跳到正文
8月6日周四
8月5日周三
  1. 字节 Seed:Research Feed78

    字节 Seed 发布 SeedRealtime 音视频全双工大模型,走向全模态自然交互

    字节 Seed 发布 SeedRealtime,用统一架构原生融合音频、视频与文本,实现“边看、边听、边说”的实时交互。相比级联模型,其音视频对话节奏问题减少一半,并已在豆包 App 全量上线,率先实现音视频全双工技术的规模化落地。

    推荐理由:SeedRealtime 将音视频感知与表达统一到同一端到端模型中,级联系统常见的说话节奏问题减少了一半,实时场景中能主动提醒并自然停顿,为全模态智能助手交互提供了新的技术路线。

  2. IT之家·人工智能52

    京东开源自研实时流式视频编辑模型 JoyAI-Video-Edit,支持“边播边改”

    京东今日开源自研实时流式视频编辑模型 JoyAI-Video-Edit,支持用户一边观看视频一边修改人物与场景。该模型基于全自研 JoyAI-Video 模型,在 720P 分辨率下实现每秒 30 帧的模型推理速度,并支持任意时长的稳定流式编辑。在 OpenVE-Bench 通用评测中,模型超越目前所有流式编辑方法,全局风格、局部替换等任务优势突出。

  3. Simon Willison 博客74

    MiniMax-H3 通过 MLX 移植可在 Apple Silicon 上运行

    MiniMax 发布 MiniMax-H3,一个可接受文本、图像、音频和视频并生成最长 15 秒带音频视频片段的通用全模态生成系统。Python 包 PipeNetwork/minimax-h3-mlx 将其移植到 MLX,支持 Apple Silicon 运行。作者在 M5 Max MacBook Pro 上实测,下载约 115 GB 模型文件,视频生成耗时不到 45 分钟。

    推荐理由:在 M5 Max 上生成本地视频的 45 分钟耗时,为判断这类模型何时能进入日常工作流提供了具体的参照。

  4. OpenRouter66

    @bfl_ai 的 FLUX 3 Video 现已在 OpenRouter 上向所有人开放。 一个统一的视频、音频、图像和动作预测多模态模型家族。严肃、有趣、创意、真实、电影感,随你所需。基于统一架构联合训练。

    推荐理由:联合训练的统一架构下,视频生成与图像、音频共享基础能力,跨模态创作的结果可能更连贯,改变了单独优化各模态的传统思路。

8月4日周二
  1. 公众号:生数科技56

    Vidu 一键 MV 重磅升级:四大创作链路覆盖对口型唱、舞蹈演绎与剧情演绎

    Vidu 一键 MV 全面升级,推出对口型唱、演唱穿插、舞蹈演绎、剧情演绎四大创作链路,覆盖音乐 MV 主流内容形态。用户上传图片和音乐即可生成口型、动作、表情、镜头与剧情,支持 720P 生成。对口型唱、演唱穿插、舞蹈演绎模式每秒 0.75 元,剧情演绎每秒 0.65 元。

  2. MiniMax (official)48

    MiniMax H3在Video Arena和Artificial Analysis基准中成为SOTA开源视频生成模型,在文生视频和图生视频两项均排名第一。其得分较第二名开源模型hunyuan-video-1.5高出280分,图生视频得分1476,仅比Dreamina Seedance-2.0低2分。

    引用Arena.ai@arena

    Big news: MiniMax-H3 by @MiniMax_AI is now the #1 open model in Video Arena: across both Text-to-Video and Image-to-Video. This is +280pts over the next best open model, hunyuan-video-1.5, and a huge improvement from Hailuo-2.3 at #27 (1199 pts) and Hailuo-02-pro at #28 (1197 pts). In Image-to-Video specifically, it scored 1476 pts, just 2 pts away from Dreamina Seedance-2.0 (1478), making it tied for#1 overall! Learn more about how MiniMax-H3 performed in Text-to-Video Arena in thread.

  3. Runway:News56

    Paramount CTO Phil Wiser:AI 属于史上最伟大技术趋势,但“iPhone 时刻”尚未到来

    Paramount 首席技术官 Phil Wiser 认为 AI 应跻身人类史上最伟大技术趋势前五,其影响堪比火的使用。他主张等待依赖条件成熟、以“aha 时刻”引导采用,而非以技术为先导;并警告行业巨头过度分析将错失窗口期,这一窗口可能仅 5 至 10 年。Paramount 两年前已通过 Runway 向全员开放 AI 工具,并以业务成果而非 token 消耗量衡量成效。

  4. Runway:News53

    Netflix 与 FutureCel 高管:AI 是工具,故事才是目的

    Netflix 创意创新总监 Girish Balakrishnan 与 FutureCel 创始人 Joel Kuwahara 一致认为,AI 是服务故事的工具。Netflix 用生成式工具为《Brazil '70》重现 1970 世界杯满场观众,保留原本会被剪掉的镜头;Kuwahara 则强调 AI 带来更多迭代机会,但最终仍取决于艺术家的技艺与视野。

8月3日周一
  1. IT之家·人工智能44

    小米通报:两网友用 AI 生成虚假车祸视频抹黑小米汽车,被行政拘留 7 日、行政罚款

    小米通报,网友“旧 ** 口”长期用 AI 生成虚假车祸视频抹黑小米汽车产品商誉、侮辱高管,被行政拘留 7 日并删除所有侵权链接;网友“花 ** 车”同类行为被行政罚款并删除侵权链接。小米感谢公安机关秉公执法,称将坚决用法律武器打击 AI 造谣。小米集团公关部总经理徐洁云回应称“AI 是好技术,但别用错地方”。

  2. MiniMax (official)67

    MiniMax H3 权重正式开源,并在发布当天(Day 0)原生集成到 ComfyUI,支持文本生视频、图像生视频、首尾帧控制、参考视频及就地编辑五种工作流。H3 以多模态上下文理解为核心,可同时处理图像、音频和视频,并依据提示词解析其关联。

    引用ComfyUI@ComfyUI

    MiniMax H3 is native in ComfyUI, day zero with the weights. Model highlights: → Text-to-video, prompt only → Image-to-video → First-and-last-frame - control the opening frame, the closing frame, or both → Reference-to-video - carry a subject, a motion, or a voice through the clip → In-place editing - modify a shot you already have instead of regenerating it The capability @MiniMax_AI leads with is multimodal context understanding, and it's what collapses those five tasks into one model. H3 takes images, audio, and video together and resolves them against a prompt that explains how they relate. Download the workflows & learn more in our blog 👇

  3. 公众号:MiniMax75

    MiniMax H3 正式开源:通用全模态生成系统支持 2K 视频与原生立体声

    MiniMax 正式开源新一代通用视频模型 H3,可统一理解文本、图像、视频和音频,生成最高 2K 分辨率、最长 15 秒、带 32 kHz 原生立体声音频的视频。

    推荐理由:与多数开源视频模型不同,H3 原生支持同步生成立体声音频,且通过上下文再生成实现 2K 分辨率,为音视频生成应用提供了更完整的开源基座。

8月2日周日
  1. 公众号:卡尔的AI沃茨72

    实测MiniMax H3做后期和动效:视频届的审美王来了

    MiniMax H3视频模型实测覆盖广告TVC、短剧、创意片头、动态海报、UI动效和游戏实机六类场景,可生成5-15秒视频、原生双声道、直出2K,一次最多放9张图、3段视频和3段音频,提示语最高支持7000字符。

    推荐理由:多个场景测试显示 H3 在动态文字稳定性和动效克制上表现突出,提供的提示语结构可直接用于 UI、游戏宣传片等需要文字控制的视频生成。

  2. IT之家·人工智能51

    Snapchat 更新 Spotlight 推荐算法,完全由 AI 生成的视频将不再被推荐

    Snapchat 本周五(7 月 31 日)宣布更新 Spotlight(聚光灯)推荐算法,即日起完全由 AI 生成的视频将不会被该版块算法推荐,以鼓励原创、真实、有价值的视频内容。创作者仍可使用 Snapchat AI 工具编辑或增强内容,并为 AI 内容打上相应标记,这类视频不会被算法忽略。

  3. The Decoder:AI News51

    Snap 和 LinkedIn 反击低质量 AI 内容洪流

    Snap 本月起将完全由 AI 生成的视频移出 Spotlight 推荐,以聚焦“真实用户的真实创意”;使用 Snapchat 自家 AI 工具编辑的视频仍可推荐,但需附带透明度标签。LinkedIn 则推出专门的“AI 垃圾内容”举报按钮,独立于常规低质内容举报系统。一项 Kapwing 研究显示,21% 的 YouTube Shorts 已由 AI 生成。

  4. MiniMax (official)48

    MiniMax 宣布其视频生成模型 H3 即将开源(open weights)。有用户反馈,H3 生成视频的质量和数量均优于 2.5 版本,且成本更低、推理速度更快、自定义音频上传功能正常。该用户认为,在创意工具领域,成本与速度最终将决定胜负,规模化后有望实现无限生成。

    引用𝔹𝕃𝕍ℂ𝕂𝕃!𝔾ℍ𝕋@BLVCKLIGHTai

    I’m seeing way better videos coming from H3 than 2.5 on the timeline. And more of them. I think cost is a big part of it, plus the speed of inference, and custom audio uploads working as intended. My thesis holds still that at a certain point unless you are actually fixing the pressure points creatives have with your tools, cost and speed are going to win. Unlimited generations are NOT a pipe team. It all comes down to hourly costs divided by users. At some point if you can scale you’ll run at a surplus and can run unlimited.

8月1日周六
  1. IT之家·人工智能55

    爱奇艺公布 10 部 AIGC 电影进入成片制作阶段,鲍德熹负责指导

    爱奇艺7月31日宣布“鲍德熹·爱奇艺电影剧场”最终晋级名单,10部题材各异的AIGC华语商业电影项目从路演中脱颖而出,正式进入开发阶段。晋级项目覆盖科幻、冒险、动作、悬疑、女性成长、情感、动画、奇幻、惊悚、喜剧等多元题材,主创团队将获得鲍德熹全流程指导、纳逗Pro专业级影视制作平台全链路支持及爱奇艺平台投资宣发支持,以完成60分钟以上电影成片创作。

  2. MiniMax (official)60

    MiniMax 发布开源权重视频模型 H3,在 Artificial Analysis 视频编辑榜登顶,文本生视频排名第二、图像生视频排名第三。H3 支持文本、图像、视频、音频统一输入,原生生成 2K 24fps 5-15 秒带立体声片段,定价每分钟 2K 视频 $7.80,远低于 Seedance 2.0 的 $22.45 和 Kling 3.0 的 $20.16。

    引用MTS@MTSlive

    SITUATION EXPLAINED: MiniMax released H3 with open weights, and it's already #1 in video editing. • Priced at $7.80 per minute of 2K video, against Seedance 2.0 at $22.45 and Kling 3.0 at $20.16 • It ranks #1 on Artificial Analysis for video editing, #2 for text-to-video behind Gemini Omni Flash, and #3 for image-to-video • H3 takes text, images, video, and audio in a single context and generates 5-15 second clips at native 2K, 24fps, with native stereo audio • MiniMax is releasing the weights under its Community License within days, which would make it the strongest open-weights video model by a wide margin • It launched the same week ByteDance rolled out Seedance 2.5, which now generates 30-second 4K video from a single prompt • Seedance 2.5's face consistency across a full 30 seconds is the visible jump, earlier models drifted into a different face partway through • Voices are still the obvious tell, the video reads as real long before the audio does • Smaller labs building purpose-built video models are now beating frontier labs at this specific task @theojaffee: "This is gonna be one of the biggest examples of things that people are gonna do with these models, historical simulations, basically. Nostalgia videos for zoomers."

  3. MiniMax (official)68

    MiniMax H3 现已在 OpenArt 上线,支持 2K 分辨率视频与原生音频生成,可生成 5 至 15 秒片段。该模型支持文本、图像和音频生成视频,并支持起始帧、结束帧及参考图像。OpenArt 的 Wonder 用户可免费无限使用 H3 至 8 月 5 日,开源权重即将发布。

    引用OpenArt@openart_ai

    MiniMax H3 is live on OpenArt 🔊 @MiniMax_AI • 2K video with native audio built right in • 5 to 15 second clips • Text, image, and audio to video • Start frame, end frame, and reference image support • Wonder users get unlimited H3 until August 05. Terms & conditions apply. Try it now: http://openart.ai/suite/create-video/minimax-h3

  4. MiniMax (official)63

    MiniMax H3 现已上线 Leonardo.ai,可从单条片段直接生成带声音、角色和创意意图的成片。H3 为轻量级全模态模型,支持从参考图锁定角色与声音,适用于广告、电商、游戏及 UI 等商业级场景。开放权重即将发布。

    引用Leonardo.Ai@LeonardoAi

    MiniMax H3 is on Leonardo. Most video models give you a clip. H3 gives you the clip and the soundtrack — with your character and voice locked in from refs. Expect: - Commercial-grade quality across ads, e-commerce, gaming & UI - Best value in its class - One lightweight model, fully multimodal Built for one-shot finished content: brand teasers, product videos, fashion films, talking characters

7月31日周五
  1. 公众号:卡尔的AI沃茨69

    Seedance 2.5 全面测评:单次直出 30 秒视频,小云雀角色库扩至约 7000 个

    Seedance 2.5 单次直出视频时长从 15 秒延长至 30 秒,参考素材数量升至 50 个,生成后可在小云雀继续延长两次,最长做到 90 秒。新功能包括片段重拍、白模参考生成视频,角色库扩至约 7000 个角色。首发期(31 号到 6 号)上线超级会员,价格与 2.0 基本持平,最低约 1 秒 14 积分。