#視訊/影片
RSS 訂閱#視訊/影片
RSS
PixVerse@PixVerse品質評分4343
Aravind Srinivas@AravSrinivas品質評分5151
Unsloth AI Releases精選品質評分6565 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。
Apple Machine Learning Research精選品質評分7272 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。
ElevenLabs Official Blog品質評分5858 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。
Google Gemini@GeminiApp品質評分5050
Kling AI@Kling_ai品質評分5757Kling 4.0 更新影片輸出功能,現在支援原生 4K 解析度,也能輸出 10-bit HDR;這項 HDR 支援涵蓋 4K 和 1080p。官方表示,更新能讓每一格畫面呈現更多細節和更豐富的色彩。
Unsloth AI Releases精選品質評分6464 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。
AWS Machine Learning Blog品質評分4747 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。
NVIDIA Newsroom Press Releases精選品質評分7676 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。
Artificial Analysis@ArtificialAnlys精選品質評分8383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。
vLLM@vllm_project精選品質評分7474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。
Vercel Blog品質評分5858 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。
Google Gemini@GeminiApp品質評分3535
Runway@runwayml品質評分3838Seedance 2.5 Flash 現已在 Runway 上線。 以更低成本、更快生成影片。 https://t.co/ccUXbcizH3

Runway@runwayml精選品質評分6666
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。
Hugging Face Diffusers Releases精選品質評分7272 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。
Luma@LumaLabsAI品質評分5454Luma 將 Character Swap & Insert 加入產品,讓使用者可在保留同一鏡頭的情況下替換角色或車輛、加入狗,或移除人物。

Runway@runwayml品質評分4040Seedance 2.5 現已支援 4K。 現在可在 Runway 使用。https://t.co/brtulNhZAd

Krea@krea_ai品質評分5050Seedance 2.5 4K 現已登上 Krea。 目前品質最高的 AI 影片模型。 立即試用 👇 https://t.co/hcP4yzH3n9

Google AI Official Blog品質評分5858 Google Arts & Culture 推出 Esther Mahlangu 線上回顧展,以 AI 重現早年記憶
Google Arts & Culture 推出南非藝術家 Esther Mahlangu 的首個線上回顧展,透過超過 45 則策展故事與 AI 生成影像呈現她的藝術、人生與早年記憶。
Artificial Analysis@ArtificialAnlys精選品質評分6666Gemini Omni Flash 1.2 在 AA-Video-Editing v1.1 取得第 2 名,並在兩項影片生成基準中超越 Gemini Omni Flash 1.1。

推薦理由:多項影片基準呈現不同幅度的名次變化,並列出擅長與較弱的任務,方便對照其影片生成與剪輯表現。
vLLM@vllm_project品質評分5454
Higgsfield AI 🧩@higgsfield_ai品質評分5151
Higgsfield AI 🧩@higgsfield_ai品質評分6060Fable 5.2 可將平面草圖轉成互動式、帶有紋理的 3D 房間,並在 43 分鐘內從零編寫所用引擎。 紋理:使用 Higgsfield MCP 製作。

Higgsfield AI 🧩@higgsfield_ai品質評分4646
Runway@runwayml品質評分5757
PixVerse@PixVerse品質評分3535
vLLM Project (@vllm_project)@vllm_project品質評分4242
Arena.ai@arena品質評分4242
AWS What's New品質評分5151 AWS Elemental MediaConvert 原生整合 AWS Elemental Inference 智慧字幕
AWS Elemental MediaConvert 原生整合 AWS Elemental Inference 智慧字幕,將自動字幕生成納入 VOD 轉碼與打包工作流程,無需另外使用外部字幕管道。
Higgsfield AI 🧩@higgsfield_ai品質評分3535
Vercel Blog品質評分4343 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。
Krea@krea_ai品質評分4545
Hugging Face Blog精選品質評分8888 NVIDIA 推出 Cosmos 3 四款開放權重模型,支援互動式世界模擬
NVIDIA 為 Cosmos 3 模型家族新增四款開放權重檢查點,用於互動式世界模擬與多感測器、多視角駕駛場景生成。
推薦理由:四種檢查點涵蓋駕駛場景生成、相機與 LiDAR 串流、模擬器畫面轉換及雙臂機器人動作預測,並交代各自控制方式與訓練流程。
Arena.ai@arena品質評分5151
Alexandr Wang@alexandr_wang品質評分4848
Google Gemini@GeminiApp精選品質評分6767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。