天工短剧工作台发布“Agent智能分镜+无限画布”双轨创作模式
天工短剧工作台推出双轨创作模式，通过导演Agent自动解析剧本、规划站位与机位，并支持多视细节图生成，解决AI短剧角色变脸和站位漂移问题。该工具内置影视级提示词模板、720°全景图及3D导演台，实现可控生产。已有三部作品上线DramaWave 7天实现百万美元级营收。
推荐理由：天工短剧工作台把导演思维实打实地做进了产品，站位置图和3D导演台专门根治角色乱变脸的痼疾，是短剧工具从随机抽卡迈向可控生产的关键一步，创作者值得细看。
技术方向
AI 视频 最新动态
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
更新
精选归档 · 第 3 页
公众号：昆仑万维精选AI 评分6868 公众号：昆仑万维精选AI 评分6666 天工短剧工作台推出“Agent智能分镜+无限画布”双轨创作模式，告别AI短剧“随机抽卡”
天工短剧工作台（SkyProduction）推出“Agent智能分镜+无限画布”双轨创作模式，将导演思维拆解为六个可干预环节，通过站位图锁定和多视细节图生成解决角色漂移、变脸问题。该工作台支持720°全景图、3D导演台、多账号分级管理及数据中心，并原生支持英文短剧全流程处理。其三部精品短剧上线DramaWave仅7天，均实现百万美元级营收。
推荐理由：天工短剧工作台把导演思维拆解成可干预的站位、光影和调度环节，降低了从单镜头到连续叙事的落差，适合需要稳定产出精品短剧的团队。
公众号：卡尔的AI沃茨精选AI 评分7575 实测LibTV Agent：100个AI视频工作流重组为Skill，实现创意自由
LibTV推出Agent功能并内置Skill Hub，提供100多个覆盖武侠电影、皮克斯动画广告、电商口播等类型的视频Skill。用户输入想法后，Agent会分析需求并询问方向，自动生成视频分镜并串联成完整节点工作流，每个节点可查看和修改提示语。生成后LibTV会启动自查机制，自动检测并返修有问题的镜头。故事板视图提供图片与视频资产总览，支持在成片中直接打开剪辑时间线进行精细调整。用户还可自行创建Skill，上传三个文件即可，无需编程。实测中，Agent能输出剧情连贯、带粤语配音的成片，并支持双语字幕生成。
推荐理由：LibTV把成熟的视频流程做成可复用的Skill，并开放自定义上传，让创作者无需从节点开始，直接输出接近成片的作品，对于想缩短想法到成片距离的人，这是一个值得上手的效率工具。
TechCrunch：AI精选AI 评分7070 视频生成创企 PixVerse 完成 4.39 亿美元 C 轮扩展融资，估值超 20 亿美元
新加坡视频生成初创公司 PixVerse 完成 C 轮扩展融资，共筹集 4.39 亿美元，估值突破 20 亿美元。公司提供 V 系列（消费者及 API）、C 系列（专业影视）及今年初发布的 R 系列世界模型（游戏开发）。用户可生成最高 4k 分辨率并自带音频的视频，消费端注册用户超 1.5 亿，月活超 1500 万，图生视频每分钟 4.80 美元。本轮投资者包括阿里巴巴等。公司计划今年推出新 V 系列模型及新版世界模型，并全球拓展企业客户。
推荐理由：4.39亿美元让视频生成赛道又添一把火，PixVerse押注的字节系数据标注经验，比模型参数更值得产品人关注，虽然市场挤，但估值翻倍是真实信心。
AI at Meta@AIatMeta精选AI 评分7575
推荐理由：Meta 超级智能实验室的首个媒体生成模型，把图像生成跟 Instagram 社交语境结合听起来很实用，但细节还少，期待后续实测。
Elon Musk@elonmusk精选AI 评分7272Grok Imagine 更新。请更新你的 Grok 应用！15 秒 Imagine 视频现已可用，质量令人难以置信。
引用tetsuo@tetsuoai更新你的 Grok 应用！15 秒 Imagine 视频现已上线，画质令人惊叹。
推荐理由：Grok Imagine 加入视频生成，xAI 在多模态上再进一步。15 秒视频质量据说惊艳，但推文缺细节，想试的可直接更新 App。
Ethan Mollick@emollick精选AI 评分7575引用General Intuition@gen_intuition介绍 MIRA。 一个可游玩、多人联机的世界模型。 一个 Rocket League 的梦想。 MIRA 基于用公开可用的机器人收集的 1 万小时数据进行训练，学习了一场四人游戏的动态。该模型根据你和其他玩家按下的按键，以 20 fps 实时运行。 由 General Intuition 和 @kyutai_labs 打造，并与 Epic Games 合作。未用于开发 Rocket League。 ▶️ 在 http://generalintuition.com/mira 游玩演示、阅读技术报告，并探索开源代码。 在 ICML 吗？来 111 号展位亲自体验，并与团队一起深入探讨结果。
推荐理由：世界模型终于跑通了实时多人游戏，20 FPS 的 Rocket League 梦境能直接上手玩，代码和报告都开源，做游戏和交互的值得试试。
公众号：生数科技精选AI 评分7070 生数科技发布 Vidu S1，推动视频生成迈向“实时交互”新时代
7月3日，生数科技在2026全球数字经济大会上发布Vidu S1实时交互模型，支持实时视频通话和语音控制视频走向，实现无限时长连续互动。模型采用自回归扩散路线，基于已生成画面和语音指令持续预测后续内容；无需传统建模，一张图片即可创建角色并自定义音色。Vidu S1在540P分辨率下实现25FPS（最高42FPS）实时生成，通过TurboDiffusion等技术降低计算成本，已开启内测。
推荐理由：Vidu S1 把视频生成从离线拉到了实时通话级交互，语音控制无限时长是质变，但只有540P，内测阶段实际延迟和稳定性待看，做虚拟陪伴和直播的可以跟。
Apple Machine Learning Research精选AI 评分5656 VideoFlexTok：可变长度粗到细视频分词
VideoFlexTok提出一种可变长度token序列的视频表示方法，采用粗到细结构——首个token捕捉语义和运动等抽象信息，后续token添加精细细节，生成流解码器支持任意token数量的视频重建。相比传统3D网格分词，该结构允许根据下游需求调整token数，在相同预算下编码更长视频。在类别和文本到视频生成任务中，VideoFlexTok以1.1B参数（5.2B的1/5）达到可比生成质量（gFVD和ViCLIP Score）。训练一个处理10秒81帧视频的文本到视频模型仅需672个token，比同等3D网格分词器少8倍。
推荐理由：把视频 tokenization 从固定网格改成变长 coarse-to-fine，训练效率提升明显，还能做更长的视频。研究角度挺漂亮，但离产品落地还有距离，做视频生成的可以追一下。
IT之家·人工智能精选AI 评分7171 快手可灵AI获初始投资者20.28亿美元注资，投后估值180亿美元
快手在港交所公告，21名初始投资者同意以138.24亿元人民币（20.28亿美元）现金注资北京可灵，后者将持有可灵AI相关资产。同日15名额外投资者追加出资52.235亿元人民币（7.6639亿美元），认购总上限为204.471亿元（30亿美元），对应北京可灵扩大后注册资本的16.67%。投后估值180亿美元。快手预计未来12个月内启动可灵AI赴港上市，募资用于扩充算力、建设数据中心及人才引进。
推荐理由：可灵AI这轮180亿美元估值融资，是AI视频赛道迄今最重量级的资本动作之一，也是中国AI公司分拆上市的标杆事件，值得关注后续上市进程。
公众号：可灵AI精选AI 评分7171 戛纳金狮首设AI子赛道：可灵制作斩获1银2铜，它们为何打动评委？
戛纳国际创意节今年首次设立AI Craft子赛道，两部使用可灵AI生成的广告作品获奖：《L'Ultimo Uomo Reale》拿下Classic单元Film银奖及Craft单元Film Craft铜奖，《Lorem Ipsum》获得Classic单元Film铜奖。
推荐理由：《L’Ultimo Uomo Reale》和《Lorem Ipsum》用可灵完成从人物表演到视觉奇观的全部画面，戛纳金狮的认可使AI视频生成进入商业交付级评价体系，广告公司的「技术已就绪」主张因此有了第三方权威参考。
NotebookLM@NotebookLM精选AI 评分6868
引用NotebookLM@NotebookLM刷末日信息流，但让它变得有教育意义 🤓 隆重推出 NotebookLM 的短视频概览！把你最复杂的资料变成 60 秒的竖屏视频，深入讲解任何概念。 现正向移动端和网页端的 Google AI Ultra 和 Pro 订阅用户推出（免费用户很快也能用上！）
推荐理由：NotebookLM 把资料源变成 60 秒竖屏视频，想法不新但落地很实用，学生和内容创作者可能会高频用上，只是颠覆性谈不上。
Runway：News精选AI 评分6565 Runway发布Agent 2.0
Runway发布Agent 2.0，帮助营销人员创建、测试和优化广告、视频及营销活动。品牌营销人员可在对话中开发活动概念、生成变体并自动本地化；绩效营销人员可上传创意并导入Meta、YouTube、TikTok或Google广告数据，由Agent分析后生成下一轮待测广告。社交媒体营销人员可一次性生成一周内容，自动裁切为9:16、16:9、1:1等格式；产品营销人员可借助Agent确定定位角度并构建活动资产。Agent 2.0面向所有用户开放。
推荐理由：Runway的Agent 2.0不只是生成视频，它试图打通从广告数据分析到全平台素材生成的闭环，做增长和社交内容的团队可以观望一下。
Hao AI Lab@haoailab精选AI 评分7373
推荐理由：单张 RTX 5090 上 1.8 秒生成 5 秒视频，把消费级延迟压到了‘即时生成’的临界点，做短视频和互动应用的开发者可以认真把这个模型放进技术栈。
Runway：News精选AI 评分5959 Aleph 2.0 现已集成到 Figma Weave
Aleph 2.0 是 Runway 的旗舰视频编辑模型，现已在 Figma Weave 中上线。它是一个基于上下文的视频编辑模型，通过关键帧工作：从视频中提取一帧，重新设计风格并附上时间戳连接回 Aleph 2.0 节点，即可将该编辑传递到主体出现的每一帧，同时保持其他内容不变。支持最长 30 秒、1080p 的片段，可跨多镜头序列应用编辑，无需逐镜头处理。
推荐理由：Runway 把旗舰视频编辑模型直接接入了 Figma 的创意画布，对设计师和视频团队来说，这意味着帧级编辑不用切换工具，协作流程可能大幅简化。
TechCrunch：AI精选AI 评分7070 Google DeepMind 7500 万美元投资 A24，合作开发电影 AI 工具
Google DeepMind 宣布向独立电影制片厂 A24 投资 7500 万美元（据《华尔街日报》），双方将合作开发电影制作 AI 工具。A24 出品过《万事俱备》《后室》等影片。Google DeepMind CEO Demis Hassabis 称，希望通过与艺术家直接合作，打造支持创意表达的 AI 功能。此举是好莱坞最新一次科技公司与电影 AI 联手，此前 Netflix 已收购 Ben Affleck 的 AI 工具公司 Interpositive，亚马逊 MGM 工作室也在去年设立了影视 AI 部门。
推荐理由：Google DeepMind 首次在影视内容创作上投入 7500 万美元，与 A24 合作开发 AI 工具，这标志着顶尖 AI 实验室开始直接渗透好莱坞核心创意流程，做文娱 AI 工具的人和关注产业交叉点的人应该留意。
IT之家·人工智能精选AI 评分7171 让大模型从“一问一答”走向“边看边说”，京东开源实时视频视觉语言交互模型 JoyAI-VL-Interaction
京东官方宣布开源实时视频视觉语言交互模型 JoyAI-VL-Interaction，这是全球首个全栈开源的 interaction 模型和系统，获 vLLM-Omni day-0 原生支持。该模型具备三重突破：主动判断（持续观察视频流自主决定何时说话）、实时响应（面向正在发生的视频流即时响应）、适时智能体委托（复杂任务转交后台模型，前台继续观察）。支持摄像头、直播流、监控流等视频输入，以及语音输入输出、可视化界面、长期记忆和 vLLM 部署。在 58 个真人盲评案例中，对比豆包视频通话助手总体胜率 77.6%，对比 Gemini 视频通话助手总体胜率 87.9%。
推荐理由：京东开源了首个全栈实时视频交互模型，让大模型能持续观察并主动响应，开发者可以直接用代码搭建安防、导购等实时AI助手，实用性很强。
IT之家·人工智能精选AI 评分7474 阿里云发布HappyOyster 1.0：一句话生成可实时交互的数字世界
6月17日，阿里云发布开放式世界模型HappyOyster 1.0（快乐生蚝）。该产品基于原生多模态架构，支持多模态输入与音视频联合生成，可在生成过程中持续接收用户指令并实时响应画面。它深度学习物理世界状态转移规律，保持人物和环境长程一致性。官网开放“实时导演”与“世界探索”两种玩法：前者可随时叫停改写故事、与虚拟男友实时互动等；后者支持自由漫游、滑板冲刺、翼装滑翔、骑马奔驰、攻击打怪等交互。该产品已于今年4月16日开放内测，即日起至7月17日官网不定期掉落体验积分。
推荐理由：阿里把世界模型做成了可玩的交互产品，一句话生成能探索能互动的数字世界，实时导演模式直接替代了一部分短剧和互动内容创作，虽然还像噱头但至少是能玩的尝试。
公众号：火山引擎精选AI 评分6363 Kickart 3.0发布，让广告视频创作更精准高效
火山引擎一站式营销创作平台Kickart 3.0（原“创作Agent”）正式上线，升级为对话式视频生成模式，用户可通过多轮对话调整商品图、故事板等，用自然语言生成营销视频。新增“爆款裂变”能力，上传视频链接后自动拆解爆款逻辑并重构至新商品视频，支持抖音电商内容合规与质量预审核。平台开放SaaS、API及Skill等多种交付方式，并已接入Seedance 2.0 mini，助力降低广告营销成本。
推荐理由：火山引擎为营销人带来的视频生成工具体验不错，对话式调整和爆款裂变能降低创作门槛，但对于关注AI技术进展的读者，这更像一次垂直行业产品迭代，亮点有限。
xAI：News精选AI 评分7373 xAI 发布 Grok Imagine Video 1.5
xAI 将 Grok Imagine Video 1.5 从预览转为全面可用，在 Imagine API 上提供 `grok-imagine-video-1.5`，并在 grok.com/imagine 及 iOS/Android 应用上推出 Video 1.5 Fast 版。相比前代，模型在音频与语音（更清晰、嘴型同步更好）、运动与物理（更连贯、重量感更真实）、生成速度（6 秒 720p 视频约 25 秒，此前超 40 秒）上全面提升。同时逐步推出 Projects、Multiple agents（并行运行多个生成任务）、Search 等新功能，以优化创作流程。
推荐理由：Grok Imagine 1.5 把视频生成速度砍半，音效同步和项目功能让创作者工作流更顺畅，xAI 在视频方向上站住了脚。