字节近期完成剪映内部业务整合，将AI短剧创作平台小云雀并入智能创作平台即梦，小云雀仍保留独立入口。即梦已接入小云雀短剧相关能力，运营改由即梦运营和市场负责人陈欣然负责，产品团队保持不变。此次调整主要是资源整合，背景包括增长空间受限以及大厂重新评估AI应用优先级；即梦已缩减App端投入并推动App与Web端合并，后续将集中专业创作者Web端并加大海外版Dreamina投入及商业化。
推荐理由：文章披露小云雀并入即梦后的资源与运营变化，并梳理增长承压和模型能力提升对字节AI应用布局的影响。
腾讯混元发布 Hy-Nomas，一款通过文本指令与镜头控制实现自由形式多轮交互的视频世界生成模型，并提供 BF16 Diffusers 权重。模型采用分段自回归 DiT、Qwen 文本编码器和 PixelUMM 视频解码器，以 KV cache 延续上下文；示例使用 4 步去噪，输出 704 × 1280、24 FPS。
推荐理由：模型卡同时给出交互机制、推理参数与基准覆盖，开发者可据此复现多轮视频世界生成，并评估交互控制与空间记忆表现。
博纳在AI短剧、AI明星电影和AI原生院线电影上的三次尝试，被作者认为都未跑通可持续的商业模式。《三星堆：未来往事》被称为国内首部获得公映许可证的AI原生院线电影，首日票房30万元，与其宣称的千万级成本仍有距离。成本3.3亿元的《传奇》最终票房约8000万元，亏损超2.5亿元；AI短剧《三星堆：未来启示录》抖音播放超2亿，但未沉淀工业化产能。
推荐理由：文章用票房、成本与短剧市场窗口横向复盘博纳三次AI尝试，呈现传统大片经验迁移到AI影视时的失效环节。
博纳影业历时两年多完成100分钟AI超写实长片《三星堆：未来往事》，成为国内首部取得公映许可证并进入院线的AI长片。团队先以短剧《三星堆：未来启示录》测试市场，短剧获得超2亿点击；长片由七八十人制作，总投资在千万元以上，并因新模型发布多次重做镜头。影片放弃传统实拍和为虚拟角色垫真人脸，在虚拟空间生成超写实纯数字人；团队还以大银幕放大检查掉帧、声画不同步等细节问题。
推荐理由：文章借制作方复盘说明百分钟 AI 电影并非一键生成，呈现跨学科团队、反复重做镜头与大银幕质检的实际门槛。
AV-FABLE提出面向长视频稀疏篡改的双时间线音视频取证基准，并以NFSR通过分离的音频与视觉时间解码器读取冻结AV-LLM特征。基准包含 16,650 对原始与篡改孪生视频，共 998 小时和 27 种编辑配置，支持音频与视觉的独立时间定位。
推荐理由：AV-FABLE对比零样本提示与冻结特征读出，展示分离时间解码器在长视频音视频篡改定位上的取证优势。
AnyGameRenderer 将 AI 智能体制作的低质量游戏视频转换为高质量画面，并保持布局、镜头及实体位置与时序一致。模型通过 LoRA 微调 33B 的 MiniMax-H3 ref2va 实现，训练数据来自 38 款 AI 智能体制作游戏、Unreal Engine 渲染和真实游戏录像，兼容灰盒、彩色几何体、语义图与线框输入。
推荐理由：论文同时披露模型训练数据、输入形式和实体级基准结果，为评估视频生成模型能否保持动态场景实体对应提供参照。
FilmFlow 将自然语言指令或参考视频转换为动态 3D 场景中的可执行相机轨迹。Director 智能体组合平移、旋转和构图等原子操作，Interpreter、Scout、Critic 分别解析意图、选择初始视角并提供迭代反馈。
推荐理由：FilmFlow 将导演、意图解析、勘景和审片四类智能体串联，并以 150 个 Blender 场景的 CinemaBench 覆盖文本与视频参考两种生成方式。
昆仑万维旗下 AI 视频创作平台 SkyProduction（天工工作台）近日接入可灵 AI 视频生成模型 Kling 4.0。Kling 4.0 是可灵推出的新一代原生多模态 AI 视频创作大模型，在视听表现、创作可控性、叙事连贯性及多元内容生成等方面实现升级，并将丰富 SkyProduction 的视频模型选择。
推荐理由：Kling 4.0 接入后，SkyProduction 增加了视频生成模型选择，原文还给出了可灵此次强调的视听表现、可控性和叙事连贯性升级方向。
国内AI艺人正沿AI短剧衍生和原生艺人两条路径，通过独立账号、品牌共创与线下演出探索商业化，但仍未形成可复制、可持续的盈利模式。方桃子截至10月22日拥有55.8万抖音粉丝，单条商单报价一度达25.8万元/60秒，但报价并非真实成交价，首条美瞳广告下架后团队称将暂时拒绝商务合作。Yuri尤栗、吴爱花等已有品牌合作，但大众影响力、持续内容产出、运营成本，以及广告真实性、版权和授权机制仍制约收入兑现。
推荐理由：文章借方桃子的报价与广告合作案例，拆解粉丝数、名义报价和关联商品销售额不能直接代表AI艺人盈利能力。
研究者提出 OmniDR-Bench 和技能工作流，用于评测智能体围绕视频综合外部证据并生成关联视频时刻的交互式报告。该基准包含 19 个现实子类别、50 个中英文任务和 6,414 条标准，并以 Omni-ARTs 评估 18 种智能体配置；最佳系统得分 63.3/100。
推荐理由：该基准将视频定位、外部多模态证据检索与交互式报告纳入统一评测，并呈现智能体在覆盖范围和跨模态分析上的能力差距。
Verus-Insight 通过检查规划、证据验证和证据聚合训练 AI 生成视频伪影检测器，并采用人工锚定的全流程监督与渐进能力训练。论文还提出带有人工标注可感知伪影的 Verus-Bench；多基准实验显示，该方法在细粒度伪影分析和视频级检测中表现较强，并能更可靠地将检查目标转化为有支持的证据，同时未增加虚假伪影断言。论文地址为 https://arxiv.org/abs/2610.30866。
推荐理由：论文把 AI 生成视频伪影检测拆为检查规划、证据验证和证据聚合，同时提供细粒度人工标注基准，便于比较检测器的证据识别能力。
国内首部获院线公映许可证的AI超写实电影《三星堆：未来往事》上映前两平台总预售票房约14.4万元，灯塔专业版预测总票房216.9万元。制作团队生成120余万张底图并进行了上百次全片迭代，博纳负责人称传统实拍《三星堆》可能需8亿至9亿元，但AI生成仍需反复调整人物一致性、镜头衔接和视听效果。
推荐理由：文章对比《三星堆：未来往事》与依托成熟IP、平台分账的AI影视项目，呈现技术能力、发行渠道和付费门槛的差异。
AI正通过多模态模型重构内容生产，在游戏、电商和短视频等高频场景中缩短制作周期并降低费用。文章以MiniMax H3为案例，称一家大型游戏厂商将素材制作从几天缩至几小时，月度费用从几百万元降至几十万元；H3支持768p和2K输出，2K的API调用价格约0.8元/秒。B站updream使用H3开展创作者征稿，双方还探索热门视频Skill，文章同时讨论互动影游的内容生产与分发入口竞争。
推荐理由：文章通过游戏、电商与B站案例，拆解AI内容生产在制作周期、费用、返工和生态入口上的现实收益与限制。
论文提出因子感知预测学习 FAPL，通过分阶段训练让视频 DiT 更有效地利用 MLLM 潜变量，支持稀疏时间推理与因子感知的电影化控制。训练先以冻结的 MLLM 和连接器强化 DiT 的潜变量利用，再通过 factor-span replacement 学习目标因子改变与非目标保持，最后冻结 DiT 并优化 MLLM 和连接器，兼顾有限输入表示学习与完整观察重建。
推荐理由：论文将 MLLM 潜变量利用、稀疏推理和因子控制放进同一分阶段训练框架，便于理解多模态表征如何用于电影化视频生成。
WorldCast 结合 3D 点云引导与 GAMA，在大角度相机运动下准确跟随轨迹并生成几何、外观和身份一致的角色视频。GAMA 根据初始帧与多视角角色锚点估计的相对相机位姿，检索并注入视角相关角色特征。论文还发布 CLACT 大规模角色中心数据集与基准，提供准确相机几何、多视角角色观测及大角度轨迹，用于训练和评估。
推荐理由：论文同时提供大规模数据集、基准和生成框架，覆盖大角度轨迹、几何一致性与身份保持，便于开展系统评估。
World-in-Context 提出上下文条件化（ICC）框架，用共享自注意力中的显式 token 统一视角、动作和相机控制。World-in-Context-5B 在 WBench 上取得 81.5 的导航表现，接近 22B EchoWM 的 81.6；视角切换成功率达 93.8%，高于现有 5B 基线的 18.8%。
推荐理由：论文用显式 token 统一视角、动作与相机控制，并在 WBench 对比 5B 与 22B 方案的导航和视角切换表现。
Laika CEO、Wildwood 导演 Travis Knight 表示，生成式 AI 与工作室依靠艺术家完成创作的核心理念相悖。他区分辅助创作的技术与代替艺术家生成作品的机制，认为承载失恋、失落等经验的真人故事需要由人讲述。同时，他承认 AI 在医学和科学领域可能带来巨大收益，但担忧其社会破坏力并主张由人负责任地管理。
推荐理由：文章以 Wildwood 的五年制作过程为背景，对照生成式 AI 所追求的即时进步，呈现 Laika 对艺术家主导创作的坚持。
RealMe 提出统一框架，利用高分辨率视频扩散模型将稀疏、低分辨率多视角采集增强为 2K、4D 一致的体积视频。框架采用适配多视角布局的时空注意力、布局感知位置嵌入和潜空间频域损失，以改善分辨率与时空一致性。在 DNA-Rendering 和自采 RealVV 数据集上的实验显示，其视觉保真度和 4D 一致性优于已有最先进方法。
推荐理由：论文以高分辨率视频扩散模型、布局感知注意力和潜空间频域损失，将有限采集增强为 2K、4D 一致的体积视频。
600.6亿元国家人工智能产业投资基金已有至少八笔投资公开披露，覆盖模型、应用、具身智能、算力芯片与AI安全五个环节。公开项目包括 DeepSeek、月之暗面（Kimi）、可灵AI、新石器、银河通用、新芯航途、长亭科技和沐曦。可查出资合计约54亿元，占基金规模不足一成，官方尚未披露完整被投名单。
推荐理由：将上市公司公告、工商登记和融资报道交叉整理成八笔投资清单，并对照 600.6 亿元规模呈现资金流向与集中度。
AI短剧免费广告分账平台的万播收益已从去年下半年30至100元降至今年5至10元，跌幅近90%。文章认为，制作成本上升、平台取消保底收购、内容同质化及大平台对IP、工具、流量和结算的控制共同挤压利润。DataEye称今年上半年98.7%的AI微短剧项目无法回本，仅1.3%的幸存团队主要转向B端品牌定制，或通过小游戏CPS、网文充值和私域电商变现。
推荐理由：文章拆解了算力、投流与分账三重成本变化，并以数据说明平台规则如何挤压制作方利润，同时给出B端定制和后端变现两类路径。
字节跳动近两个月密集布局AI视频工具，已形成即梦、小云雀、漫剧创作工具、Dramagic和剪映Hub等产品矩阵，分别覆盖影视级创作、短剧与漫剧批量生产、海外市场等场景。
推荐理由：系统梳理了字节AI视频工具的产品矩阵与定位差异，读者可据此理解不同创作场景下的工具分工逻辑。
ALLOT 是一种免训练方法，可在延迟预算下按层与去噪步骤分配视频扩散 Transformer 的块稀疏注意力密度，以最大化输出保真度。该方法通过 cell probing 和 trajectory calibration 估计各层与步骤组合对最终视频误差的贡献，并保留现有选择策略和 kernel，仅替换分配组件。
推荐理由：论文将块稀疏注意力的分配从启发式规则转为输出敏感度驱动，并说明如何仅替换分配组件接入现有策略与 kernel。
4K花园与百度旗下七猫中文网近日签署协议，将通过联合投资模式拓展海外AI短剧市场。双方由4K花园与蝶变AI创作者联盟承制。
推荐理由：协议披露了海外AI短剧的联合投资和创作者联盟承制安排，适合作为观察内容制作与商业合作方式的参考。
本文提出 Future Chunk Prediction（FCP），一种用于自回归视频扩散模型的辅助训练目标，通过在 teacher-forced 去噪之外预测时间上分离的视频片段来强化未来块监督。
推荐理由：文章提出一种无需额外视觉编码器的辅助训练目标，在更低训练算力下提升自回归视频扩散的物理合理性。
这篇视频世界模型综述以世界建模为统一视角，梳理视频理解与生成围绕潜在时间状态展开的进展。论文将相关工作归为读取、写入、共享和交互四类操作，并区分时间连贯性与底层世界状态的一致性。综述指出，研究重点正从片段级识别和感知保真度转向持久状态、可控演化、物理与因果有效性，以及交互和下游决策导向的评测。
推荐理由：这篇综述以世界建模串联视频理解与生成，并按读写、共享、交互四类操作梳理技术演进与开放问题。
HiP3R 通过分层位姿图把长视频的局部重建合并为全局一致的相机轨迹和 3D 几何，无需再训练或微调。方法先优化鲁棒的 chunk 级 Sim(3) 图以确定全局布局和尺度，再固定布局并为每帧估计共享的 SE(3) 相机位姿。实验覆盖多个基准，方法适用于基于 chunk 和流式后端，项目页为 https://kkakkkka.github.io/HiP3R。
推荐理由：HiP3R 用分层位姿图整合长视频的局部重建，在无需再训练的前提下兼顾全局一致性、尺度稳定与局部误差修正。
DirCast 是一种流式视频语言模型，可仅依据过去上下文同时选择电竞直播镜头并生成实时解说。模型每秒低分辨率扫描所有摄像头，以保持或切换策略决定是否转场，再以高分辨率读取选中画面并解说；上下文保留已播画面与已生成解说，让其余视角移出，从而约束任意长度流的成本。
推荐理由：论文把每秒选镜头与实时解说统一进单一流式模型，并提供规则系统、GPT-5、GPT-4o及11个流式解说器的对照结果。
论文提出一种面向任意骨骼绑定的模型，可联合生成视频与 3D 运动，并估计相机以将运动对齐到场景。模型把独立的 3D 运动模型通过少量交叉注意力层连接到预训练视频生成器，训练中使用生成式视频编辑器以及人类和机器人视频，形成 nearly 200K 训练对。
推荐理由：论文比较了任意骨骼动画中联合生成与视频优先方案的差异，评测重点落在文本驱动忠实度与场景响应。
AI艺人正通过短剧、生活内容、广告和平台自营探索变现，方桃子的广告模式已跑通，但绝大多数角色仍接不到商单。其《被裁掉的女孩》单平台播放量突破2亿，账号截至发稿前有55.8万粉丝，不同时长视频广告报价为16.8万元至25.8万元，首单美瞳广告却因体验真实性争议下架。
推荐理由：文章对比明星数字分身、平台自营和制作公司签约三条路径，拆解授权、运营与广告边界带来的成本和风险。
Matrix-Game 4.0 通过可执行游戏引擎与自回归视频渲染器分离游戏逻辑和视觉合成，实现低延迟的实时交互游戏世界。轻量引擎维护世界状态并执行交互规则，多模态编码 Agent 将玩家想法转为游戏代码和动态场景描述，渲染器则把低多边形代理画面生成细致视觉。
推荐理由：论文将可执行游戏引擎与自回归视频渲染器解耦，并披露延迟、帧率和显存数据，便于对照评估实时交互方案。
国产AI韩剧、日剧、美剧在抖音、小红书走红，代表作《漂亮的恶意》6集播放量破1.8亿、变现数百万元；该短剧由OST传媒出品，单集制作成本约1.5万至2万元，主要来自算力。2026年上半年抖音端新上线AI短剧超22.19万部，破亿率约0.47%，能回本的不足1.3%。行业单分钟制作成本从千元级降到约400元，但收入同比缩减10倍以上，酱油公司等头部厂商已开始收缩人力。
推荐理由：汇总 AI 短剧成本、破亿率与变现路径等关键数据，可作为评估这一内容赛道窗口期与差异化打法的具体参考。
SolarRenderer 用冻结的 MiniMax-H3 33B 视频骨干模型和两个轻量 LoRA，实现从多样结构输入到逼真视频的四步或实时流式渲染。通过结构引导分布匹配实现四步渲染，速度比 50 步采样快 12.3 倍；块因果变体支持实时渲染 768p 视频。
推荐理由：论文同时给出四步渲染比 50 步采样快 12.3 倍的对比、136K 片段训练规模和跨结构泛化结果，便于比较其渲染路线与控制能力。
美国俄勒冈州华盛顿县议会主席候选人 Nafisa Fai 的一段 Deepfake 视频在 X 上被广泛传播。视频把她在明尼苏达社区活动中的演讲画面与一面倒挂的美国国旗拼接，但与会者确认国旗实际为正向摆放。
推荐理由：Deepfake 视频在大账号推动下短时间内即可扩散到全国并直接引发选民对峙，呈现出 AI 生成内容干扰政治传播、影响真实选战的现实路径。
FRED 通过自蒸馏与历史观测时序条件，提升世界动作模型从单步去噪中生成的未来视频表征。在多种真实世界操作场景中，FRED 优于对比 WAM；在仅有人类视频示范、未进入机器人训练数据的任务上，任务成功率达到 50.0%，最佳对比 WAM 为 19.4%。论文地址为 arxiv.org/abs/2610.30320。
推荐理由：论文在长时程、域外任务与人类视频迁移场景中给出对比，未见机器人训练数据的任务成功率为 50.0%，最佳对比 WAM 为 19.4%。
北京大学高文团队提出 codec4AI，以稀疏解码和依赖解耦编码提升 AI 训练视频的随机帧访问效率。论文在 LeRobot v3 配置下评测，DDRA H.265 在重建质量可比时使媒体载荷减少 58.7%，数据加载吞吐量达到 1.45×。单独实验显示，在合适压缩设置下，下游 VLA、WAM 和 VLM 性能可比；论文、代码和文档均已公开。
推荐理由：论文针对视频训练中的随机帧访问，比较依赖解耦编码与稀疏解码在存储占用和数据加载吞吐量上的表现。
CausalAlign 提出一种因果对齐框架，在 delta-token 空间中把扩散视频生成模型的内部表征与 3D 动态对齐，以提升长时程相机自我运动的一致性。
推荐理由：论文先定位去噪过程中自我运动表征的先升后降模式，再给出基于 delta-token 空间的 3D 动态对齐方法与量化结果。
内容聚焦将实时直播与视频点播连接起来。现有正文仅列出 Article URL、Comments URL、Points: 6 和 Comments: 1，未提供具体实现步骤、相关产品或技术细节。
AI短剧行业过去靠规模化、押注爆款的彩票工厂模式开始失灵。酱油文化创始人黄浩南曾将公司扩张到1200多人、单月约100部产量，但因约150部作品未上线、成本约1200万元而收缩至600多人，原本预计的2026年10亿元营收和2亿元净利润被下调一半。
推荐理由：文章以酱油文化从1200人收缩到600人为线索，对比规模化与依赖审美版权的小工作室路径，为理解AI内容行业的赚钱逻辑变化提供了具体样本。
显微故事通过四位影视从业者的亲历，记录 AI 进入影视公司后项目减少、岗位变形的冲击。从业十年的制片人陪老板搓 AI 工具应付动员会，大模型视频生成测试员将镜头审美蒸馏给模型，AI 短剧制作人算账发现 70 多部里仅 1 部回本，应届 Java 工程师开发的剧本工具后台数据全由 AI 编造。
推荐理由：从制片人、测试员、制作人和工程师四个视角，拼出 AI 进入影视公司后项目减少、岗位变形、经验被量化的真实现场。
论文提出 Stateful Harness 框架，把基于规则的世界状态演化与冻结的视频生成模型分离，以在含隐藏状态的交互式世界模型中保持规则一致性。作者构建了包含 50 对反事实双胞胎的 WorldState-Bench 基准，评估 11 个视频后端。在仅用规则提示时最好的对子成功率只有 32%；指定期望结局后该指标提升到 64%，完整框架在同一冻结模型上达到 92%。
推荐理由：将规则执行与视频生成分离的框架思路，可迁移到其他需要长期状态一致性的交互式生成场景，并附带评测基准。