CapCut 將接入 ChatGPT：一句話生成影片初剪，打字就能調鏡頭
字節跳動旗下剪輯工具 CapCut 宣佈將推出 ChatGPT 外掛。使用者在對話中輸入素材和要求，即可直接生成影片初剪，並能繼續打字微調鏡頭時長與字幕。這意味著粗剪門檻大幅降低，不過外掛目前尚未上線，預計未來數月內開放測試。
字节跳动
字節跳動推出 DMAD：4 步完成影片生成，提速數倍
字節跳動釋出視覺生成對抗蒸餾方法 DMAD。它把原模型當作教師，通過分佈匹配訓練僅需 4 步去噪的學生模型。該方法適配 MiniMax-H3、Wan2.1 等架構，將原本 20 至 30 步的影片生成流程大幅壓縮，畫質不減。
影片蒸餾方法 PDMD 開源：MiniMax-H3 縮至 4 步出片，細節更穩
研究團隊開源影片蒸餾方法 PDMD。它將 MiniMax-H3 原本需要 20 到 30 步的影片生成流程直接壓縮至 4 步。最值得關注的是，它修正了評估器的錯誤指導，避免傳統蒸餾中畫面越練越糊的問題，運動表現和細節明顯更優。
字節跳動提出 Lucida：把雜亂房間變成可編輯的 3D 場景
字節跳動研究團隊提出可組合 3D 場景建模系統 Lucida。它先識別影片中的每個獨立物體並分別構建 3D 資產，再由 VLM 閉環擺回原位，解決了傳統 3D 掃描模型融成一體無法單獨編輯的難題，為具身智慧提供了現成的互動模擬環境。
字節跳動開源全模態影片模型 Bernini 2：自然語言修影片，但模型達 180GB
字節跳動開源全模態影片編輯模型 Bernini 2，支援用自然語言直接修改已有影片的視角、背景，或在畫面中增刪角色與物體。它結合語義規劃與擴散渲染提升編輯精度，不過僅模型檔案就達 180GB，普通裝置本地執行門檻極高。
字節跳動釋出 Seedance 2.5：單次生成 30 秒音影片，支援多模態參考
字節跳動釋出影片生成模型 Seedance 2.5。模型單次生成時長增至 30 秒並支援多輪延展，能同時接收最多 30 張圖片、10 段影片及 10 段音訊作為參考，還加入了時間戳級編輯與白模參考能力，目前已在即夢和豆包 Pro 上線。
字節跳動釋出 Seedream 5.0 Pro：支援塗畫標註修改，主打高密度資訊圖
字節跳動釋出多模態影像模型 Seedream 5.0 Pro。新模型主打高資訊密度圖表與互動式編輯，不僅能排版複雜文本，還支援直接在圖上畫框和手寫標註來指導區域性修改，並支援圖層分離。最值得關注的是，它開始真正把影像生成接入實用設計工作流。
位元組釋出 Doubao Seed 2.1：定位工作智慧體，真實任務對標頂流
字節跳動釋出 Doubao Seed 2.1 系列模型，包含 Pro 與 Turbo 版本。模型主打生產力智慧體與多模態能力，在科學圖表解析、PPT 模板精確修改及前端開發上表現搶眼，真實工作基準逼近 GPT 5.5。目前可通過豆包桌面版或線上 Studio 體驗。
位元組釋出 Seed-Audio 1.0：一次搞定多角色對白、音效與背景音樂
火山引擎釋出豆包音訊生成模型 1.0（Seed-Audio 1.0），能在單次生成中同步編排多角色對白、情緒語氣、擬音特效與背景音樂。模型支援參考音訊與零樣本描述，可在長劇中保持音色高度統一。目前主要以 API 形式提供服務。
字節跳動開源 Bernini：一套架構搞定影片生成與精準編輯
字節跳動開源統一影片框架 Bernini，將多模態語義規劃器與 DiT 渲染器結合。它支援文本、影像和影片混合輸入，單模型覆蓋文生影片與影片編輯等多項任務。最值得關注的是，它先規劃語義再生成畫面，讓 AI 影片編輯更精準可控；完整推理程式碼與模型權重均已放出。
位元組開源統一模型 Lance：影像與影片的理解、生成、編輯全打通
字節跳動開源統一多模態模型 Lance，啟用引數 30 億，同時支援影像與影片的理解、生成及編輯。最關鍵的是，它不僅能看懂畫面，還能通過多輪對話連續修改影片。不過本地執行門檻較高，至少需要一塊 40GB 視訊記憶體的 GPU。
字節跳動釋出 Seed 2.0：三款智慧體模型齊發，Lite 搞定全模態
字節跳動正式推出 Seed 2.0 系列通用智慧體模型，提供 Pro、Lite 和 Mini 三種規格。Pro 主攻複雜長鏈推理，Mini 面向高併發部署，Lite 則原生打通圖文音影片全模態理解。這一代重點強化了真實業務中的長流程任務執行穩定性。
位元組釋出 OmniShow：圖音姿態全模態控制，專攻人-物互動帶貨影片
字節跳動與港中文等推出人-物互動影片生成模型 OmniShow。它支援同時輸入人物與商品圖、音訊及動作骨架，最長原生生成 10 秒帶貨長鏡頭，解決商品變形與口型脫節難題。目前程式碼正在內部稽核，尚未正式開源。
位元組推出 DreamLite：3.9 億引數端側模型，手機離線生圖編輯只要 3 秒
字節跳動公佈輕量影像模型 DreamLite，僅 3.9 億引數即可在手機端完全離線執行。它兼顧文本生圖與影像編輯，在 iPhone 上生成一張 1024×1024 肖像圖約需 3 秒，還能直接換背景或改畫風。雖然寫實細節不及雲端大模型，但大幅壓低了手機端修圖的延遲與算力門檻。
位元組開源飛書 CLI：專為 Agent 設計，讓 Claude Code 零配置接管飛書
字節跳動開源飛書官方命令列工具 Lark CLI。它覆蓋日曆、文件、表格、會議等 18 個核心業務，提供 200 多個命令與專用的 Agent 技能。最值得關注的是其 Agent 原生設計，讓 Claude Code 等外部智慧體無需繁瑣適配，即可直接讀寫並操作飛書工作流。
字節跳動開源 DeerFlow 2.0：讓多 Agent 進 Docker 沙箱替你幹活
字節跳動開源 AI 代理排程中樞 DeerFlow 2.0。它能拆解複雜長程任務，自動派出子智慧體分頭執行研報、建站或影片生成。每個任務都跑在獨立的 Docker 沙箱中安全執行，支援跨會話記憶，並可接入 DeepSeek、GPT-4 等任意模型，採用 MIT 協議開源。
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。
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。
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。
位元組釋出空間獎勵模型：靠 8 萬組對比資料，讓 AI 擺對「前後左右」
位元組團隊提出空間獎勵建模框架，專門解決影像模型搞不清前後左右的問題。團隊構建了包含 8 萬多組正誤對比的資料集訓練獎勵模型，能有效指導 Flux 等模型擺對複雜物體的空間佈局。相關資料集與模型權重計劃公開。