可灵 4.0 实测：零真人出镜制作探展视频，距离一站成片仍有差距
奇点研究社用可灵 4.0 实测 AI 人物与展会实拍素材结合的探展视频，部分镜头接近可交付状态，但稳定成片仍需反复重试。测试拆分为 7 组画面并准备约 3000 字提示词，模型能完成部分推移运镜和音画同出，也会出现主体替换、一镜到底变成硬切、修改后声音乱码等问题。
推荐理由：实测将可灵 4.0 的单镜头表现与整片交付拆开比较，具体呈现了复杂指令、连续叙事和后期修改中仍需人工兜底的环节。
技术方向
AI 视频 最新动态
AI 生成和理解视频：文生视频模型、视频编辑工具，以及影视创作的新做法。
144 条精选近 30 天 135 条共收录 164 条
更新
AI 视频的精选
钛媒体精选AI 评分7676
The Decoder精选AI 评分5151 Google 团队提出 StreamVibe，让视频 AI 判断何时主动提供帮助
Google 牵头的研究团队提出 StreamVibe 视频智能体，可通过视频理解明确、未言明及执行中变化的意图，并判断何时主动开口。团队以超过183小时的日常与软件录制构建约4,100个样本的基准，由Gemini 2.5 Flash提出帮助时机和内容，再由4名人工评估者一致认可。
推荐理由：研究用约4,100个样本检验视频智能体的主动帮助能力，并以长视频连续交互揭示回应时机、任务记忆和意图变化的累积误差。
钛媒体精选AI 评分5757 腾讯绿泡泡短剧用户增长、AI剧起量：短剧竞争延伸至App排行榜之外
短剧竞争已越过独立App排行榜，微信小程序、独立App与海外平台多路并行，供给端和用户端尚未被单一平台锁定。QuestMobile数据显示，腾讯绿泡泡短剧小程序8月月活达1.43亿，10月首周周活达8968万，较9月首周增长44.1%；2026年5月微信小程序用户为5.08亿，高于独立App的4.02亿。
推荐理由：文章通过多组渠道数据与海外案例对照，解释短剧竞争为何仍未收敛，并呈现免费模式和AI剧生产对供给、发行与就业的扩展。
量子位精选AI 评分6666 AI影视公司Utopai Studios完成 6000 万美元融资，估值站上 10 亿美元
AI影视公司Utopai Studios完成 6000 万美元融资，估值站上 10 亿美元；据 The Information 报道，下一轮投资意向达 20 亿至 30 亿美元。
推荐理由：文章把Utopai Studios的估值拆成模型、制片工作流、发行渠道与IP储备四部分，呈现AI影视公司的基础设施化路径。
HF Daily Papers精选AI 评分5858 L3G-World：基于潜空间3D Gaussian记忆的实时无限世界生成
L3G-World 通过潜空间3D Gaussian记忆与视频扩散Transformer交替自回归更新，实时生成空间一致、可交互的无限世界。记忆规模随场景范围而非生成流长度增长，每个Gaussian还存储VAE潜特征，可直接渲染到DiT潜空间而无需VAE重新编码。
推荐理由：论文给出潜空间3D Gaussian记忆与视频扩散Transformer交替更新的实时世界生成方案，并以9 FPS及相对基线的效率对比展示实现路径。
36氪精选AI 评分6767 昆仑万维2026年前三季度营收89.37亿元，AI短剧9月单月流水近1亿美元
昆仑万维发布2026年第三季度报告，前三季度营业收入89.37亿元，同比增长53.96%，净利润实现扭亏。天工AI业务收入43.21亿元，同比增长168.29%，带动第三季度毛利率升至74.41%。2026年9月，AI短剧平台业务单月流水近1亿美元。
推荐理由：昆仑万维披露了AI业务拉动增长的具体财务数据及AI短剧流水，读者可据此观察其商业化节奏与收入结构变化。
量子位精选AI 评分7575 Genspark Media Studio 正式发布，集成 20 多家厂商的 70 多个模型版本
Genspark Media Studio 正式发布，将 20 多家厂商的 70 多个模型版本整合为视频 Agent 工作台。大语言模型负责剧本与流程调度，Seedance 2.5、可灵、Veo 等生成视频，GPT Image、Nano Banana 处理图像，ElevenLabs 等负责声音，覆盖短剧、知识讲解和游戏生成。
推荐理由：实测覆盖短剧、知识讲解和游戏生成，并拆解模型调度、局部重拍与积分消耗，能为判断工作流和成本提供参照。
钛媒体精选AI 评分6767 AI 引发影视就业大迁徙，多位演员转向海外求学、景区 NPC 与幕后工作
AI 短剧扩张正在重塑内娱就业，部分演员转向海外求学、景区 NPC、夜市摊贩或幕后工作。剧目供给和开机率收缩，2025年过审电视剧从前年的429部降至115部，文中称今年新剧开机率仅为去年三成、超九成新短剧由 AI 制作。
推荐理由：文章对比真人短剧与 AI 短剧在制作周期、成本和岗位需求上的差异，并追踪演员转向景区 NPC、直播和幕后工作的路径。
钛媒体精选AI 评分6060 《三星堆：未来往事》票房失利，AI院线与“大预言家”叙事受审视
潜水鱼X以《三星堆：未来往事》票房失利为切口，复盘博纳等文娱公司用AI未来叙事支撑估值与市场预期的做法。影片上映四天票房一百二十万出头，观众集中批评AI感、塑料感和口型等问题；博纳上半年AI影视剧业务收入193.23万元，仅占总营收0.42%。文章还以华策采购服务器、慈文传媒布局AI漫剧为对照，指出相关公司的AI布局与作品口碑、观众需求仍有距离，2027等未来时间表继续承担预期叙事作用。
推荐理由：文章把《三星堆：未来往事》的低票房、观众反馈与博纳的AI战略和股价表现并置，呈现内容质量尚未兑现时的商业化矛盾。
HF Daily Papers精选AI 评分5353 Wizard：通过智能体控制实现任意世界的实时操控
Wizard 提出一种面向世界模型的智能体控制方法，将角色动画、场景操控和玩法逻辑与视觉生成解耦。该方法通过结构化视觉代理控制角色骨架和场景几何，并以显式世界状态支持自适应 Boss 行为和符合机制的战斗。训练数据包含 50.3 小时代理—视频对，覆盖 750 个场景和 178 个角色，配合少步蒸馏实现 24 FPS 交互，并可零样本泛化到未见场景、角色和动作，代码即将推出。
推荐理由：Wizard 将角色动画、场景操控和玩法逻辑与视觉生成解耦，并以 24 FPS 实时交互展示了扩展世界模型动作控制的方法。
钛媒体精选AI 评分7373 AI剧与漫剧供给激增，内容生意为何更难赚钱
AI漫剧降低制作门槛并提高产能，却因注意力稀缺、分账下降和平台补贴退潮，未能带来更高利润。酱油文化称，去年单部AI漫剧标准价为10万元，今年10月每分钟降至400元，80分钟作品约4万元；其产能从10人1个月做1部提升到1人1个月做3部，月产从四五十部增至两三百部后，收入仍为两三千万。
推荐理由：文章以制作成本、爆款率、平台分账和补贴变化对照供给扩张与利润下滑，解释AI降本未改善漫剧收益的机制。
HF Daily Papers精选AI 评分4949 VibeVideoBench：评测多模态智能体的代码驱动视频生成能力
VibeVideoBench 提出一个评测多模态智能体代码驱动视频生成能力的基准，包含239项中英文自包含任务和12个类别。每项任务要求智能体在无图像或视频生成模型的沙箱内用代码产出带声音的 MP4，并在1小时内完成；评估结合交付规范程序检查、约13k项任务量规和3个VLM评审组。
推荐理由：该基准覆盖239项中英文任务，并用分层量规与人类偏好对照，揭示智能体常因时间管理影响最终视频交付。
HF Daily Papers精选AI 评分5050 CodeCap-Bench 论文提出以代码作为视频字幕的评测基准
CodeCap-Bench 论文提出以可执行代码作为视频内容的补充表示，并推出评测多模态模型代码字幕生成能力的基准。该基准包含323个视频、五类结构化2D内容、细粒度标注和多层级评测框架。实验显示，代码字幕在问答推理准确率和视频重建保真度上优于自然语言字幕，但领先专有模型仍难以忠实呈现复杂时序，开源模型明显落后。
推荐理由：论文用323个视频和五类结构化2D内容构建基准，并同时比较问答与视频重建结果，便于比较模型在复杂时序描述上的差异。
HF Daily Papers精选AI 评分5555 Hy-Nomas：面向自由形式交互式世界生成的视频世界模型
Hy-Nomas 提出一种采用 8B 扩散骨干的视频世界模型，可依据多轮自由文本指令和连续镜头控制生成可变长度片段。模型结合结构化视频描述与动作感知因果注意力，在保留交互历史和动作后果的同时限制动作的作用窗口；视觉语言 Prompt Enhancer（PE）会将用户请求和多模态交互历史转换为下一片段的结构化条件。论文还公开模型权重、代码、基准和轻量适配流程，人工评测显示其表现优于现有世界模型。
推荐理由：论文将多轮指令、历史缓存和动作时间窗约束整合进 8B 扩散骨干的视频世界模型，并公开代码与基准，为复现交互式生成研究提供技术路径。
HF Daily Papers精选AI 评分4040 ThinkWorld 通过世界想象强化链式动力学推理
ThinkWorld 提出 Vision-Language-Action（VLA）学习框架，将动作推理置于世界动力学中，并通过世界想象强化学习利用无动作标注的人类视频。
推荐理由：ThinkWorld 用动作标注初始化 CoD，再以世界想象强化学习利用无动作标注的人类视频，为机器人跨本体迁移提供可复用方法。
HF Daily Papers精选AI 评分3535 LociArt 提出统一范式实现自由风格局部视频风格化
LociArt 提出统一范式，通过生成式细化网络实现自由风格的局部视频风格化，并保持非目标内容与较强的时间一致性。GRNStyle 引入极坐标风格感知掩码及表示—几何条件控制，结合自动化数据管线构建包含 100K 个局部风格化配对的 LociArt-100K Dataset。
推荐理由：LociArt 将区域风格控制、自动化配对数据构建与专用基准整合到统一框架，便于对照评估局部风格化质量、非目标保留和时序稳定性。
钛媒体精选AI 评分6363 生成式 AI 涌入中国广告信息流，巨量引擎与小红书转向 AI 审核
生成式 AI 让 15 秒广告视频制作成本降至接近一顿午餐钱，巨量引擎与小红书正以多模态模型和智能体式审核应对批量合成广告。巨量引擎称拦截能力已提升一个数量级，并计划约一年内让 AI 成为默认审核层，规则按月更新。平台还用生成式工具解释拒审原因、提供一键修复和规则说明，以降低广告主反复提交与申诉的成本。
推荐理由：文章把低成本生成与规模化审核放在同一框架下，展示多模态识别、智能体式审核和拒审修复如何应对合成广告。
钛媒体精选AI 评分7878 AI冲击基层演员：短剧制作降本与就业承压
AI短剧以更低成本和更短周期挤压基层演员岗位，标准化、重复型表演成为主要替代对象。2026年第一季度上线的约12.8万部微短剧中，AI微短剧达12.2万部，占比超过95%；低端流水线AI短剧成本约3000到5000元、5天制作80集，而传统真人短剧通常需50万到100万元和两到三个月。文章通过翻译与客服行业对照指出，AI主要替代初级、标准化劳动，同时提高复杂岗位对高层次人才的要求。
推荐理由：文章以短剧演员承压为切口，对照翻译与客服案例，解释AI如何替代标准化劳动并抬高复杂岗位的人才门槛。
HF Daily Papers精选AI 评分4848 WeVisCut：单智能体统筹从旁白到长视频的完整剪辑流程
WeVisCut 研究提出一套脚本转长视频系统，用单一 9B 策略协调视频编辑工具、维护共享制作状态并恢复失败。四阶段数据管线结合编辑反演与验证回放，基于 3,750 个成片生成超过 130K 个训练样本，并提出 100 项任务和 5 项指标。
推荐理由：该研究把长视频编辑决策、故障恢复与 token 成本纳入同一 9B 策略，呈现任务专用智能体在质量与效率上的取舍。
HF Daily Papers精选AI 评分4747 AskStream 基准：流式视频理解在不确定性下何时主动提问、问什么
研究团队提出 AskStream 多轮基准，用于评估流式视频理解模型在不确定性下主动询问缺失信息的能力。该基准覆盖视频和用户两类不确定性，包含 4 类任务、8 个子任务、438 个视频及 2,714 个人工标注的帧级时间窗口，动作分为等待、提问和回答。在选择题和开放式设置中，最强模型的 Ask-F1 也仅为 52.18%，反映出模型主动寻求信息能力的局限。
推荐理由：AskStream 将流式视频交互拆分为等待、提问和回答三类动作，并用多轮数据呈现模型主动补全信息的关键难点。