跳到正文

#視訊/影片

RSS
今日 0 則
11月22日週日
  1. Aravind Srinivas51

    想在月球和火星上開著漫遊車探險,可以直接用瀏覽器玩《Getsumen Express》。這款遊戲由 Fable 5.2 打造,玩家能走路或駕駛漫遊車,檢視阿波羅登月地點、Curiosity 和 Viking 1 等真實地標,也能搭乘星際列車往返兩個星球,並在火星上用電漿卡賓槍射擊外星人。遊戲使用 Three.js、WebGPU 和 WebGL2,部分角色與物件由圖片轉成 3D 模型,再用 Blender 整理;地形、岩石和音效則由程式產生。製作約花費 73,000 點數,約合 730 美元。

11月21日週六
  1. Unsloth AI Releases65

    Unsloth 推出 Inkling 2 Mini,更新圖片生成、影片改風格與 MCP 對話

    在小型 GPU 上跑圖片生成模型常會佔用不少記憶體,和 AI 助理使用 MCP 工具時,每次對話都重新處理舊內容也會浪費資源。Unsloth 這次推出 Inkling 2 Mini,並更新多項桌面功能:Linux 和 macOS 載入 GGUF 圖片模型時,記憶體用量減少 52% 到 66%;Mac 可替整段影片換上新風格;使用 MCP 的聊天則只處理新內容,在工具測試中少用 83% 到 87% 的提示詞 token。更新也修正了圖片生成、檔案匯入和模型訓練等問題。

    推薦理由:這次更新同時改善小型 GPU 的圖片生成、Mac 影片改風格與 MCP 對話處理,可看出 Unsloth 如何擴充套件桌面端的使用情境。

  2. Apple Machine Learning Research72

    Depth Pro 2 用同一個模型估算照片與影片的景深

    從單張照片估算景深時,物體邊界可能不夠清楚;處理影片時,深度又可能一格一格地跳動。Apple 的研究團隊提出 Depth Pro 2,用同一個可擴充的網路處理照片和影片,並以原始畫面解析度估算每個畫素到相機的公尺距離。團隊表示,這個模型能同時做到距離準確、物體邊緣清楚,且影片前後畫面穩定,表現也勝過先前方法;研究團隊並釋出模型和程式碼。

    推薦理由:Depth Pro 2 把單張照片與影片深度估計放進同一個模型,呈現邊界清晰度和畫面穩定度如何兼顧。

  3. ElevenLabs Official Blog58

    ElevenLabs Ads Engine 新增影片廣告改版與多語在地化功能

    影片廣告製作又慢又花錢,換個開場或進入新市場,往往得重新拍攝。ElevenLabs 的 Ads Engine 現在能連線 Google、Meta、LinkedIn 和 TikTok 的廣告帳戶,參考現有素材與成效,替影片更換開場或配樂,也能翻譯字幕、調整圖片並配上其他語言的配音。團隊可以先請真人檢查,再自行核准或送到廣告平臺;系統也會留意成效開始下滑的素材,提醒團隊更新。

11月19日週四
  1. Unsloth AI Releases64

    Unsloth 更新 AMD NPU 支援,並加入影像與影片 LoRA 訓練

    在本機訓練和執行 AI 模型時,硬體支援、模型格式和等待時間常讓人卡關。Unsloth 這次更新讓轉換後的 Q4NX 模型能在 AMD NPU 上載入,也會標示每個模型能不能執行;此外,使用者可以訓練 LTX-2.5 和 MOSS-Image 的 LoRA,並在影片頁面載入 NVIDIA Cosmos3 的 FP8 模型。更新也加入聊天排程,讓排程任務的回覆直接出現在原本的聊天室。部分影像與訓練工作在特定硬體上每步最多快 42%,實際速度會依顯示卡和設定而異。

    推薦理由:這次更新把 AMD NPU、影像與影片模型訓練,以及聊天排程整合進 Unsloth,呈現本機 AI 工作流程涵蓋的範圍。

  2. AWS Machine Learning Blog47

    Social Department 如何用影片脈絡和熱門話題,幫行銷人員找到適合的片段

    娛樂行銷人員常得在大量影片裡找出適合宣傳的片段,但光靠搜尋「咖啡杯」這類物件,找不到哪句臺詞值得分享、哪一幕適合做迷因,也不知道大家現在在聊什麼。Social Department 設計了 QuickSearch,讓使用者選擇想找的內容,系統就依照不同規則搜尋影片,或把最新熱門話題和片庫內容配對。像「迷因時刻」會挑出適合做迷因的畫面,並根據畫面產生文字;「熱門話題配對」則能找出和當下話題有關的舊劇片段。AI 先提出候選內容,團隊再確認;例如,程式會核對臺詞是否真的出現在劇本裡。這讓行銷人員更容易從片庫中找到值得使用的素材。

11月18日週三
  1. NVIDIA Newsroom Press Releases76

    NVIDIA 推出 RTX Spark 小型桌機,可在本機執行 AI 模型與創作工作

    想在本機跑 AI 模型、處理創作工作,又不想讓筆電一直忙著執行任務,可以考慮專用桌機。ASUS、Dell 和 MSI 的 NVIDIA RTX Spark 小型桌機已開賣,搭載最多 128GB 共用記憶體,可在本機執行支援的模型、AI 助理、圖片與影片生成,也能微調模型。NVIDIA 表示,在本機處理程式碼和檔案可避免這些工作產生雲端 API 費用;桌機也能在筆電外出時繼續執行常駐 AI 助理和排程任務。文中另介紹 Adobe、Blender 和 ComfyUI 等創作工具在 RTX Spark 上的更新。

    推薦理由:RTX Spark 桌機把本機模型、常駐 AI 助理與創作工具放在同一臺電腦,文中也列出記憶體規格與適用工作流程。

  2. Artificial Analysis83

    OpenAI 發布 GPT-6.2 Astra 和 GPT-6.2 Sol。Artificial Analysis 的評測顯示,Astra 在 Intelligence Index 排名第二,僅次於 Claude Fable 5.2;Sol 得分 57,和 GPT-6 Astra 相當,完成任務的成本約為其 15%。Astra 的價格是每百萬輸入與輸出 token $8/$40,比 GPT-6 Astra 低 20%,快取輸入則從 $1.00 降到 $0.40;Sol 的價格維持每百萬輸入與輸出 token $2/$10。兩款模型在科學、3D 和機器人評測表現突出,但編碼助理評分沒有提升:Astra 持平,Sol 比前代低 3 分。

    推薦理由:GPT-6.2 Astra 與 Sol 在多項評測的名次和價格效率各有表現,也出現編碼評分停滯或下滑,便於比較不同用途的取捨。

  3. vLLM74

    看直播畫面時,AI 助理若要主動開口、回應內容並指出畫面中的物件,需要同時處理影片、對話和語音。vLLM Project 宣佈 vLLM-Omni 從第一天起支援 AURA 2.0,這款 9B 串流影片模型能判斷何時該說話、根據即時畫面和對話呼叫工具,並用方框標出正在討論的物件。vLLM-Omni 負責從語音辨識、影片理解到語音生成;在單一連線、使用兩張約 140 GB 加速器的設定下,首段回覆語音的中位延遲為 344 ms。原文也表示,AURA 2.0 在列出的四項基準比較中領先。

    推薦理由:vLLM-Omni 支援 AURA 2.0,並公佈單一連線設定下的首段語音延遲與四項基準比較,可瞭解這套視訊模型的互動方式與執行表現。

11月17日週二
  1. Vercel Blog58

    Vercel AI Gateway 開放使用 Seedance 2.5 Flash 生成影片

    想用文字或現有素材生成影片時,Seedance 2.5 Flash 現在可透過 Vercel AI Gateway 使用。它是 Seedance 2.5 的較快、較低成本版本,可生成帶同步音訊的影片,也能參考圖片、影片或音訊,或編輯和延長既有影片。影片長度為 4 到 30 秒,最高 720p、每秒 24 格,並支援橫向、方形和直向畫面。使用者可透過 AI SDK 7 呼叫這個模型。

11月16日週一
11月15日週日
11月14日週六
11月13日週五
11月12日週四
  1. Runway66

    Runway 現已支援 3D,可從文字或圖片生成模型,或上傳自有模型,並匯出至其他 3D 工具。 生成模型:使用 Tripo H3.1 從文字或圖片生成詳細的 3D 模型。 後續運用:可選擇任意角度,將模型作為下一張圖片或影片的參考。

    推薦理由:Runway 將文字或圖片生成、模型角度選擇與跨工具匯出整合在同一流程,呈現 3D 模型如何銜接後續影像與影片創作。

  2. Hugging Face Diffusers Releases72

    Hugging Face Diffusers 0.43.0 整合五種生成與模擬模型

    Hugging Face Diffusers 0.43.0 新增五種模組化模型整合,涵蓋影像生成與編輯、影音生成、語音驅動動畫及世界模擬。具體包括 MiniMax-H3-Image、Pika H3 Flex、P-H3-Image、Kandinsky S2V 1.0 和 PAN 2。

    推薦理由:Diffusers 0.43.0 將五種生成與模擬模型整合為模組化流程,並補上平行化、注意力後端及 LoRA 等工程改進,呈現其應用範圍與部署變化。

11月11日週三
11月10日週二
11月7日週六
11月6日週五
  1. Vercel Blog43

    Gemini Omni 1.2 Flash 登上 Vercel AI Gateway,可透過單一 API key 生成影片

    Google 的 Gemini Omni 1.2 Flash 現已在 Vercel AI Gateway 提供,可用單一 API key 生成影片,無須另外準備 Google 帳號。 生成與編輯影片:可從文字提示生成 3–15 秒、含原生音訊的影片,也可編輯 3–15 秒來源片段,並使用最多 6 張參考圖片。 延長與微調:每次呼叫可延長 3–10 秒,影片總長最多 30 秒;也可在後續呼叫中使用 previousInteractionId 微調先前生成的片段。 輸出規格與用法:支援 360p、720p、1080p、4K,畫面比例為 16:9 或 9:16。在 AI SDK 中使用 generateText 或 streamText,即可接收生成影片檔案;模型名稱為 google/gemini-omni-1.2-flash。 AI Gateway 費用與功能:平臺依供應商定價收費,不加價,也不對推論收取平臺費用;Bring Your Own Key(BYOK)請求亦適用。另提供用量與成本追蹤、重試與故障切換設定、效能最佳化、自訂報表、Zero Data Retention 支援、API key 預算及路由規則。

  2. Google Gemini67

    Gemini Omni 1.2 Flash 自即日起陸續向所有 Google AI 訂閱者推出,可透過多輪對話編輯影片,並提升畫面穩定度。 影片長度:Google AI Ultra 訂閱者現在可建立及編輯最長 15 秒的影片。 更多資訊:Google 部落格

    推薦理由:這次更新同時說明影片對話式編輯能力與不同訂閱方案的生成時長,呈現 Gemini 影片工具的功能及可用範圍。