MiniMax H3 960P:畫素較少、同價 50% 延長執行時間
MiniMax H3 960P 是 Callirra 上的影像到影片模型層,畫素低於 1080P,但同價、可延長 50% 的執行時間。
MiniMax H3 960P 是 Callirra 上的影像到影片模型層,畫素低於 1080P,但同價、可延長 50% 的執行時間。
summary_zh: 作者透過改變 AI 影片製作流程,從 Claude Code、Higgsfield、HyperFrames 與 Ootto 等工具組合,將原本被視為「垃圾」的 AI 影片提升為具備明確訊息與多平臺可用的內容。
ANPR 門禁管線從觸發到門閘開啟的完整流程與事件驅動架構被詳細說明。 - 觸發:使用迴圈探測器、雷達或動作區域,避免對每一幀執行辨識。 - 影像捕捉:IR 照明相機短曝光捕捉車牌,減少運動模糊。
summary_zh: GhostFrame AI Studio 允許開發者將本地專案轉成無聲瀏覽器示範,結合 Ollama 模型規劃、Playwright 自動化、FFmpeg 轉檔及 Python/Pillow 產生影像。
SRS、MediaMTX 與 Restreamer 目前不支援 SRT bonding,本文示範如何使用 Goryu Relay 先接收 bonded group,再轉為單連結 SRT,讓這些伺服器能正常接收。
本文以實際部署 LiveKit 自託管視訊會議的經驗,說明 8 vCPU、32 GB 伺服器在 3 人 1080p 會議中因頻寬不足而卡頓的原因。 - 頻寬需求計算:每位 1080p 參與者約 4 Mbps,伺服器出口頻寬隨 N×(N−1) 量級成長,3 人時約 24 Mbps。
Figma Weave 是一個將創意工作流程節點化、可打包成工具的創作平臺,並與 Figma 畫框無縫連結。 - 工作流程功能:支援影像、影片生成與編輯,包含多模型對比、色彩校正、合成、裁剪、Painter 等編輯節點。
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。
Hy-Nomas 是騰訊混元釋出的開源影片世界模型技術報告與基準,提供可復現的實驗平臺。 - 技術報告 已在 arXiv 釋出,詳細闡述模型架構與評估方法。
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。
Kling AI 於 2026 年推出 4.0 版,提供立體音訊、多語言口型同步及輕量 Flash 變體。 - 生成長度:單次可產生 30 秒影片,支援 10 張關鍵畫面作場景鎖定。
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。
summary_zh: Elorian 推出其首款 AI 模型 Glimpse,主打影像推理而非僅描述影像。 - 核心特性:在推理過程中,Glimpse 可透過「visual scratch space」再次裁剪、拉取影片幀或執行程式碼,實現多次回到影像源頭的推理。
核心導語:Nvidia VFX 節點已整合至 ComfyUI,讓使用者可在本機 RTX GPU 上即時完成影片升級、幀生成與 SDR→HDR 轉換,並支援多種降噪、去模糊與 10‑bit 編碼。
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。
尼康宣佈其「Small World in Motion」競賽第一名的影片因使用生成式 AI 被取消資格,並將更新規則以避免類似情況再次發生。 - 影片原由 Dr. Ning Xu 製作,使用 AI 進行後處理。 - 影片已被移除,新的第一名是 Nguyen Nam Nhat 的作品。 - 尼康表示將審查並修訂比賽規則,強調不影響參賽者專業聲譽。
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。
本篇示範如何在單一 RTX 5090 GPU 上以 15 秒即時影片的速度,使用 MiniMax H3 生成 448×256 解析度的影片,並以低成本完成。
推薦理由:本篇示範如何以單一 RTX 5090 GPU 產生 15 秒即時影片,提供實際最佳化技巧與開源節點,對想節省成本的開發者具有參考價值。
Melius 是一個 AI 平臺,專門生成廣告活動、圖片和影片。 - 於 2026 年 10 月宣佈完成 $25 million 融資,其中 $20 million 為 Series A,由 CRV 主導,另外 $5 million 為種子輪,由 General Catalyst 主導。
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。
Elon Musk 轉發一段 3:11 的影片《The Clodyssey》,內容關於 Claude。 - 影片長度:3:11
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。
FLUX 3 是 Black Forest Labs 推出的多模態基礎模型,能從影像、影片與音訊共同學習,並將影片預測能力直接轉化為機器人控制指令。 - 多模態學習:同時使用影像、影片和音訊,提升對物件持續性、材料變形與碰撞聲音的表徵。
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。