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。
北京时间
AI 视频
全部主题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。
最新精选
第 21–40 条 · 共 139 条- Krea@krea_ai精选AI 评分7272
公众号：火山引擎精选AI 评分8181 Seedance 2.5 API上线，视频生成开启「电影级长叙事」
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。
公众号：千问APP（阿里）精选AI 评分6464 千问全网首发公测，全新 Wan3.0 来了！
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。
HuggingFace Daily Papers（社区热门论文）精选AI 评分7474 Video-DeepResearch：迈向下一代多模态深度研究智能体
Video-DeepResearch（Video-DR）将多模态智能体从静态图像扩展到连续视频流，提出解耦感知-探索流水线与分阶段工具解锁，以应对模态偏差和参数知识泄漏两大瓶颈。
推荐理由：将深度研究从静态图像扩展到视频流，通过强制视觉定位再检索的两阶段训练，让模型摆脱了对文本搜索的路径依赖，给视频智能体研发提供了可验证的训练范式。
字节 Seed：Research Feed（网页内嵌数据）精选AI 评分7878 字节 Seed 发布 SeedRealtime 音视频全双工大模型，走向全模态自然交互
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。
Simon Willison 博客精选AI 评分7474 MiniMax-H3 通过 MLX 移植可在 Apple Silicon 上运行
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。
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。
公众号：MiniMax（稀宇科技）精选AI 评分7575 MiniMax H3 正式开源：通用全模态生成系统支持 2K 视频与原生立体声
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。
公众号：卡尔的AI沃茨精选AI 评分7272 实测MiniMax H3做后期和动效：视频届的审美王来了
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。
公众号：百度智能云（文心）精选AI 评分6666 百度搭子一镜Skill：一句话生成数字人口播视频
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 Seed：Research Feed（网页内嵌数据）精选AI 评分8080 字节发布 Seedance 2.5：单次生成 30 秒视频，支持多模态参考与精准编辑
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。
公众号：数字生命卡兹克精选AI 评分6969 MiniMax H3 发布并将开源，主打视觉包装与后期特效
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。
Runway@runwayml精选AI 评分7171在 Runway Agent 中引入工作流。现在你可以通过自然语言构建、运行或编辑基于节点的工作流。工作流可大规模解锁高质量输出。 立即尝试，点击下方链接调用 / Workflow 技能。
推荐理由：我觉得Runway这次把工作流放进Agent里，是从‘生成片段’到‘组装生产线’的跨越，视频团队可以直接用自然语言搭流水线，规模化内容生产终于有了低门槛入口。
HuggingFace Daily Papers（社区热门论文）精选AI 评分7777 SANA-Video 2.0：混合线性注意力与注意力残差实现高效视频生成
SANA-Video 2.0 是一个混合视频扩散 Transformer，提供 5B 和 14B 两种规模，可在单 GPU 上生成最高 720p 视频。其 Hybrid Linear-Softmax Attention 以 3:1 比例混合线性与 softmax 注意力，配合 Block Attention Residuals 将深层有效秩提升约 12%。
推荐理由：SANA-Video 2.0 视频生成模型把单 GPU 的 720p 生成压到 13 秒，比 Wan 2.2 快 120 倍，做视频应用的开发者该重新评估成本模型了。
IT之家（RSS）精选AI 评分7373 Black Forest Labs 发布 FLUX 3 多模态模型，支持单次生成 20 秒视频与原生音频
Black Forest Labs 以 Early Access 方式推出 FLUX 3 多模态基础模型，采用统一架构联合学习图像、视频和音频。该模型基于 Self-Flow 学习框架扩展，可在单次生成中输出最长 20 秒视频并附带原生音频，支持文生视频、图生视频、多镜头串联等任务。
推荐理由：FLUX 3 把图像、视频、音频塞进同一个架构，单次能出 20 秒带声视频，对比 Grok Video 胜率 69%，视频生成赛道的竞争又升温了。
The Decoder：AI News（RSS）精选AI 评分7676 《第九区》导演Neill Blomkamp发布首部完全由AI生成的短片《Nightborne》
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。
公众号：通义实验室（千问）精选AI 评分6969 通义实验室发布 Wan-Streamer v0.2，端到端响应延迟仅 550ms
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。
公众号：通义实验室（千问）精选AI 评分7676 Wan-Streamer v0.2 发布：端到端响应延迟仅 550ms，支持 640×368 实时视频对话
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 Blog：AI（RSS）精选AI 评分6060 Google Vids 上线 Gemini Omni 与个人数字分身功能
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。