Google 推出 Gemini Omni 1.2 Flash,支援 15 秒影片生成
Google推出 Gemini Omni 1.2 Flash,支援最長 15 秒的影片生成與編輯,並已開始透過 Gemini API 和 Gemini for business 提供一般使用。
推薦理由:影片長度從 10 秒延至 15 秒,並加入多輪對話編輯與參考素材控制,適合評估大量製作影片時的工作流程與成本。
Google推出 Gemini Omni 1.2 Flash,支援最長 15 秒的影片生成與編輯,並已開始透過 Gemini API 和 Gemini for business 提供一般使用。
推薦理由:影片長度從 10 秒延至 15 秒,並加入多輪對話編輯與參考素材控制,適合評估大量製作影片時的工作流程與成本。
Google DeepMind 推出 Gemini Omni 1.2 Flash,影片生成最長延長至 15 秒,並加入多輪對話編輯與更強的參考素材遵循能力。
推薦理由:Gemini Omni 1.2 Flash 將原生影片長度提高至 15 秒,並支援逐輪編輯與參考素材控制,適合評估大量影片生成工作流程的時間與成本變化。
summary_zh: 本期《每日論文雷達》挑選18篇具身智慧研究論文,聚焦人形機器人控制、擴散模型全身控制、跨本體動態規劃等領域的突破性進展。 - 選稿流程:共爬取 1,206 篇論文 → 966 篇候選 → 250 篇評估 → 18 篇高相關精選。
summary_zh: 每日論文雷達於 2026‑10‑30 精選 18 篇具身智慧領域的代表性研究,涵蓋從手術機器人零樣本 Sim‑to‑Real 轉移到空中抓取器、柔性夾爪、動態抓取、全身控制與多模態感知等技術突破。
核心功能:從一個字幕檔案生成多種畫面比例(如 16:9、9:16)切割的字幕,並可輸出 WebVTT、SRT 等標準格式。 - 技術亮點:結合多個語音引擎(Whisper、OpenAI、Azure Speech、ElevenLabs)與 LLM 進行文字校正與說話者標記,支援離線執行。
Amazon SageMaker JumpStart 於 2026 年上半年已新增 100+ 模型,涵蓋多模態、創意與高效模型,並提供一鍵部署與 Hugging Face 深度連結,顯著降低模型上線成本。
summary_zh: 我在 15 週內重新閱讀 175 款 AI 工具的使用條款,發現 60%(105/175) 的工具至少改變一次,影響創作者是否能合法商業化其輸出。
Apple 於 2026 年 10 月 13 日正式推出第四代 Apple TV 4K,搭載全螢幕 Siri AI 及遠場麥克風,提供更沉浸的家庭影院體驗。
Higgsfield Katana 內嵌 Claude Motion,成為 Claude 平臺上最強大的 AI 視訊編輯工具。
Grok Imagine Video 1.5 Lite 以 480p‑1080p 影片與音訊支援,提供 1‑15 秒長度、七種比例的影片產生。 - 影片品質:可選 480p、720p、1080p,支援寬螢幕、正方形、直立等七種比例。
EmbeddingGemma 2 是 DeepMind 推出的全新多模態嵌入模型,支援文字、影像、音訊、影片與程式碼。 - 引數量:740 M,適合本地推理。
推薦理由:EmbeddingGemma 2 以 740M 引數實現跨模態嵌入,兼顧效能與隱私,適合本地 RAG 與離線搜尋,並提供 8K token 上下文視窗與 6 倍儲存壓縮。
導語:Final Cut Camera 2.4 於 iPhone 18 Pro 上支援可變光圈,並加入 Cinematic 模式、ProRes 錄影、SDI 輸出與 Genlock 調整。
推薦理由:Final Cut Camera 2.4 讓使用者可在 iPhone 18 Pro 上精準掌控光圈,並開啟Cinematic模式與ProRes錄影,支援SDI輸出與Genlock調整,為專業影片製作者提供完整工作流程,全程無縫。
OpenRouter 於 2026 年公佈四大影像轉影片模型(Veo 3.1、Seedance、Kling、Grok Imagine Video),並以 TypeScript SDK 示範如何提交工作。
生成高畫質影片要反覆計算很多次,想加快速度,常得在畫面相似度上有所取捨。SGLang Diffusion 團隊在 8 張 NVIDIA H200 顯示卡上測試 MiniMax-H3,並和 Diffusers 比較;在不近似計算的設定下,速度快約 1.85 到 1.95 倍。加入重用前面計算結果的 Cache-DiT,以及略過部分注意力運算的 SubBlock 後,最快達 6.24 倍,但部分 T2VA 影片的 SSIM 降到 0.76 至 0.78。若更重視畫質,單用 Cache-DiT 可達 2.99 倍,SSIM 為 0.90 至 0.92。測試固定提示詞、種子和輸出設定,結果顯示加速幅度會隨影片型別和設定改變。
推薦理由:這組實測在固定影片生成條件下比較速度與畫質,呈現不同加速設定的取捨,方便估算可接受的畫質變化。
summary_zh: Replit Animation 於二月推出,讓任何人可在數分鐘內製作動態風格影片,並已為 Replit 產生超過 10M 有機曝光。
Runway 與 Modal 合作,將 Runway Characters 的即時影片代理推理交給 Modal 的無伺服器 GPU 平臺。 - 低延遲多區域部署:Modal 的多節點 GPU 叢集與 RDMA 網路,支援全球即時推理,30 天內完成從概念到生產。
Diffusers 0.37.0 透過模組化管線與多款新影像/影片模型,為開發者提供更靈活的創作與部署方案。 - 模組化管線:可組合可重用的區塊,省去從零開始編寫管線的時間。
推薦理由:Diffusers 0.37.0 透過模組化管線與多種新影像/影片模型,為開發者提供更靈活的創作與部署方案。