Google DeepMind 发布 Gemini Omni 1.2 Flash 视频模型
Google DeepMind 宣布推出 Gemini Omni 1.2 Flash，并首次在 Gemini API 和 Gemini for business 中全面可用。
推荐理由：原文给出价格降幅、时长上限与一致性改进，可据此评估它对批量视频生产成本与工作流的影响。
#视频
Google DeepMind精选AI 评分7373
AWS Machine Learning BlogAI 评分5555 TwelveLabs Pegasus 1.5 视频语言模型上线 Amazon Bedrock
TwelveLabs 的 Pegasus 1.5 视频语言模型现已在 Amazon Bedrock 的 US West (Oregon) 区域可用，模型ID为 twelvelabs.pegasus-1-5-v1:0。
NVIDIA BlogAI 评分4545 NVIDIA 推进媒体行业 AI 智能体安全：EBU 扩展主权框架，Adobe Frame.io 借 GPU 加速视频搜索
NVIDIA 与欧洲广播联盟（EBU）扩展主权框架，引入主权云、开源模型与系统集成商，帮助欧洲公共广播机构在掌控数据、基础设施与安全的前提下部署 AI 智能体。
OpenAI NewsAI 评分4343 Higgsfield 借 GPT-6 Astra 等模型将 AI 视频时长从 1 分钟提升至 10 分钟以上
Higgsfield 用 GPT-6 Astra 把 AI 视频时长从 1 分钟提升到 10 分钟以上，并以 GPT-Image-2.5 提供精确画面控制，同时通过 GPT-Live 打开通往语音创作电影的路径。
OpenAI NewsAI 评分1818 Pollo AI 借助 OpenAI 把创意变成营销活动
Pollo AI 结合 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5，帮助创作者把大胆想法转化为精细图像与电影级视频广告。
AWS Machine Learning BlogAI 评分2222 在 SageMaker AI 上用 vLLM-Omni 生成图像与视频（第二部分）
AWS 发布教程，演示在 SageMaker AI 上部署同一个 vLLM-Omni DLC 镜像的两个端点：实时端点跑 FLUX.2-klein-4B 生成图像，异步端点跑 Wan2.1-VACE-1.3B 做图像条件视频生成。文本提示词先生成 PNG，再连同运动提示词送入视频端点，生成的 MP4 存入 Amazon S3，示例提供命令行与 Streamlit 界面。
Google Research精选AI 评分6262 Google 研究团队提出 AI 视频联合导演框架，实现连贯长视频生成
Google 研究团队发布 AI video co-director 等多智能体框架，在 Gemini 和 Veo 之上编排多镜头长视频生成，缓解语义漂移与级联失败。
推荐理由：Google 把长视频生成拆成四个可组合的智能体框架，读者可了解多镜头一致性的具体解法与评测基准。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，将实时视频生成与语音对话结合，为 Gemini 的对话式 AI 带来近实时的视觉形象。
推荐理由：Gemini 3.8 Live 新增实时视频形象能力，读者可了解其多语言同步与异步工具调用如何用于企业对话场景。
OpenAI NewsAI 评分2020 invideo 如何用 GPT-6 Astra 将调色效率提升 3 倍
invideo 借助 GPT-6 Astra 实现更精准的剪辑规划，将调色与色彩校正效率提升 3 倍，并在一天内产出 50 个自定义特效。
OpenAI NewsAI 评分2222 Higgsfield AI 借 GPT-6 Astra 一天上线新视频功能
Higgsfield AI 借助 GPT-6 Astra 在一天内上线新视频功能，让小型企业更轻松地制作视频广告，并更快将新创意工具推向市场。
NVIDIA BlogAI 评分1010 Aniimo 上线 GeForce NOW，007 First Light 获光追更新
Pawprint Studio 的免费开放世界抓宠 RPG《Aniimo》本周登陆 GeForce NOW，玩家无需 45GB 下载即可在 Steam Deck、新支持的 Firefox 浏览器等设备上串流游玩。
Google DeepMind精选AI 评分7373 Gemini 推出 agentic video understanding 视频理解功能
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上推出 agentic video understanding，通过让模型主动调用原生视频工具按需检索画面、音频与字幕，替代固定帧率的静态处理。
推荐理由：原文给出了成本、token 与准确率三项量化变化及启用方式，读者可据此评估它对长视频分析工作流的实际影响。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Gemini Omni 1.1 Flash，新增场景延展与首尾帧插值等视频控制能力
Google DeepMind 宣布推出 Gemini Omni 1.1 Flash，通过 Gemini API 在 Google AI Studio 面向开发者开放，使 Omni 1.1 达到可用于专业生产的状态。
推荐理由：原文列出了场景延展、首尾帧插值、360p 快速原型和 4K 升档等具体能力与参数，可据此评估其对生成视频工作流的改动。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）图像模型与 Gemini Omni Flash（gemini-omni-flash-preview）视频生成与对话式编辑模型。
推荐理由：原文给出了两款模型的定位分工与串联用法，读者可据此判断如何组合图像与视频生成搭建工作流。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini Omni Flash 视频生成模型
Google DeepMind 发布 Omni 家族首个模型 Gemini Omni Flash，可将图像、音频、视频和文本组合作为输入，生成基于 Gemini 真实世界知识的高质量视频，并支持通过自然语言对话编辑视频，每次指令在上一次基础上延续，保持角色一致和场景记忆。
推荐理由：原文说明了 Omni 与 Gemini 推理能力的结合方式和开放入口，读者可据此判断它会怎样改变视频创作工作流。
OpenAI NewsAI 评分4343 OpenAI 如何安全地打造 Sora 2 与 Sora 应用
OpenAI 以安全为基础构建了 Sora 2 视频模型和 Sora 社交创作平台，以应对前沿视频模型与新型社交创作平台带来的全新安全挑战。其安全方案以具体、可落地的保护措施为核心。
OpenAI NewsAI 评分2929 Descript 如何用 OpenAI 推理模型实现大规模多语言视频配音
Descript 借助 OpenAI 推理模型实现了大规模内容库的自动本地化配音，在翻译过程中不丢失时间轴与语义。该方案让 Descript 得以对大量视频内容进行多语言配音扩展。
OpenAI NewsAI 评分3838 OpenAI 如何为 Codex 和 Sora 构建超越速率限制的实时访问系统
OpenAI 构建了一套实时访问系统，结合速率限制、用量追踪和 credits，为 Sora 和 Codex 提供持续访问能力。该系统用于扩展 Codex 和 Sora 的访问规模，突破传统速率限制的瓶颈。
OpenAI NewsAI 评分1818 Sora feed 的产品理念
Sora feed 的产品理念是激发创意、促进连接并保障体验安全，通过个性化推荐、家长控制和强力护栏来实现。
OpenAI NewsAI 评分2020 Higgsfield 如何用 GPT-4.1、GPT-5 和 Sora 2 把简单想法变成电影感社交视频
Higgsfield 借助 OpenAI 的 GPT-4.1、GPT-5 和 Sora 2，让创作者用简单输入产出电影感、社交优先的视频内容。原文是一篇介绍性文章，说明该工具如何把创意想法转化为可直接发布的短视频。
Hugging Face Blog精选AI 评分6161 Overworld 发布实时交互视频扩散模型 Waypoint-1 与推理库 WorldEngine
Overworld 发布实时交互视频扩散模型 Waypoint-1，可通过文本、鼠标和键盘控制，用 10,000 小时游戏画面训练，支持零延迟自由控制相机与按键输入。
推荐理由：原文对比了与现有世界模型在控制延迟上的差异，并给出推理库的具体吞吐与帧率数据，便于评估其实用性。
Google DeepMindAI 评分5858 Google DeepMind 升级 Veo 3.1 Ingredients to Video，支持竖屏输出与 4K 上采样
Google DeepMind 宣布升级 Veo 3.1 Ingredients to Video，可基于参考图生成视频，改进了角色身份一致性、背景与物体一致性以及跨场景元素融合，并首次支持原生 9:16 竖屏输出和 1080p、4K 上采样。
OpenAI NewsAI 评分5656 迪士尼与 OpenAI 达成合作，200 多个角色将登陆 Sora
迪士尼与 OpenAI 达成协议，将 Disney、Marvel、Pixar 和 Star Wars 的 200 多个角色引入 Sora，用于粉丝创意短视频。协议强调娱乐领域的负责任 AI，并包含迪士尼全公司使用 ChatGPT Enterprise 和 OpenAI API 的内容。
OpenAI News精选AI 评分6767 OpenAI 发布 Sora 2 系统卡
OpenAI 发布 Sora 2 系统卡，介绍其新一代视频与音频生成模型。Sora 2 在 Sora 基础上引入更准确的物理表现、更强的真实感、同步音频、增强的可控性以及更广的风格范围等此前视频模型难以实现的能力。
OpenAI News精选AI 评分6060 OpenAI 以安全为基础推出 Sora 2 与 Sora 应用
OpenAI 宣布推出 Sora 2 视频模型和 Sora 应用，称针对前沿视频模型与全新社交创作平台带来的新型安全挑战，将安全作为基础，并以具体保护措施作为其做法的锚点。
推荐理由：官方说明了面向视频模型与社交创作平台的具体安全保护措施，可了解其安全设计思路。
OpenAI News精选AI 评分7171 OpenAI 发布视频生成模型 Sora 2，支持同步对话与音效
OpenAI 发布视频生成模型 Sora 2，具备同步对话与音效生成能力。原文同时说明 Sora 产品已不再可用。
OpenAI NewsAI 评分1212 Invideo AI 借助 OpenAI 模型将视频制作提速 10 倍
Invideo AI 使用 OpenAI 的 GPT-4.1、gpt-image-1 和 text-to-speech 模型，把创意在几分钟内转化为专业视频，制作速度提升 10 倍。
Hugging Face BlogAI 评分5555 Hugging Face 开源视频生成数据集构建工具链
Hugging Face 发布面向视频生成模型微调的数据集构建工具链，包含下载、预处理过滤与打标三阶段流水线，用 yt-dlp 下载、LAION-5B-WatermarkDetection 检测水印、improved-aesthetic-predictor 打美学分、OpenCV 计算运动分，并用 Florence-2 或 Qwen2.5 生成字幕。
Hugging Face BlogAI 评分3434 Hugging Face AI 艺术工具通讯 Issue 1：2024 年 AI & Arts 回顾与 2025 展望
Hugging Face 推出 AI 艺术工具通讯创刊号，回顾 2024 年 AI & Arts 关键里程碑并展望 2025。
Hugging Face Blog精选AI 评分6161 Diffusers 梳理开源视频生成模型现状与显存优化方案
Hugging Face Diffusers 团队发文盘点当前开源视频生成模型现状，并给出在 Diffusers 中运行和优化这些模型的方案。
推荐理由：给出了显存实测数据和可组合的优化手段，读者可据此判断在自己硬件上跑开源视频模型的可行性。
OpenAI News精选AI 评分7878 OpenAI 视频生成模型 Sora 正式上线 sora.com
OpenAI 宣布其视频生成模型 Sora 现已在 sora.com 开放使用，用户可生成最高 1080p 分辨率、最长 20 秒、支持宽屏、竖屏或方形比例的视频。用户既可以纯文本生成全新内容，也可以上传自有素材进行扩展、混剪和融合。
OpenAI NewsAI 评分1818 Vallée Duhamel 与 Sora：如何用 Sora 构建新世界
电影制作二人组 Vallée Duhamel 讲解了如何用 Sora 构建新世界。
OpenAI NewsAI 评分1212 Minne Atairu 与 Sora：艺术家谈 Sora 如何实现创作愿景
跨学科艺术家 Minne Atairu 分享了 Sora 如何帮助她实现创作愿景。文章以访谈形式呈现，聚焦 Sora 在艺术创作中的实际应用。
OpenAI NewsAI 评分5050 Sora System Card
OpenAI 发布 Sora System Card，介绍其视频生成模型 Sora：可接受文本、图像和视频输入并生成新视频，构建于 DALL-E 和 GPT 模型的经验之上，旨在为用户提供更丰富的叙事与创意表达工具。
OpenAI NewsAI 评分2525 电影制作人 Lyndon Barrois 用 Sora 打造新世界
电影制作人 Lyndon Barrois 讲述了如何把 Sora 作为叙事工具来使用，用它创造新的世界。
Hugging Face BlogAI 评分4747 Hugging Face 发布 CinePile 2.0：用对抗式精炼打造更强的长视频 QA 数据集
Hugging Face 与合作方发布长视频 QA 数据集 CinePile 2.0，并开源了配套的对抗式数据集精炼（adversarial dataset refinement）方法实现。
OpenAI NewsAI 评分2828 OpenAI Consistency Models：用一致性模型加速扩散模型生成
OpenAI 提出 Consistency Models，解决扩散模型依赖迭代采样导致生成缓慢的问题。扩散模型已显著推动图像、音频和视频生成，但其迭代采样过程造成生成速度慢，一致性模型旨在改善这一瓶颈。
OpenAI NewsAI 评分2222 Sora 初体验
OpenAI 正与艺术家合作，探索 Sora 如何融入创作流程。自上月向全球介绍 Sora 以来，OpenAI 一直在与艺术家合作，了解 Sora 如何帮助他们的创作过程。
OpenAI News精选AI 评分8282 OpenAI 发布视频生成模型 Sora，探索世界模拟器路线
OpenAI 发布视频生成模型 Sora，可在文本条件下生成一分钟高保真视频。该模型基于在视频与图像潜码的时空 patch 上运行的 Transformer 架构，对不同时长、分辨率和宽高比的视频与图像联合训练，其结果表明扩大视频生成模型规模是构建物理世界通用模拟器的可行路径。
推荐理由：原文点明扩大视频生成规模是通向物理世界通用模拟器的路径，提供了技术路线的关键判断。
Hugging Face BlogAI 评分4444 Hugging Face 构建 AI WebTV：用开源模型自动生成视频流
Hugging Face 推出实验性 AI WebTV，用开源模型自动生成并直播视频流。流水线以 ChatGPT 生成分镜提示词，经 Zeroscope V2（zeroscope_v2_576 生成 576x320、zeroscope_v2_XL 升采样至 1024x576）出片，再用 FILM 插帧并配 MusicGen 音乐，最终由 FFmpeg 推流至 RTMP。