快手可灵AI计划最早明年赴港上市，至少融资10亿美元
快手旗下视频生成大模型可灵AI计划最早明年赴港上市，至少融资10亿美元。
#视频
#视频
今日 0 条36氪AI 评分5050 The Decoder精选AI 评分6565 Reka AI 发布全模态模型 Rho-1：单一模型处理文本、图像、视频与机器人控制
Reka AI 发布了 Rho-1 的研究预览版，这款 190 亿参数的全模态模型在单一神经网络中处理并生成文本、图像、视频和机器人控制动作。与多数将任务路由到专用模型的系统不同，Rho-1 把所有模态作为 token 放进同一共享上下文窗口，无需工具调用或外部模型，并能实时生成连续视频、即时响应新指令。
推荐理由：原文给出单一模型统一处理多模态与机器人控制的思路，以及从普通视频提取控制信号的数据方案，可对照自家多模态路线。
极客公园精选AI 评分7171 Tavus 发布 Griffin 人类交互模型，一分钟视频通话近半数参与者误认为真人
10 月 1 日，美国 AI 视频公司 Tavus 发布 Griffin 模型，并将其定义为全球第一个「人类交互模型」；一分钟视频通话测试中 54 名参与者有 26 人事后认为自己在和真人聊天，比例接近 48%，而上一代系统通过率仅 2.4%。
推荐理由：文章在宣传效果之外核对了样本量、心理暗示与基准分数，读者可以据此更冷静地判断端到端架构带来的实际进步。
雷峰网AI 评分4747 爱奇艺《灵魂摆渡》“浮生梦”系列 AIGC 网络故事片分账票房破千万
爱奇艺、长信传媒出品的《灵魂摆渡》“浮生梦”系列AIGC网络故事片，截至10月3日累计分账票房突破1000万元。该系列前两部8月22日独家上线爱奇艺，首月累计分账票房突破800万元；第三部《灵魂摆渡·公主之梦》10月1日上线后热度与票房持续攀升。三部作品还沉淀近500个角色资产、近800个场景资产和近200个核心道具资产，可复用于后续内容开发。
爱范儿AI 评分5454 Utopai X 位列带音频文生视频榜全球第二，AI 原生影视公司 Utopai 的制作体系浮出水面
截至 9 月 30 日，Utopai Studios 自研模型 Utopai X 在 Artificial Analysis 带音频文生视频榜位列全球第二，仅次于 Wan 3.0，为排名最高的美国公司模型。
MiniMax · 官方新闻精选AI 评分7979 MiniMax 发布全模态生成模型 H3
MiniMax 正式发布通用全模态生成模型 H3，支持多模态上下文统一理解，可输出最高 15s 2K 分辨率的原生双声道音视频。该模型在指令遵循、文字与品牌信息呈现及 V2V Motion Transfer 等方面表现出色，2K 分辨率下每秒价格不到主流模型的 1/3。官方计划在未来几天内开放模型权重，以推动开源社区发展。
推荐理由：MiniMax 发布全模态生成模型 H3，支持 15s 2K 原生双声道音视频，计划开放权重，为多模态创作提供了新的高性价比选项。
The DecoderAI 评分5959 近半数测试者在一分钟视频通话中将 Tavus 的 Griffin 误认为真人
Tavus 发布 Griffin，该公司称之为首个“人机交互模型”（HIM），可在实时视频对话中同时理解与生成语音、面部表情、语气、手势和停顿。在 Tavus 的测试中，48% 的参与者在进行一分钟视频通话后认为 Griffin 是真人，此前系统最高仅 2%；在 Nvidia 的独立测试中 Griffin 得分 3.83，人类为 3.92，此前最佳 AI 模型为 2.80。
The Verge · AIAI 评分6060 Instagram 在 Edits 应用中新增 AI 创意助手，指导创作者如何发布内容
Instagram 宣布其独立的 Edits 应用新增 AI 创意助手，可读取用户的 Instagram 账号数据并给出内容修改建议。创作者可开放式提问什么内容在流行、为什么一条视频火了而另一条没有，工具会整合点赞、播放量、留存和分享等指标来发现规律。该功能对创作者免费，但重度用户需购买 Meta One 订阅以获得更多用量；YouTube 此前也宣布了类似的面向创作者的 AI 数据面板更新。
InfoQ 中国AI 评分1919 AIGC 驱动的内容生产力变革：Vidu 多模态大模型的创新与实践｜QCon 上海
生数科技解决方案负责人郑重将出席 QCon 上海站，分享 Vidu 多模态大模型驱动内容生产力变革的创新与实践。分享将拆解视频生成在多主体一致性、长时序稳定性与镜头叙事控制上的关键瓶颈，并介绍 Vidu S1 流式视频生成模型的秒级响应与即时指令遵循能力。他还将探讨视频生成模型向世界模型与具身智能方向的演进路径。
雷峰网AI 评分6464 越大越强，不再是 LLM 的专利：PixVerse R2 攻克实时世界模型 Scaling 难题
爱诗科技 PixVerse R2 已全量上线，用户可在网页端直接体验动作指令与互动影游交互。实机体验与 HAR 网络记录显示，冬日宫殿会话全程仅一次 session_init，约 119.5 秒生成窗口内八轮推荐 Prompt 与 3355 条动作帧（约 33.4Hz）被组织在同一条持续 session 中，Prompt 处理期间 WASD 控制通道仍然开放。
科普中国 · 阿虚同学AI 评分2424 2026云栖大会·阿里云智能设计中心分论坛回顾｜AI时代的设计新编译
9月24日，阿里云智能设计中心在2026云栖大会出品「AI时代的设计新编译」分论坛，探讨生成式技术进入真实生产流程后设计价值如何重构。与会嘉宾形成共识：当界面与代码可被即时生成，设计的核心从执行转向定义意图、组织编排与审美判断。论坛还发布"古壁生辉"项目，以AI能力对山西平顺大云院《维摩诘经变》壁画进行数字化重现，探索传统文化数字保护与创新传播。
腾讯研究院AI 评分6464 对话中国首部AI长剧导演：三年后，99%影视内容都要用上AIGC
国内首部AI长剧《后西游记》8月31日在芒果TV上线并登陆湖南卫视黄金档，导演李东珅在接受腾讯科技访谈时分享了该剧的制作经验与对影视行业的判断。该剧规划30集、每集约40分钟，画面和人物演绎均由AIGC生成，3个月完成，单集成本约90万元，总成本约2700万元，约为同体量S级神话剧或传统动画剧集的十分之一。
爱范儿精选AI 评分7070 可灵 4.0 首发实测，国产 AI 视频再次掀桌？
可灵 AI 拿出 Kling 4.0 大版本更新，主打真实、可控、专业，将于 10 月正式上线，Kling 4.0 Flash 已于 9 月 28 日率先开放小范围体验。
推荐理由：原文把 Kling 4.0 的 10-bit HDR 输出与主流 8-bit 方案对比，并给出多参考素材的提示词分工技巧，可直接迁移到自己的视频生成流程。
腾讯研究院AI 评分5757 AI会取代真人短剧吗？腾讯研究院圆桌探讨AI短剧的产能冲击与行业变局
腾讯研究院圆桌对谈指出，今年前8个月全网上线微短剧43万部，是2025年全年的13倍，其中90%以上由AI生成，供给暴涨而注意力接近恒定，行业面临内容通胀。嘉宾认为利润正向上游IP与下游发行转移，好故事、判断力、审美与变现能力成为新稀缺资源，AI与真人短剧将走向共存而非替代。
科普中国 · 阿虚同学AI 评分3030 阿里云「AI 设计原生力」工作坊与 Skills 现场回顾
9月23日，阿里云智能设计中心「AI 设计原生力」Agentic Design 工作坊在云栖大会落地，围绕 AI 影像、Vibe Designing、Agent 产品设计与体验度量，探讨人与 Agent 协作的设计新范式。工作坊指出设计师价值正转向规则定义、系统构建与质量判断，现场展区还呈现 12 项覆盖界面生成、视觉规范与体验度量等环节的设计 Skills。
OpenAI NewsAI 评分2222 invideo 如何用 GPT-6 Astra 将调色效率提升 3 倍
invideo 借助 GPT-6 Astra 更精准地规划视频编辑，将色彩校正与调色效率提升 3 倍。其还可在一天内产出 50 个自定义特效。
极客公园精选AI 评分7272 剪映发布 AI 互动影游创作平台 ICG Studio
9 月 20 日，剪映在「AI 新创作发布会」上发布 AI 互动影游创作平台 ICG Studio，并集中更新专业版、移动端与创作者生态。专业版新增一站式工作台「剪映 Hub」，可从一句话或参考视频出发，调用即梦、小云雀等生成素材并在多轨编辑器中继续修改；智能创作 Agent「剪映助手」可整理素材、删减口播、纠正字幕，移动端名为「小映」。
推荐理由：原文梳理了剪映从剪辑工具向一站式 AI 创作平台的定位调整，并说明 ICG Studio 如何把剧情分支逻辑引入视频创作。
OpenAI NewsAI 评分2626 Higgsfield AI 借助 GPT-6 Astra 一天内推出新视频功能
Higgsfield AI 借助 GPT-6 Astra 在一天内推出全新视频功能。该功能让中小企业能更轻松地制作视频广告，同时帮助公司更快地将新创意工具推向市场。
字节跳动技术团队AI 评分5656 火山引擎 AI MediaKit 如何实现视频字幕无痕擦除
火山引擎推出 AI MediaKit 理解式视频编辑引擎，升级视频字幕擦除能力。系统先通过多模态语义理解判断文字角色，决定擦除或保留，再由自研 ReFM 残差流匹配模型从原视频潜变量出发完成 4 步采样修复，避免从随机噪声重建带来的失真。新版支持 50 多种语种擦除，面向短剧出海与素材复用场景。
翔宇工作流AI 评分4141 8W赞带货视频，我用阿里 WaClaw 1分钟复刻出来了
作者体验阿里旗下电商 Agent WaClaw，只需上传原视频与产品图即可一键复刻高赞带货视频。该工具内置多套换装与种草视频生成 Skill，可一键产出符合规范的淘宝主图、亚马逊 A+ 图等全品类电商物料。其“品牌 DNA”参考集支持一次建立永久调用，并自动沉淀创作记忆，覆盖从选品到出单的内容全链路。
字节跳动技术团队AI 评分3030 火山引擎 AI MediaKit X 懂车帝，探索汽车内容智能创作新方式
懂车帝接入火山引擎 AI MediaKit，搭建灵活可组合的音视频处理底座，服务营销视频批量生产与 UGC 一键成片等场景。AI MediaKit 以原子接口提供裁剪、拼接、翻转、倍速、贴片、转场、字幕及画质处理能力，团队无需重建系统即可复用既有素材、降低成片相似度，营销视频日处理量最高达数千条。统一底座让新场景快速落地，并支持高光剪辑、Vlog、口播视频等需求的二次编排。
Google DeepMind精选AI 评分8080 Gemini 推出智能体视频理解能力，token 消耗最高降低 88%
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 与 3.5 Flash-Lite 上线智能体视频理解能力，token 消耗最高降低 88%、成本最高降低 66%、准确度最高提升 7%。
推荐理由：原文给出最高 88% 的 token 降幅与 66% 的成本降幅，并说明按标准 API 计费、无额外功能费的开启方式，便于开发者评估接入成本。
傅盛AI 评分6363 fal.live 24小时AI直播让观众点菜，傅盛称AI视频拐点已至
fal上线24小时不间断AI电视台fal.live，剧情由观众实时投票决定、AI现场生成。其核心是后训练自MiniMax开源H3的H3 Max模型，5秒视频最快不到3秒生成，吞吐量约为fal官方MiniMax H3接口的35倍，768p标准价0.08美元/秒。作者认为生成速度快过播放速度让互动视频从预制走向现做，尽管目前仍存在人物形象不稳定等问题。
翔宇工作流AI 评分6161 Lovart 全新升级，中文版上线并新增灵感采集、Pinterest 连接与一键矢量化
Lovart 全新升级，国内中文版在 lovart.art 正式上线，支持国内直连。平台内置数以百计的专业设计 Skill 并支持导入开源 Skill，新增 Chrome 灵感采集插件、Pinterest 连接器和「参考图万能风格复刻」Skill，可批量收藏灵感、解析参考图直接生成海报。此外还支持输出动图、视频、PPT、网页，并新增图片一键转矢量化，导入 Illustrator 后路径干净无锯齿。
Google DeepMind精选AI 评分8080 Gemini Omni 1.1 Flash 发布，带来更强创意控制与生成视频能力
Google DeepMind 发布 Gemini Omni 1.1 Flash，为开发者带来一套新的创意控制与生成视频能力，可通过 Gemini API 在 Google AI Studio 或企业 Agent Platform API 使用。
推荐理由：相比此前只能参考最后一秒，Omni 1.1 可分析最多 10 秒前文，场景延长以 10 秒为步进累计至 40 秒，读者可据此判断它对连续叙事工作流的价值。
阿里云开发者精选AI 评分7474 Wan3.0 正式上线千问AI平台
视频生成模型 Wan3.0 正式上线千问AI平台，单次可生成30秒视频，并首次支持 doc、xls、ppt、pdf、md 等文档格式输入。自8月6日公测以来，Wan3.0 在跨镜头一致性、人物质感与真实世界还原方面获得短剧、广告、文旅等行业用户反馈。480P/720P/1080P 的 API 价格分别为 0.3/0.6/1.2 元/秒，8月24日至9月23日开启限时7折优惠。
推荐理由：原文给出了 Wan3.0 的生成时长、文档输入能力与 API 定价，可据此判断视频生成模型在生产流程中的落地进展。
翔宇工作流AI 评分6161 阿虚原创工具实现一键上传视频并生成 Markdown 嵌入代码
阿虚开发了一款视频上传软件，可将视频一键上传到腾讯微云或飞书文档并自动生成 Markdown 嵌入代码，解决某些 AI 知识库不支持上传视频的问题。配置上微云只需在 weiyun.com/act/openclaw 登录 QQ 复制 API Key，飞书需在 open.feishu.cn/app 创建企业自建应用、开通 drive:file 权限并获取云盘文件夹 Token。
翔宇工作流精选AI 评分6969 用 updream 生成白模视频参考：AI 视频可控性实战教程与提示词分享
作者实测 B 站旗下视频创作平台 updream（updream.cn）的「预演台」功能，上传场景图即可一键生成带深度信息的 3D 白模场景并录制白模视频，作为 AI 视频生成的空间控制参考。
推荐理由：原文给出白模视频加提示词模板的可复用流程，读者可据此提升 AI 视频镜头与人物走位的控制精度。
翔宇工作流精选AI 评分7171 LibTV＋Seedance 2.5 实测：30 秒一镜到底，Vlog 真假难辨
Seedance 2.5 发布，单段视频直出时长从 15 秒翻倍至 30 秒，支持两次视频延长、最长 90 秒，参考素材上限从 12 个提升到 50 个（30 张图片＋10 段视频＋10 段音频）。
推荐理由：文章对比 Seedance 2.0 时代的长镜头拼接痛点，拆解 30 秒直出、片段重拍与智能引用如何改变 AI 视频制作流程。
翔宇工作流AI 评分6363 B 站增强油猴脚本更新至 3.15，新增弹幕下载、一键截图与字幕遮挡
阿虚在奶酪原版脚本基础上更新了 B 站功能增强油猴脚本（文中版本 3.15），新增弹幕下载（XML 或 ASS 格式）、一键截图、字幕遮挡、复制字幕等功能，并适配了稍后查看与番剧页面。功能按钮改为播放器左侧竖排显示，另提供开关面板自行启停各功能。脚本可通过 https://greasyfork.org/zh-CN/scripts/588889 安装，文中还给出多个镜像地址。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini Robotics ER 2，提升视频理解、任务编排与多机器人协作能力
Google DeepMind 发布 Gemini Robotics ER 2，作为机器人的高层大脑负责推理、规划与任务编排，并将运动执行交给底层 VLA 模型。该模型支持连续视频进度追踪、精确关键时刻识别与多机器人协作，进度分类准确率达 57.4%，关键时刻识别准确率达 91.3%。开发者现可通过 Gemini API 与 Google AI Studio 使用。
推荐理由：官方博客给出了新模型在视频理解、任务编排和多机器人协作上的能力升级与评测数据，可据此判断具身智能的落地进度。
AIGC WeeklyAI 评分4646 AIGC Weekly #181：Anthropic 发布 Claude Opus 5，Black Forest Labs 推出 Flux 3 视频模型
Anthropic 发布 Claude Opus 5，每百万 Token 输入 5 美元、输出 25 美元，Fast 模式提供 2.5 倍速度。第三方实测其任务成本比 Fable 5 低 26%，但幻觉率升至 50%，且 Anthropic 因缺席开源倡议引发争议。
科普中国 · 阿虚同学AI 评分5151 阿里云设计中心把设计师经验做成工具，40 人 3 小时拍出 AI 短片
阿里云设计中心办了一场 AI 影像创作工作坊，40 位 AI 经验参差不齐的陌生人分成 8 组，在 3 小时内各自产出短片片段，最终串联成完整影片《门缝另一边》。
科普中国 · 阿虚同学AI 评分3838 诸器皆往，唯心抵远——2026 D20 阿里云分论坛开场视频创作分享
阿里云设计中心与安克创新在 2026 D20 全球院长峰会阿里云 VIBE DESIGN 分论坛上联合出品 AIGC 创意影片《初心的旅程》。影片以一位设计师的成长为主线，串联手绘、数字软件、云计算与 AI 协同四个时代，并基于阿里一站式 AI 视频生成平台"万镜一刻"完成创作。现场借助 8 台 Nebula Cosmos 4K SE 投影与主屏幕实时联动，呈现裸眼 3D 沉浸式体验。
十字路口 CrossingAI 评分6161 生数科技张金涛聊 Vidu S1：推理加速与实时交互视频
生数科技张金涛带队发布实时交互视频模型 Vidu S1，生成速度超过播放速度并支持无限时长，可在消费级显卡上实现 540P、25–42 FPS。他在播客中梳理了从 SageAttention、TurboDiffusion 到 TurboServe 的三层加速路线，其中模型层通过步数蒸馏和稀疏 Attention 把 Diffusion 去噪从约 50 步降到 4 步。
Google DeepMind精选AI 评分8181 Google DeepMind 发布 Gemini Omni Flash 模型
Google DeepMind 发布 Gemini Omni 系列首款模型 Gemini Omni Flash，支持将图像、音频、视频和文本组合作为输入生成高质量视频。
推荐理由：原文给出了 Gemini Omni Flash 的多模态输入与对话式编辑能力，读者可据此判断其视频生成工作流的变化。
OpenAI NewsAI 评分3030 Descript 如何工程化实现大规模多语言视频配音
Descript 借助 OpenAI 推理模型实现了大型内容库的自动本地化。该方案在不丢失时间轴与语义的前提下，完成大规模的多语言视频配音。
枫言枫语AI 评分2525 Vol. 162 科技快乐星球 44：新模型「SOTA 们」齐贺新春
本期汇总春节前国内外大模型动态：Xcode 26.3 带来 Agentic Coding 功能，Opus 4.6 与 GPT 5.3 Codex 迎来更新。亚马逊披露持有 Anthropic 价值 600 亿美元股权，xAI 计划在 30 个月内将 AI 计算中心部署到太空。
OpenAI NewsAI 评分2222 Sora 信息流的设计理念
Sora 信息流以激发创意与促进连接为设计理念，并借助个性化推荐、家长控制和强有力安全护栏保障体验安全。
AIGC WeeklyAI 评分3030 AIGC Weekly #157：谷歌开放 Genie 3 试用，MoltBook 爆火暴露 Agent 安全隐患
谷歌开放世界模型 Genie 3 的测试应用 Project Genie，该平台由 Gemini 3、Nano Banana Pro 和 Genie 3 驱动，能以 24 帧每秒生成 720P 可交互世界。