Kling AI@Kling_aiAI 评分6060#视频
- Kling AI@Kling_aiAI 评分6060
ViggleAI@ViggleAI精选AI 评分7575动作捕捉和角色动画制作从未如此简单。 持续构建，更多功能即将推出！
引用PINOC@Viggle_PINOCPINOC 功能演示：🧵 1. 上传一段动作视频，即可获得干净的骨骼动画。导出为 .fbx/.glb，可直接用于 Blender/Maya/Unreal 或你工作流中的其他 3D 软件。 无需动捕服。完全免费。 角色与场景渲染由 @playcanvas 构建
推荐理由：Viggle 把视频转骨骼动画这件事做到了零成本，无动捕设备、直接导出 FBX，对独立动画师和小团队挺友好，值得试试看。
PixVerse@PixVerse_AI 评分5151从分镜到电影感短片： 一只柯基独处的一天，由Pixverse使用GPT Image 2 × Seedance 2.0实现 转发 + 关注 + 回复 = 工作流
IT之家·人工智能AI 评分7070 美团开源 LongCat-Video-Avatar 1.5：数字人视频从“彩排”走向“真舞台”，生成 10 秒视频仅需 1 分钟
美团技术团队开源了数字人视频生成模型 LongCat-Video-Avatar 1.5。该版本在唇形同步、物理合理性、长视频稳定性和多人互动方面全面升级，支持复杂语音输入与多种主体。通过 DMD 蒸馏技术，推理效率提升约 15 倍，生成 10 秒视频仅需约 1 分钟。在性能评测中，模型在四个关键维度表现领先，用户偏好对比中胜率均超 54%，旨在推动数字人视频从技术演示走向商业应用。
公众号：龙猫LongCat精选AI 评分8888 LongCat-Video-Avatar 1.5 正式开源
美团正式开源 LongCat-Video-Avatar 1.5，在唇形同步、物理合理性、长视频稳定性、多人互动和高效推理上实现全面跃升。该模型采用 DMD 蒸馏将生成步骤压缩至 8 步，推理效率提升约 15 倍，生成 10 秒视频仅需约 1 分钟；Wav2Vec2 升级为 Whisper-large，并引入 GRPO 逐帧偏好对齐优化手部稳定性。
推荐理由：开源数字人模型首次在多人场景区分、长视频稳定性和推理效率上同时达到商业产品水平，评测透明度高。
公众号：龙猫LongCatAI 评分5454 从高拟真到真可用，LongCat-Video-Avatar 1.5 正式开源
美团技术团队正式开源 LongCat-Video-Avatar 1.5，该版本从高拟真走向真可用，将视频头像生成从室内彩排演练推向千人千面的真实应用场景。
公众号：龙猫LongCat精选AI 评分7878 美团开源 LongCat-Video-Avatar 1.5：数字人视频生成效率提升 15 倍
美团正式开源 LongCat-Video-Avatar 1.5 数字人视频模型。该版本在唇形同步、物理合理性及长视频稳定性上实现跃升，支持真人、动漫等多类主体及多人互动场景。技术层面，采用 Whisper-large 提取音频特征，引入 GRPO 进行人类偏好对齐以优化手部与动作连续性；推理端通过 DMD 蒸馏将生成步数从 50 压缩至 8，结合共享基础模型加 LoRA 适配器方案，使推理效率提升约 15 倍（10 秒视频仅需约 1 分钟）。评测显示其在自然度与稳定性方面优于部分闭源商业模型。
推荐理由：头部大厂开源的高性能数字人模型，显著降低商用门槛。其“15 倍提速”与“多场景泛化”能力为开发者提供了极具竞争力的基座，适合关注 AI 视频生成落地与成本优化的读者。
Runway：News精选AI 评分7474 Runway发布Aleph 2.0视频编辑模型及Edit Studio应用
Runway于2026年5月21日发布了视频编辑模型Aleph 2.0及其新产品Edit Studio。Aleph 2.0支持编辑最长30秒的1080p视频，具备精准局部编辑能力，可只改变指定内容而完全保留原视频其余部分。该模型引入了基于单帧图像的精确控制，并支持一次性跨多个镜头应用编辑。Edit Studio是基于这些新能力构建的应用，旨在帮助用户高效地将现有视频素材转化为所需版本，例如更换产品、调整背景或修复拍摄瑕疵。该功能现已向所有付费Runway桌面网页端用户开放，使用优惠码可享受套餐折扣。
推荐理由：精准局部编辑是过去一年 AI 视频工具最大的短板，Aleph 2.0 把这事做对了，预览控制加多镜头编辑让商业视频迭代成本大幅下降。
The Verge：AIAI 评分5353 AI视频技术正在超越低质片段阶段
社交媒体上流传好莱坞将被AI取代的论调，以Daniel Craig骑Vespa、哥斯拉大战金刚等AI生成的短视频为例。然而，这类低成本片段短期内无法替代电影大片。真正值得关注的是，新一代AI视频解决方案正开始改变影视工作室的工作流程。Luma与Wonder Project合作成立新制作公司Innovative Dreams，标志着行业从生成简单片段转向更复杂、可控的影视制作流程，预示着AI视频技术正进入更成熟、更具实用性的新阶段。
IT之家·人工智能AI 评分4545 剪映国际版与谷歌合作，CapCut 编辑功能将集成到 Gemini 应用
剪映国际版CapCut宣布与谷歌Gemini展开合作。CapCut的图像和视频编辑功能将集成到Gemini应用中，用户可直接在应用内调用相关工具进行创作。官方称，此举旨在实现更智能、无缝且对话化的未来创作体验。这是双方继去年测试Google Photos与CapCut互通功能后的再次合作。
IT之家·人工智能AI 评分5353 谷歌 Beam 扩展群组会议能力：真人比例“入座”，自动优化音画表现
谷歌在2026年I/O开发者大会上升级3D视频会议平台Google Beam，新增面向群组会议的实验功能。该功能利用AI体积视频模型，从不同视角生成更有纵深感的画面，使参与者呈现接近真人大小的3D形态，并配对空间音频让声音从说话者位置传出。系统自动将2D视频流渲染成围坐一桌的视觉效果，增强“存在感”，而非Beam设备如MacBook或Windows笔记本仍以2D形式接入。
IT之家·人工智能AI 评分6565 字节火山引擎火山剧创 1.0 正式上线，短剧制作周期缩短 80% 以上
字节跳动旗下火山引擎正式上线了一站式AIGC短剧创作平台——火山剧创1.0。该平台深度适配自研模型，依托多智能体架构，可提供从剧本解析到成片预览的端到端智能解决方案，号称将短剧制作周期缩短80%以上，并实现“导演级控片”能力。平台在每个核心环节均向用户开放编辑权限，确保创作控制权。此次升级还新增了企业级协作功能，包括提示词编辑、IP资产库完善及团队积分管理。
MarkTechPostAI 评分6363 一个模型，三种模态：字节跳动发布 Lance 用于图像与视频的理解、生成和编辑
字节跳动智能创作实验室发布了Lance，这是一款开源的原生统一多模态模型。它能够在单一框架内，同时处理图像与视频的理解、生成和编辑三大任务。该模型仅需激活30亿参数，实现了用一个轻量级模型统一处理多种视觉内容创作与理解的需求。
公众号：京东JoyAIAI 评分4949 京东数字人核心能力升级
京东数字人近日完成核心能力升级，从“会播、会答”的数字主播进化为面向直播经营全链路的智能增长中枢，帮助商家以更低成本打造接近真人头部达播效果的直播间。已累计服务超7万商家，2026年一季度开播量同比激增10倍。该产品为京东自研AI，曾获2024年吴文俊奖，实现长时长、自由态、高频互动，推出采销东哥、总裁、明星及IP数字人。
公众号：火山引擎AI 评分4242 火山剧创1.0上线：重塑短剧工业化流程，制作周期缩短80%
火山剧创1.0正式发布，旨在重塑短剧工业化生产流程。该产品将短剧制作周期缩短80%，通过标准化、自动化工具链提升效率，降低门槛。火山引擎依托自身技术积累，为短剧行业提供从创意到成片的一站式解决方案。
Google Gemini@GeminiApp精选AI 评分7272使用Gemini Omni创建、混剪和编辑视频比以往任何时候都更容易。 它提供了一种流畅的对话式创作和编辑方式。只需从相册上传视频，并让Gemini进行修改即可。
推荐理由：Gemini Omni把视频编辑做成了对话，虽然不算革命性更新，但对随手剪片的普通人来说，不用学剪辑软件就是最大的可用性。
The Verge：AIAI 评分6060 你现在可以用AI混剪别人的YouTube Shorts了
Google为YouTube Shorts推出了一项基于Gemini Omni的AI混剪功能。用户可在短视频界面点击“Remix”并选择“reimagine”选项，通过输入文字提示，将原视频转换为像素艺术、动漫或恐怖片风格，还能通过AI调整内容，例如替换服装、插入背景人物甚至将自己合成进视频。该功能允许创作者自主选择开启或关闭其视频的混剪权限。
IT之家·人工智能AI 评分6767 全球首部 95 分钟 AI 长片将在戛纳电影节首映，由字节跳动 Seedance 2.0 生成
5月19日，字节跳动旗下火山引擎在戛纳电影节展示了视频生成模型Seedance 2.0。该技术已获OutpostVFX、WPP等国际企业接入应用。期间将展映8部AI影片，其中包括全球首部95分钟AI长片《HELLGRIND》。该片由15人团队在14天内以不到50万美元成本完成，仅为传统同级影片制作成本的1%。此外，导演吕克·贝松的工作室宣布将使用Seedance 2.0打造其首部AI动画电影。
- PixVerse@PixVerse_AI 评分6262引用madpencil_@madpencil_
It was fun trying to get this... ideating with AI and and crafting the prompt. Ref images + the Prompt. 🙌😅 { "title":"Soccer Match Selfie Video", "style":"Ultra realistic smartphone selfie footage, documentary realism, authentic human interaction, natural imperfections, NOT polished commercial footage.", "character_consistency":"Use ALL FIVE attached character refs exactly throughout the video. Preserve accurate face, hairstyle, age, skin tone, freckles, glasses, sideburns, ethnicity, smile shape, and clothing style.", "characters":[ "South Asian male, curly dark hair, black round glasses, trimmed beard, oversized dark sweatshirt.", "East Asian female, long straight black hair, freckles, pastel casual outfit.", "White middle-aged businessman, short brown hair, receding hairline, navy casual jacket.", "White rugged male, thick dark hair, dramatic sideburns, black bomber jacket.", "White woman, shoulder-length brown hair, cheerful smile, black casual outfit." ], "environment":"Huge modern soccer stadium at night, bright floodlights, LED scoreboard glow, cheering crowd, green football pitch visible.", "camera":"Front-facing smartphone camera, handheld shaky motion, wide-angle selfie distortion, autofocus hunting, motion blur, exposure changes, cropped faces, imperfect framing.", "actions":[ "calm pre-game selfie", "laughing together", "singing chants", "near-goal anticipation", "dramatic reactions", "goal celebration", "jumping and screaming", "happy exhausted ending selfie" ], "behavior":{ "south_asian_male":"holds phone and reframes constantly", "east_asian_female":"warm natural smile and laughter", "businessman":"calm then emotional", "rugged_male":"intense dramatic reactions", "white_woman":"points excitedly toward field and camera" }, "wardrobe":"hoodies, soccer scarves, oversized sweaters, windbreakers, casual jackets, dark streetwear.", "prompt":"Ultra-realistic handheld selfie video of five friends attending a packed nighttime soccer match. The South Asian man films with a smartphone while all five crowd naturally into frame. They laugh, chant, joke, react to near goals, scream after scoring, wave scarves, bounce with the crowd, and celebrate wildly together. Realistic stadium lighting, social-media-style footage, immersive sports atmosphere, authentic candid energy." }
IT之家·人工智能AI 评分6262 曝字节 Seedance 2.1 模型即将发布，系列已狂揽 AI 视频生成 80% 算力消耗
字节跳动即将发布AI视频生成模型Seedance 2.1，其生成质量较当前2.0版本提升约20%，改进重点在于提升视频时间一致性与物理场景模拟效果。该模型预计将整合至剪映等字节系内容创作工具中。目前，Seedance系列已占据AI视频生成领域日均超80%的算力消耗份额，主要竞争对手包括可灵与万相。与此同时，谷歌于近期大会发布了Gemini Omni模型，加剧了该领域的竞争。
- Google Gemini@GeminiAppAI 评分6161
使用Gemini Omni，你可以用自己的声音和形象创建数字分身视频。 当你创建一个数字分身后，你就拥有了自己的AI数字版本，可以轻松生成外观和声音都像你的视频，无需每次都上传你的图像。
Demis Hassabis@demishassabisAI 评分7979
Google AI@GoogleAIAI 评分7474到现在，你可能已经听说了 Gemini Omni，这是我们新推出的模型，旨在从任意输入（从视频开始）创造任何内容。 但……这有什么大不了的？ 让我们来分解一下 🧵👇
- Google Gemini@GeminiAppAI 评分8181
IT之家·人工智能AI 评分5454 谷歌升级 AI 创意平台 Flow：增强视频编辑，Agent 辅助头脑风暴等
谷歌在2026年I/O大会上宣布升级AI创意平台Flow，重点整合Gemini Omni Flash模型，显著提升视频编辑精度和多镜头角色一致性。同时推出Flow Agent，能辅助头脑风暴、内容生成与批量编辑。此外还新增了自然语言定制工具的Flow Tools和支持分段编辑的Flow Music功能。目前Flow已覆盖全球140多个国家和地区。
Google DeepMind@GoogleDeepMind精选AI 评分7272
推荐理由：Google Flow 终于把批量编辑和角色一致性拉上来了，对做视频内容的人能省不少事，虽然不算颠覆性的代际更新，但实用度提升明显。
IT之家·人工智能AI 评分7777 谷歌 Gemini Omni 全能模型发布：可从任意输入生成任意输出，一句话让 AI 修改视频
在2026年谷歌I/O开发者大会上，谷歌正式推出Gemini Omni模型。该模型代表了Gemini家族迄今最全面的能力，“Omni”意为全能，能够无缝处理文本、图像、音频和视频等多种信息模态，实现“从任何输入生成任何输出”。其核心亮点在于支持对话式编辑，用户可通过自然语言指令轻松修改视频元素。同时，谷歌发布了首款衍生模型Gemini Omni Flash，现已在Gemini App、Google Flow和YouTube Shorts中可用，后续将提供API服务。
Google DeepMind：Blog精选AI 评分8383 推出Gemini Omni多模态AI模型
谷歌推出原生多模态AI模型Gemini Omni，能够整合视频、图像、音频和文本等多种输入，生成高质量视频内容。其核心能力是通过自然语言对话进行视频编辑，并能保持角色一致性、物理规律与场景连贯性。首个模型Gemini Omni Flash已上线，未来将支持图像和音频输出。Gemini Omni结合了对物理世界的直觉理解与丰富的知识库，支持从写实到叙事的创意生成，并可通过多轮对话持续编辑视频，而不丢失原始场景上下文。
推荐理由：Gemini Omni 把视频生成从画面堆砌推到了物理世界叙事，多轮自然语言编辑和世界知识融合是真正的代际升级，做视频内容的该重新理解工具的定义了。
- Google DeepMind@GoogleDeepMindAI 评分7878
我们推出Gemini Omni：这是迈向一个能从任何内容生成任何内容的模型的第一步——从视频开始。 它结合了Gemini的智能与我们的生成式媒体系统——代表了在世界理解、多模态和编辑方面的飞跃🧵
IT之家·人工智能AI 评分5151 苹果收购虚拟形象软件公司 Animato，有望优化 Vision Pro Persona 功能
苹果公司收购了专注于虚拟形象技术的初创公司 Animato。该公司由前苹果计算机视觉团队工程师弗朗切斯科·罗西于2022年10月创立，主要开发适用于视频通话场景的虚拟形象软件。此次收购于2026年1月19日依据欧盟《数字市场法案》完成报备并被披露，旨在增强苹果 Vision Pro 头显的虚拟人像（Persona）功能，进一步布局人工智能与图像视觉领域。
Hugging Face 社区博客精选AI 评分6767 NVIDIA Cosmos Predict 2.5 微调：使用 LoRA/DoRA 生成机器人视频
NVIDIA Cosmos Predict 2.5 是一个 2B 参数的世界模型，可根据文本、图像或视频片段生成物理合理的视频。通过 LoRA 或 DoRA 在 DiT 的注意力层（to_q, to_k, to_v, to_out.0）和前馈层注入可训练适配器，冻结全部基座权重，在单个 80GB GPU 上即可完成参数高效微调，避免了全量微调的高成本与灾难性遗忘。该流程使用 diffusers 和 accelerate 库，利用 92 个机器人操作视频训练集与 50 个 (prompt， image) 测试对进行微调，并展示如何用微调模型生成合成机器人轨迹以支持下游机器人学习任务。支持单 GPU 与多 GPU 训练，切换不同领域适配器无需重训。
推荐理由：这篇教程把微调Cosmos Predict 2.5的方法从头到尾讲清楚了，做机器人合成数据的同行可以直接抄作业，LoRA/DoRA切换也很方便，值得收藏。
