NVIDIA 发布开源 GPU 加速的 Medical Physics Simulation 框架，作为 Isaac for Healthcare 的一部分，用于生成解剖数字孪生、模拟器械与解剖结构交互并训练强化学习策略。其中 Endoluminal Simulation Module 已正式可用，用 XPBD 求解器实时模拟柔性导管在患者特异性血管中的导航；Surgical Simulation Module 处于早期访问，可在单张消费级 GPU 上以超过 30 帧每秒模拟软组织变形与触觉反馈。Cosmos-H 系列生成式世界模型可从机器人动作生成手术视频，Cosmos-H-Dreams 经 FlashDreams 推理引擎实现超过 30 帧每秒的交互式仿真。
匹配字段摘要
Hugging Face 发布 LeRobot v0.6.0，引入三种世界模型策略、多款新 VLA、统一奖励模型 API，以及由 lerobot-eval 支持的六个新仿真基准。新版还增加支持 DAgger 人工纠正的 lerobot-rollout、FSDP 与 HF Jobs 云训练，并为数据集加入深度数据、自动语言标注、自定义视频编码及最高约 2 倍的加载提速。
Hugging Face 发布 LeRobot v0.6.0，引入三种世界模型策略、多款新 VLA、统一奖励模型 API，以及由 lerobot-eval 支持的六个新仿真基准。新版还增加支持 DAgger 人工纠正的 lerobot-rollout、FSDP 与 HF Jobs 云训练，并为数据集加入深度数据、自动语言标注、自定义视频编码及最高约 2 倍的加载提速。 · Hugging Face released LeRobot v0.6.0 with three world-model policies, several new VLAs, a unified reward-model API, and six new simulation benchmarks supported by lerobot-eval. It also adds lerobot-rollout with DAgger-style human corrections, FSDP and cloud training through HF Jobs, plus dataset support for dep
匹配字段摘要
Google 在 I/O 开发者大会上宣布重新设计沿用 25 年的搜索框，将其从关键词输入框改为可接受文本、图片、PDF、视频和 Chrome 标签页的多模态对话入口，并立即在支持 AI Mode 的所有国家和地区上线。Google 同时把 AI Overviews 与 AI Mode 合并为一条连续搜索流程，用户可在传统结果页直接追问，无需切换界面。新体验由 Gemini 3.5 Flash 驱动，Google 称 AI Mode 上线一年月活已超 10 亿，AI Overviews 月活超 25 亿。
匹配字段摘要
Google 将内容透明与验证工具扩展至 Search、Gemini、Chrome、Pixel 和 Cloud，并在 Gemini Enterprise Agent Platform 推出 AI Content Detection API。SynthID 已为逾 1000 亿张图像和视频及 6 万年音频添加水印，其 Gemini 验证功能全球使用 5000 万次。Pixel 8、9 和 10 将在未来几周为视频加入 C2PA Content Credentials。
Google 将内容透明与验证工具扩展至 Search、Gemini、Chrome、Pixel 和 Cloud，并在 Gemini Enterprise Agent Platform 推出 AI Content Detection API。SynthID 已为逾 1000 亿张图像和视频及 6 万年音频添加水印，其 Gemini 验证功能全球使用 5000 万次。Pixel 8、9 和 10 将在未来几周为视频加入 C2PA Content Credentials。 · Google is expanding content transparency and verification tools across Search, Gemini, Chrome, Pixel and Cloud, while launching an AI Content Detection API on the Gemini Enterprise Agent Platform. SynthID has watermarked over 100 billion images and videos and 60
匹配字段摘要
xAI 宣布即日起可在 Nous Research 的开源自我改进智能体 Hermes Agent 中直接使用 Grok 订阅。接入后可用 Grok 4.3 进行文本对话与高级推理、Grok Text-to-Speech 生成语音回复、Grok Imagine 生成图像和视频，所有订阅档位均可使用。Hermes Agent 可持久运行在任意电脑、沙箱或 VPS 上，跨会话建立长期记忆，并能连接 WhatsApp、Discord、Telegram、Signal 等消息平台；用户通过 hermes model 选择 xAI Grok OAuth 并浏览器登录即可启用。
匹配字段摘要
xAI 宣布 Grok Imagine API 的图像生成与编辑 Quality Mode 面向企业开发者和团队开放。官方称该模式在真实感、多语言文字渲染和提示词遵循上有提升，并可与视频生成能力搭配，调用示例使用模型名 grok-imagine-image-quality。
匹配字段摘要
Suno 发布 Audio Input 功能，Pro 与 Premier 用户可上传或录制自己的音频来生成歌曲。音频或视频片段需在 6 至 60 秒之间，上传后在 Extend 中设定起始时间、风格并可加入自己的歌词。
匹配字段摘要
2026年10月27日,PixVerse宣布Kling 4.0已在其平台上线,单次可生成最长30秒视频,无需拼接;该版本还能在多镜头场景中保持角色一致,并在高速动作和复杂运镜下维持稳定运动。10月29日,PixVerse发布与Kling 4.0的联动生成示例,称这次生成在动作中呈现出更重的打击感和更稳定的细节,更接近实拍质感。10月30日,PixVerse表示在平台上用Kling 4.0尝试了一段完整的跑酷序列,从起跳到落地动作干净,整段奔跑保持了动量。10月31日,PixVerse发帖称Kling 4.0在动作场景上表现很好,并列出Omni Reference保持角色与物体一致、单次生成最长30秒、快速动作下保持稳定电影级运动、原生音频含对白与音效等特点,邀请用户在PixVerse上试用。
匹配字段标题
Kling AI 发布新一代视频模型 Kling 4.0,主打更可控、更一致的视频生成。据可灵官方发布说明,Kling 4.0 已在 idea.ai 上线,支持用单条提示词生成 30 秒场景,角色在镜头之间保持一致,并可在真人、动漫和 3D 风格之间切换,输出电影级画质视频。Testing Catalog 报道称,其 Omni Reference 可在单个任务中组合最多 15 个图像、视频、主体或声音,单次生成最长 30 秒并支持最多 10 个关键帧。此后,Kling 4.0 陆续登陆多个平台:10 月 22 日可灵称其上线 OnSolo,可一次生成 30 秒原生视频,支持立体声、口型同步与 21:9 宽画幅;10 月 23 日 fal 宣布 Kling 4.0 在 fal 上线并向所有客户开放 API;同日可灵称 Kling 4.0 已在 Miora 上线。
匹配字段标题
Kling AI 发布新一代视频模型 Kling 4.0,主打更可控、更一致的视频生成。据可灵官方发布说明,Kling 4.0 已在 idea.ai 上线,支持用单条提示词生成 30 秒场景,角色在镜头之间保持一致,并可在真人、动漫和 3D 风格之间切换,输出电影级画质视频。Testing Catalog 报道称,其 Omni Reference 可在单个任务中组合最多 15 个图像、视频、主体或声音,单次生成最长 30 秒并支持最多 10 个关键帧。此后,Kling 4.0 陆续登陆多个平台:10 月 22 日可灵称其上线 OnSolo,可一次生成 30 秒原生视频,支持立体声、口型同步与 21:9 宽画幅;10 月 23 日 fal 宣布 Kling 4.0 在 fal 上线并向所有客户开放 API;同日可灵称 Kling 4.0 已在 Miora 上线。
匹配字段标题
2026年10月15日,Kling AI 宣布 KLING 4.0 全面可用,用户可通过改版后的创作界面使用,并支持通过 MCP 和 CLI 接入视频创作工作流;官方同时预告将推出 4K 和 1080p 的 10-bit HDR 视频输出,以及面向企业客户和开发者的 API 访问。10月17日,fal 预告即将上线可灵 4.0,称单次生成最长 30 秒视频、支持原生音频,并可用最多 15 个参考素材引导角色、场景与镜头运动。10月20日,据 The Decoder 报道,Kling AI 发布 4.0 版本,单次可生成最长 30 秒视频,支持最多 10 张关键帧图像输入,提示词理解扩展到 8,000 tokens,新增双声道立体声音频和十余种语言的口型同步,并推出最高 720p、20 秒的轻量版 Kling 4.0 Flash。10月22日,可灵宣布 KLING 4.0 API 正式开放,开发者可将其集成到自有产品和工作流中,但未披露接口能力、定价或可用范围等细节。
English translation is being prepared.
匹配字段标题
Google 更新 Gemini Notebook的幻灯片和视频概览共创功能
English translation is being prepared.
匹配字段标题
Google为Gemini Notebook的Slide Decks和Video Overviews更新共创功能,改变此前从初始提示词直接跳到最终成品的做法,改为基于用户来源材料分步引导创作流程。据Google Blog介绍,用户确认主题后可继续引导内容与视觉风格;开启Review开关还能在渲染前查看大纲笔记或制作笔记并提反馈。Thurrott的报道同样提到,新流程会先建议包含的主题,再根据反馈确定视觉风格和格式,生成后可用Review开关继续编辑。Google Blog称,该功能将在未来一周面向所有Gemini Notebook用户全球推送。目前尚无后续发展事实。
匹配字段标题
fal 推出 fal Reframe,可在不裁剪、不重拍的情况下改变任意视频的宽高比。该工具由 H3 Max 驱动,在保留原始画面、时间节奏和音频的同时,把场景扩展到原画幅之外,支持竖屏转宽屏、9:16 转 1:1 等比例转换。目前尚无后续发展事实,状态停留在发布时的功能说明。
匹配字段标题
fal 推出 fal Reframe
English translation is being prepared.
匹配字段标题
Gemini 4 Argon 支持 将视频或摄像头画面重新构想为可演奏合成器
English translation is being prepared.
匹配字段标题
Descript 介绍了 AI 视频与播客剪辑助手 Underlord。据官方产品更新,该助手可读取脚本、观看视频并给出剪辑建议,也能按提示词写脚本,并批量完成居中说话人、添加下三分之一字幕等重复编辑工作。它同时保留文本化剪辑、场景与布局、AI 动作等原有功能,并按免费、Hobbyist、Creator 三档提供不同的媒体时长、AI 额度和导出分辨率。目前该故事尚无后续发展事实,状态停留在这一介绍节点。
匹配字段标题
Descript 介绍 AI 视频剪辑助手 Underlord
English translation is being prepared.
匹配字段标题
2026年10月2日,Tavus推出名为Griffin的Human Interaction Model,可在实时视频通话中同时接收和生成语音、面部表情、语气、手势与停顿。Tavus研究显示,48%的参与者在一次一分钟视频通话后认为Griffin是真人,此前系统最高为2%。在Tavus称为Nvidia独立测试的拟人度评分中,Griffin得3.83分,真人为3.92分,此前最佳AI模型为2.80分。名为Griffin-Lite的预览版已向部分测试者开放,能力更强的版本将在安全问题解决后推出。另一报道称,该模型目前仅向可信测试者开放,公开推出前将继续完善安全与披露功能。
匹配字段标题
Tavus 推出 视频交互模型Griffin
English translation is being prepared.
匹配字段标题