技术方向
AI 视频生成与理解：文生视频模型、视频编辑工具与影视创作变革的追踪。
124 条精选近 30 天 8 条共收录 1,506 条
LTX 推出 LTX-2.5 模型，原生集成 ComfyUI，在 2 张英伟达 GB200 配置下生成 10 秒 720P 视频仅需 6.8 秒。LTX-2.5 Fast 以每秒 0.09 美元生成带音频 720p 视频，10 秒片段成本 0.90 美元；年度经常性收入低于 1,000 万美元的组织可免费使用。
推荐理由：生成速度比同类快数倍，且开放权重允许微调，对需要高频出片或自定义视觉风格的应用，其自托管成本可能低于调用闭源API。
本教程演示如何以 ComfyUI 为无头推理后端，构建端到端的 MiniMax-H3 视频生成工作流。通过 Python 直接构建执行图，支持文生视频、首尾帧条件生成和参考图像条件生成，并自动根据 GPU 显存选择 quality、balanced、squeeze 三种权重配置。流水线涵盖模型自动下载、节点模式校验、音视频联合解码与进度监控，无需图形界面即可复现实验。
推荐理由：用 Python 编程替代 ComfyUI 图形界面，在 Colab 上搭建 MiniMax-H3 视频生成管道，并自动适配不同 GPU 显存方案，教程提供的全流程代码可直接复用。
Seedance 2.5 上线一周后，国内外社区涌现出时间静止、超级英雄变身、创意广告、K-pop MV、电商广告、拉片复刻等六类热门玩法。经实测，该版本人物面部告别“AI 油腻感”，动作自然度与镜头切换较 2.0 更合理，单次生成超长视频时长拉至 300 秒，并支持片段重拍与智能续写。通过 LibTV 年费会员，生成成本最低可至 0.4 元/秒。
推荐理由：把时间静止、口香糖广告等创意拆成可复用的镜头语言和提示词，直接降低同类效果的试错成本。
Krea@krea_ai精选AI 评分7272推出 Seedance 2.5。 30 秒连续视频、完整多镜头序列，以及最多 50 个参考。 立即试用 👇
推荐理由：连续30秒生成与多镜头序列支持，将视频创作从单次短片段推向长故事板，对需要连贯叙事的创作者更实用。
火山引擎正式上线 Seedance 2.5 API，将单次视频生成时长从15秒提升至30秒，并支持最高50个全模态素材参考。模型在指令遵循、长叙事、真人感及声画质感上大幅提升，能稳定保持多角色外形与场景关系，兼容十余种语言。
推荐理由：原生30秒时长和秒级时间戳控制，把长叙事视频从靠抽卡变为导演级调度；角色与光影的稳定提升让广告、影视等商业场景更接近实际生产标准。
阿里千问全网首发公测视频生成模型 Wan3.0，在生成时长、镜头语言、角色真实感及一致性保持等维度全面升级。该模型支持稳定直出 30 秒一镜到底视频，具备导演级镜头与蒙太奇叙事，并强调角色、道具、场景高一致性保持。Wan3.0 主打超高性价比，现已在千问创作（c.qianwen.com）开放体验，千问 app 也将陆续开启。
推荐理由：30秒一镜到底和导演级镜头控制将视频生成从短片段推向长叙事，配合低试错成本，可能加速短剧和广告的创作节奏。
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。
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。
Black Forest Labs 宣布 FLUX 3 Video 的生成能力正式开放，可通过 BFL API 和部分合作伙伴使用。
推荐理由：官方公布了 FLUX 3 Video 的具体能力清单和与 Seedance 2.0 等模型的对比结果，读者可据此评估它在当前视频生成工具中的位置。
OpenRouter@OpenRouter精选AI 评分6666
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。
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。
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。
Elon Musk@elonmusk精选AI 评分7272Grok 可以分析任何视频 https://grok.com/share/bGVnYWN5_8013f7a3-f604-4351-8cd7-acecf3ef165b
推荐理由：Grok 的视频分析功能将多模态交互扩展到动态内容，对快速理解视频素材有直接帮助，不过演示链接未展示长视频或复杂场景下的表现，实际适用范围待验证。
百度搭子内置的一镜Skill支持仅凭一句话或一个主题，自动完成脚本生成、声音、数字人形象、口型驱动和视频渲染，生成可直接播放的数字人口播视频，全程无需拍摄、剪辑和露脸。该功能适用于旅游攻略、产品种草、知识科普、临时活动宣传、企业内部培训及个人IP起步等场景，大幅降低视频制作门槛。
推荐理由：拆解了从想法到成品视频的全链路，非专业用户能直观理解脚本生成、数字人驱动等环节如何协作，有助于判断这类工具能否嵌入现有创作流程。
字节跳动今日正式发布新一代视频创作模型 Seedance 2.5，单次视频生成时长从 15 秒提升至 30 秒，并支持多轮延长，可产出数分钟连贯内容。模型支持单次输入最多 30 张图片、10 段视频和 10 段音频作为参考素材，并升级白模参考、运动参考及绿幕编辑、时间戳精准编辑等能力。Seedance 2.5 已陆续上线即梦 AI、豆包专业版等平台，API 服务近期将上线火山方舟。
推荐理由：Seedance 2.5 把单次生成拉到 30 秒，加上多模态参考和精准编辑，让视频创作从片段拼凑变成完整叙事。对国内创作者来说，这是即梦和豆包里能马上用到的最强视频模型。
MiniMax 发布 AI 视频模型 H3，并宣布开源。该模型主打视觉包装与后期特效，可生成动态 MV、动态海报、Vlog、电影片头、游戏 UI 等，语义遵循能力极强，在广告与动效领域表现优于 Seedance 2.0，但影视级张力镜头稍逊。H3 开源后预计将出现大量垂直领域特化版本。
推荐理由：在 Seedance 统治的前期创作之外，H3 用语义强控制补上了视觉包装与后期特效这块拼图，广告和社媒短片的后期流程可能因此从剪辑软件迁移到提示词。
Neill Blomkamp发布了13分钟科幻恐怖短片《Nightborne》，完全使用Seedance 2.0视频生成模型通过文本提示逐帧创作。影片采用纪录片风格，使用了32位真实人物的面部和声音（已获授权），人类艺术家负责概念艺术。Blomkamp表示计划以相同格式拍摄一部长片，并已创立AI电影工作室Barley Studios。
推荐理由：《第九区》导演用AI拍了一部13分钟的叙事短片，不是实验片段，还顺势成立了AI电影工作室——这可能是长片AI制作的分水岭。
通义实验室发布 Wan-Streamer v0.2，这是一款将“听、看、说、演”统一进单个 Transformer 的端到端全模态模型。其端到端响应延迟仅 550ms，输出分辨率从 v0.1 的 192×336 提升至 640×368 @ 25FPS，并采用 Thinker-Performer 双通路架构在提升画质的同时维持了极低延迟。
推荐理由：通义实验室把实时视频交互延迟压到550ms，同时提升了分辨率，不是刷榜而是解决实际问题，对做数字人和实时助手的团队是个值得跟进的信号。
通义实验室发布 Wan-Streamer v0.2，端到端响应延迟 550ms（200ms 模型延迟 + 350ms 网络延迟），输出分辨率从 v0.1 的 192×336 提升至 640×368 @ 25FPS。
推荐理由：550ms端到端延迟把实时视频对话从拼接流水线推入单模型交互循环，原先因响应太慢而无法沉浸的口语陪练与面试模拟，开始具备自然对话的交互基础。
Google Vids 推出两项更新：Gemini Omni 支持用户通过自然语言提示词和图片参考生成、逐步编辑高质量视频片段；个人数字分身功能允许用户上传自拍和语音录制后，输入文字即可让数字分身出镜。两项功能面向 Google AI Pro 和 Ultra 订阅者及 Google Workspace 商业客户开放，所有生成内容均含不可见的 SynthID 数字水印。
推荐理由：如果你已经在用 Google Workspace，这两个更新让 Vids 的可用性提升了一档，但对于外部的 AI 视频生成，没带来新变量。