後期超分即可直接出片，大幅降低了影視與廣告的試錯成本。
Runway 上線 Gen-4.5 圖生影片：實驗稱僅 10% 的人能分辨真假
Runway 為 Gen-4.5 推出影像轉影片功能。官方表示在一項測試實驗中，僅有 10% 的人能分辨出生成影片的真偽。目前該模型位居 Artificial Analysis 榜首，Runway 稱這種逼真度標誌著 AI 媒體迎來了社會「臨界點」。
YouTube 將支援 AI 分身做短影片：創作者可用數字人自拍 Shorts
YouTube 宣佈今年將允許創作者使用自己的 AI 形象生成 Shorts 短影片，還能靠文本提示做小遊戲。平臺還將同步配套肖像管理工具，防範未經授權的盜用與低質 AI 內容。目前該功能尚未正式上線。
影片摳像模型 VideoMaMa：粗掩碼轉畫素級摳像，宣佈將開源
研究人員推出影片摳像模型 VideoMaMa，利用預訓練影片擴散模型的生成先驗，直接將粗糙的分割掩碼轉化為髮絲級精確的摳像。團隊還基於此構建了含超 5 萬條真實影片的資料集 MA-V 並訓練出 SAM2-Matte。所有模型與資料均將公開發布。
Motion 3-to-4：單目影片直接轉 4D 動態物體，角色動作還能遷移
研究團隊開源 4D 動態生成模型 Motion 3-to-4。它能從單視角影片中直接重建高保真 4D 動態物體，把任務拆解為靜態 3D 形狀與逐幀頂點運動軌跡預測，還能將提取出的角色動作遷移到其他影片中。
OmniTransfer 釋出：給一段參考影片，就能復刻特效、動作與運鏡
OmniTransfer 推出基於 Wan 2.1 的影片遷移框架，將視覺特效、動作驅動、運鏡控制以及角色 ID 和風格遷移統一在單個架構中。最值得關注的是，它無需手動提取骨架或估計相機軌跡，就能直接把參考影片裡的動態與質感遷移到新畫面。
Lightricks 推出音訊轉影片功能：聽懂音樂節拍，用聲音直接生成畫面
Lightricks 推出音訊轉影片功能，允許使用者輸入語音、音樂或音效生成對應影片。模型能理解節奏與節拍，實現畫面與聲音精準卡點，可用來製作音樂影片、素材和數字人。這意味著聲音也能直接充當畫面的分鏡指令碼。
Adobe 升級 Premiere：端側 AI 摳像懸停即選，跟蹤快 20 倍
Adobe 為 Premiere 推出端側 AI 物體遮罩工具，滑鼠懸停點選即可精確跟蹤複雜移動目標。重構後的形狀遮罩跟蹤提速最高達 20 倍，同時支援無縫匯入 Firefly Boards 資產。After Effects 26.0 也同步迎來原生 3D 等更新。
Overworld 開源即時世界模型 Waypoint-1：鍵鼠直接操控，5090 上跑出 60 幀
Overworld 開源即時互動式影片模型 Waypoint-1 及推理庫 WorldEngine，支援通過鍵鼠即時操控畫面。該模型基於上萬小時遊戲影片訓練，在 RTX 5090 上最高可達 60 FPS 且近乎零延遲。不過目前畫面一致性較弱且存在幻覺，已開放 2.3B 小型版本下載。
Remotion 聯動 Claude Code：用自然語言自動寫程式碼並渲染 MG 動效影片
Remotion 官方 Agent Skills 支援通過自然語言讓 Claude Code 等程式設計智慧體全自動編寫元件、3D 動畫並直接渲染成影片。開發者無需開啟 AE 或 PR，僅靠提示詞就能快速生成功能演示與營銷短片。
開源模型 CoDance：打破空間繫結，讓畫面中任意多角色同框起舞
研究團隊開源多主體動畫模型 CoDance，解決了角色與驅動姿態錯位就無法動起來的難題。它先解綁動作與空間位置，再通過文本和遮罩把動作精準指派給目標角色，無論畫面裡有幾個人、什麼畫風都能生成協調動畫。目前程式碼與權重已全部開源。
數字人模型 FlowAct-R1 釋出：延遲 1.5 秒，支援 25fps 即時無限長直播
研究團隊推出互動式數字人模型 FlowAct-R1，支援流式生成無限時長的數字人影片。它採用自迴歸架構與記憶機制，實現 25fps 的 480p 即時生成，首幀延遲約 1.5 秒且動作自然。這意味著低延遲數字人直播和即時互動邁出了關鍵一步。
哥倫比亞大學造出矽膠機器人臉：看 YouTube 學對口型，支援 11 種語言
哥倫比亞大學團隊研發出一款帶 26 個微型電機的矽膠機器人臉，通過看人類影片自主學會對口型，無需預設規則。它跨 11 種語言的表現超過 5 種現有方法，搭配 ChatGPT 能大幅減少傳統人型機器人的僵硬與詭異感。
Google 升級 Veo 3.1：支援原生 9:16 豎屏與 4K，做短劇不崩臉
Google 升級影片模型 Veo 3.1，為圖片生影片功能加入原生 9:16 豎屏與最高 4K 畫質。新版大幅提升角色和背景跨鏡頭的一致性，換場景也不崩臉，創作者免裁切就能直出短劇，現已上線 Gemini 與 YouTube Create。
PixVerse 釋出即時世界模型 R1：邊播邊改提示詞，生成連續影片流
PixVerse 釋出即時世界模型 PixVerse R1，能以流式生成連續 1080P 影片，使用者中途隨時輸入提示詞即可即時改變畫面。雖然目前一致性較弱、物體易變形，但它讓 AI 影片從等渲染的切片變成了可即時干預的模擬世界。
3D 綁骨框架 RigMo 釋出：無需人工標註，自動給動物和物體加骨骼做動畫
研究團隊公佈 3D 動畫框架 RigMo 論文。它能直接從模型序列中推斷骨架與動作，無需人工標註骨骼，除了人形和鳥獸外，連風扇等物體也能準確繫結。相比 Uni-Rig 更穩且不易綁歪。目前程式碼與資料即將開源。