Google Flow 接入街景：輸入真實地點，AI 就能定點生成影片
Google 為 Google Flow 引入 Maps Imagery Grounding，支援呼叫 Google Maps 街景生成圖片與影片。使用者在提示詞裡輸入具體地點或地標，AI 就會參考真實街景細節構圖。最值得關注的是生成場景有了現實座標，不再憑空捏造。不過目前僅支援美國地區。
AI影片
檢視更新的新聞
Domain Shuttle：輸入參考圖生成影片，多角色跨風格也能保持一致
開源影片生成專案 Domain Shuttle 釋出，支援輸入多張參考圖生成影片並保持主體一致。它能把真人、2D 動漫和 3D 角色放進同一場景互動，還支援通過文本跨風格轉換。模型基於 Wan 2.2 構建，權重約 35GB，已在 GitHub 開原始碼。
快手公佈 Kling Omni Director：把參考影片的運鏡直接克隆給新畫面
快手 Kling 團隊本週推出 Omni Director 研究預覽。它不再依賴文本提示詞調鏡頭，而是能直接學習參考影片的運鏡軌跡、切鏡節奏甚至子彈時間特效，並驅動新圖片生成影片。目前該功能尚未正式開放使用。
DeepMind 聯手製片廠 A24：把 AI 搬進片場，Google 同步注資
Google DeepMind 宣佈與電影製片廠 A24 達成長期研發合作，將前沿技術直接嵌入影視創作流程中。A24 的創作者將參與塑造未來的 AI 工具並提供一線反饋，Google 同時也對 A24 進行了投資。這項合作旨在縮短尖端技術與下一代娛樂內容的距離。
xAI 上線 Grok Imagine Video 1.5：登頂影片榜首，價格比 Sora 低 86%
xAI 全面上線影片生成模型 Grok Imagine Video 1.5，並登頂圖生影片競技場。該模型採用自迴歸架構 Aurora，自帶音畫同步，720p 影片每秒定價 0.14 美元，比 Sora 2 Pro 便宜約 86%。不過其單次輸出上限為 15 秒 720p。
Adobe 將 Firefly AI 助手帶入 Premiere 與向量設計：自動理圖層、重新命名剪輯
Adobe 宣佈將 Firefly AI 助手擴充套件至 Premiere、Illustrator、InDesign 和 Frame.io。助手能幫剪輯師分類素材並批次重新命名剪輯，幫設計師重組圖層與排查缺漏字型。Firefly 還加入 Elements 和 Projects 資產庫功能，並計劃支援 Gemini 和 Slack。
Ai2 開源 MolmoMotion：聽語言指令預測 3D 物體軌跡
Ai2 推出 3D 運動預測模型 MolmoMotion 及 116 萬條軌跡資料集。它基於 Molmo 2，輸入影片首幀、指定點與文字指令，即可預測物體未來數秒在 3D 空間中的運動軌跡。在模擬抓取任務中，其成功率達 76.3%，還能用於輔助可控影片生成。程式碼與權重均已開源。
Palmier 推出開源影片編輯器：專為 Claude 打造，Mac 本地免費用
Palmier 推出專為 Claude 打造的開源 Mac 原生 AI 影片編輯器。它允許使用者在時間線上直接用 AI 剪輯、整理和生成素材，並提供免費的本地語義檢索與轉寫。軟體支援自帶 Anthropic API Key 或 MCP 連線，付費版還可接入外部生成模型。
阿里釋出 HappyOyster 1.0：一句話生成可互動世界，支援鍵盤即時操控
阿里雲宣佈推出開放式世界模型產品 HappyOyster 1.0。它支援原生多模態音影片聯合生成，能在生成過程中持續接收指令並即時響應。使用者不僅能隨時叫停並改寫劇情，還能用 WASD 鍵在畫面中走動探索，讓影片生成真正變成可玩的遊戲世界。
FlexAvatar 亮相：單張圖片 2 分鐘捏出 360 度可動 3D 頭像
FlexAvatar 提出一種基於 3D 高斯潑濺的新架構，僅憑單張圖片就能在 2 分鐘內生成完整的 360 度可動 3D 頭部模型。團隊通過專屬標記解耦驅動訊號與視角，混合單目和多視角資料訓練，在 RTX 3090 上僅耗 1.7GB 視訊記憶體即可跑出 20 FPS 的即時渲染與表情驅動。
字節跳動上線 Seedance 2.0 Mini：價格砍半，主打日常影片生成
ByteDance 旗下 BytePlus 上線影片生成模型 Seedance 2.0 Mini。新模型支援以影像、影片和音訊作為參考輸入生成影片，專為高頻日常製作打造，速度更快，定價僅為標準版 Seedance 2.0 的約 50%。
PermaVid：拆分外觀與 3D 結構記憶，解決 AI 影片編輯「改完就忘」
影片編輯框架 PermaVid 開源，專門解決 AI 影片編輯裡的時序一致性難題。它把空間上下文拆分成外觀和 3D 深度結構兩個獨立記憶庫，不管是全域性換風格還是區域性改物體，都不會丟失原有的幾何結構，程式碼已支援本地部署執行。
Meta 影片剪輯應用 Edits 升級：新增 AI 助手與桌面版，對標剪映
週三，Meta 預告影片剪輯工具 Edits 將加入 AI 助手和桌面版。AI 助手能讀取 Instagram 播放量與留存資料，直接幫創作者構思選題並推薦熱門音訊；桌面版則支援跨端同步以對標剪映。應用內的實驗性 Beta 標籤與更細緻的受眾分析也在當天同步上線。
Runway 深化與獅門影業合作：共同打造原創 IP
AI 影片公司 Runway 宣佈深化與好萊塢製片廠獅門影業的合作。雙方將啟動原創 IP 聯合開發計劃，推動合作從單純的工具授權跨入共同創作新內容。這標誌著 AI 技術正進一步切入好萊塢主流製片的核心流程。
MoVerse：一張圖變 360° 全景世界，RTX 4090 跑出 8 幀即時漫遊
研究人員公佈影片世界模型 MoVerse，僅憑單張普通影像即可構建支援即時互動漫遊的 360° 3D 場景。模型將空間構建與影片渲染解耦，藉助 3D 高斯技術，在單張 RTX 4090 顯示卡上實現每秒 8 幀即時渲染。目前程式碼與模型仍在合規審查中，預計後續開源。
ElevenLabs 推出數字人功能：輸入指令碼一鍵生成音畫同步影片
ElevenLabs 在 ElevenCreative 中上線 Avatars 功能。使用者只需選定數字人、輸入指令碼並選擇聲音，即可在單一介面完成口型同步影片生成，還支援在多場景中保持角色一致性，目前面向所有付費方案開放。
KAIST 提出 Lip Forcing：兩步擴散實現 31 FPS 即時口型同步
KAIST AI 與 AIPARK 推出首個用於 V2V 口型同步的自迴歸擴散模型 Lip Forcing。通過將 14B 教師模型蒸餾為僅需兩步去噪的學生模型，1.3B 版本在單張 H100 上達 31 FPS，首次突破即時同步門檻。
HeyGen 推出 HyperFrames：接入 Claude，打字就能直接做動畫短影片
HeyGen 推出 HyperFrames 工具，作為官方聯結器接入 Claude 與 Claude Code。它通過 MCP 執行，使用者只需輸入文字描述，就能直接生成帶旁白、字幕和動效的場景並匯出 MP4，無需使用任何影片剪輯軟體。
SCAIL-2 開源：支援多角色與動物動作遷移，打鬥場景也能穩住
ZAI 開源影片動作遷移模型 SCAIL-2，無需中間骨架即可實現端到端角色動畫。它支援多角色大幅度打鬥與角色替換，甚至能把動作遷移給火烈鳥或誇張身材的異形生物。不過模型權重總計達 81GB，普通消費級顯示卡需要等待量化版本。
Anchor World 亮相：用真實人體動作引導第一人稱世界模擬
第一人稱世界模擬器 Anchor World 公佈。它支援輸入 3D 人體動作與場景錨點圖，直接渲染出人在空間中走動並與水槽、刀具互動的第一人稱影片。這種動作驅動機制有望用於生成人形機器人的訓練資料；目前程式碼正處於稽核階段。