Tavus 上線 PAL Maker：動嘴就能捏出帶記憶的 AI 影片互動體
Tavus 推出零程式碼工具 PAL Maker。使用者只需向 AI 智慧體描述需求，即可自動配置面孔、聲音與長期記憶，生成能聽會看的 AI 影片互動體。底層基於自研 Raven-1 等模型，目前已被亞馬遜、梅奧診所等用於招聘篩選與術後隨訪。
AI影片
檢視更新的新聞
LeapTalk 實現單步生成：數字人口播達 200 FPS，徹底解決漂移
研究團隊提出數字人生成框架 LeapTalk。它摒棄了多步擴散和自迴歸方案，採用基於布朗橋的單步異構蒸餾，只靠一張參考圖和一段音訊，就能以最高 200 FPS 的超快速度單步生成口型同步的流式長影片，同時保證長時間不發生面部身份漂移。
Mirage 推出分身模型 Avatar X：10 秒影片克隆，還原微表情
Mirage 推出數字分身模型 Avatar X，使用者只需上傳 10 秒影片即可生成 AI 分身。該模型主打細緻的微表情還原，能夠生成大笑、打哈欠、假笑等自然神態，同時支援音訊驅動全身動作以及長影片連續生成不失真。
Adobe 與 JHU 釋出影片世界模型 Wonder：單圖即時生成可互動場景
Adobe 與約翰霍普金斯大學公佈影片世界模型 Wonder。輸入一張圖片或影片，它能以 16 FPS 即時生成可漫遊的世界。最值得關注的是它解決了相機精準控制與長程記憶問題，使用者轉一圈探索新區域再走回來，原來的景物依然保持一致。
Google 開源 GNM 頭部模型：600 多個滑塊精細控制牙齒與表情
這週 Google 開源 3D 頭部模型 GNM，支援通過滑塊精確控制人物面部結構。模型提供 253 個身份引數和 383 個表情引數，連眼球、牙齒乃至舌頭都能獨立調節，採用 Apache 2.0 協議釋出。它能直接解決以往 AI 人臉千篇一律以及口腔內部結構缺失的問題。
Netflix 開源 ID-V2V：只換場景風格，保留人物長相與表情
Netflix 旗下團隊釋出影片框架 ID-V2V。使用者只需修改一幀畫面，就能將新風格與燈光擴散到整段影片，同時鎖定人物長相、微表情和口型不走樣。系統最高可輸出 720p 影片，但主模型體積近 80GB，本地執行門檻較高。
FLUX 3 進奧迪工廠：生成影片的模型，也能直接操控機器人
Black Forest Labs 聯手 mimic 推出基於 FLUX 3 的影片-動作模型 FLUX-mimic，已在奧迪工廠落地。該模型直接把影片物理表徵解碼為機械動作，單張 RTX 5090 延遲不足 80 毫秒，可完成柔性線纜等傳統自動化難以處理的裝配任務。
Black Forest Labs 開啟 FLUX 3 早期訪問：圖影音統一架構，支援 20 秒原生配音影片
Black Forest Labs 推出多模態基座模型 FLUX 3 並開啟早期訪問。該模型基於 Self-Flow 架構，在統一網路中同時學習影像、影片與音訊，支援單次生成長達 20 秒帶原生音訊的影片，並能拓展至機器人動作預測。官方計劃在未來數週逐步開放影像生成與開源權重 Dev 版本。
ABot-World：單張 RTX 5090 跑得動的無限即時互動世界
ABot-World 是一個開源的即時互動式世界模擬器，允許使用者即時輸入動作控制場景走向，支援無上限的持續生成。模型只需單張 RTX 5090 顯示卡即可在本地執行，以 1.2 秒延遲輸出 720p、16 FPS 畫面，程式碼與模型權重均按 Apache 2.0 協議開源。
Homie 開源：支援多人物多物體參考，還能精確定位文字生成影片
影片生成模型 Homie 開源。它支援輸入多個人物和物體參考圖生成影片，還允許上傳多視角圖片與 OCR 位置圖來精準控制細節與文字位置。相比同類模型，它在複雜設計場景下的一致性更高，適合批次製作營銷影片。
《第九區》導演釋出 13 分鐘 AI 短片：用 Seedance 2.0 製作，下一步拍長片
《第九區》導演 Neill Blomkamp 釋出 13 分鐘 AI 短片《NIGHTBORNE》，全程使用 Seedance 2.0 製作，結合了概念藝術家與 32 位真人的面容聲音。Blomkamp 稱實驗兩年後準備挑戰長片，併成立了新 AI 工作室 Barley Studios。
諾蘭談 AI：像「透明特洛伊木馬」，人人都知道里面藏著危險
導演克里斯多福·諾蘭在採訪中稱 AI 就像一個「透明的特洛伊木馬」，人人都知道里面有危險。他格外讚賞年輕人對「AI 垃圾」的警惕與牴觸，直言從未見過哪項飛速發展的技術像 AI 這樣遭到公眾如此強烈的懷疑。
Browser Use 新增錄屏與剪輯：智慧體一邊操作，一邊自動做教學影片
browser-use 為 browser-harness 合併了 PR #532，支援在智慧體操作網頁時同步記錄截圖與事件流。隨後智慧體可通過內建模板將其自動合成為帶平滑縮放、游標動效和敏感資訊打碼的高質感演示影片，且全程無需安裝 ffmpeg。
Runway 釋出 Agent 2.0：一句話生成全套跨平臺營銷策劃與廣告素材
Runway 釋出 Agent 2.0，能將簡單的提示詞轉化為完整的營銷策劃案並生成多平臺廣告素材。它接入 Meta、YouTube 等渠道的投放資料進行復盤，還能呼叫 Gen-4.5 等多種模型自動適配不同畫幅與地區版本。也就是說，Runway 正在從單一影片生成走向全流程營銷自動化。
Google Vids 升級：自然語言調光換背景，一張自拍生成數字人出鏡
Google 為 Google Vids 推出 Gemini Omni 編輯與個人分身功能。使用者不僅能用自然語言修改背景、光照和特效，上傳一張自拍和錄音還能生成替自己出鏡的數字人。目前面向 Google AI Pro、Ultra 及 Workspace 商業訂閱使用者開放，生成影片均嵌有 SynthID 水印。
Wan Streamer 0.3 釋出：虛擬角色支援自然語言即時動作控制
Wan Streamer 釋出 0.3 版本，讓虛擬角色從肖像對話升級為能與環境互動的動作控制。核心機制是將影片拆解為保持一致的「世界」與隨時間變化的「事件流」，能即時響應比耶、叉腰等自然語言指令。目前團隊僅釋出了技術論文。
Netflix 財報披露：今年已有約 300 部影視作品使用生成式 AI
Netflix 在二季度財報中透露，今年已有約 300 部作品在製作中使用了生成式 AI，覆蓋從概念到後期的全流程。聯席 CEO 薩蘭多斯稱紀錄片《美國實驗》用 AI 製作了 17 分鐘鏡頭，速度快了一倍且成本減半。不過官方強調，AI 僅用於輔助創作，無意取代人類藝術家。
OpenMOSS 開源 MOSS-VL-Realtime：11B 即時影片模型，支援隨時打斷
OpenMOSS 開源 11B 即時影片理解模型 MOSS-VL-Realtime。它專為連續影片流設計，改變了必須讀完全片才能作答的傳統模式；支援使用者在推流時隨時提問打斷，並在畫面資訊不足時主動靜默或動態修正。
喬治·盧卡斯談電影製作引入 AI：阻擋不了，這就是未來
據 Variety 報道，《星球大戰》創作者喬治·盧卡斯公開支援 AI 輔助電影製作，稱 AI 讓拍電影容易得多。他將抗拒 AI 比作當年反對汽車普及，認為技術進步無可阻擋，且 AI 能幫助識別真偽。在影視業普遍憂慮 AI 的當下，他的表態格外引人矚目。
阿里開源 Wan-Dancer-14B：聽音樂就能跳舞，支援分鐘級連貫長影片
阿里 Wan 團隊開源舞蹈生成模型 Wan-Dancer-14B 及程式碼。它不需要參考動作影片，僅憑一段音樂和一張靜態人像，就能生成節拍同步的分鐘級舞蹈。最值得看的是它採用全域性規劃加區域性精細化框架，已適配古典舞、街舞和 K-Pop 等多種風格。