搜索“视频”

Vimeo上线自动视频配音

Vimeo 集成 ElevenLabs 40种语言自动配音功能

查看事件：Vimeo扩展多语言自动配音

Google为Gemini多款Flash模型支持Agentic视频理解

Google 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出智能体视频理解能力,即日起可通过 Gemini API 在 Google AI Studio 和 Gemini Enterprise Agent Platform 上处理上传视频和 YouTube 视频。官方演示中,Gemini 3.7 Flash 借助该能力自动调整处理速度,准确识别并数清快速拍手动作;此前静态处理默认以 1 FPS 抽帧,拍手这类瞬间动作容易被漏掉或误判为响指、点击。目前尚无后续发展事实。

Google DeepMind为Gemini推出代理式视频理解

2026年9月1日,Google DeepMind为Gemini 3.7 Flash、3.6 Flash和3.5 Flash-Lite推出代理式视频理解功能。据官方说明,模型可动态扫描视频片段,按需检索画面、音频和转录文本,相比固定1 FPS的静态处理,token消耗最多降低88%、成本最多降低66%、准确率最多提升7%。该功能已在Google AI Studio和Gemini Enterprise Agent Platform的Gemini API上线,支持视频上传和YouTube视频,按标准token计费且不额外收费。9月2日,Google AI Developers进一步说明,该能力可自动调整处理速度,从而准确识别并计数拍手等快速动作。官方还表示后续将接入Gemini应用和YouTube的Ask YouTube功能。

Together AI上线Wan 2.7视频模型

Gemini推出代理式视频理解

Google DeepMind 推出 Gemini代理式视频理解功能

查看事件：Google DeepMind为Gemini推出代理式视频理解

Gemini多款Flash模型支持Agentic视频理解

Google 支持 Agentic video understanding

查看事件：Google为Gemini多款Flash模型支持Agentic视频理解

Together AI上线Wan 2.7视频模型

Together AI 上线 Wan 2.7文本生成视频模型

查看事件：Together AI上线Wan 2.7视频模型

Hao AI Lab将MiniMax H3 Flex接入FastVideo

2026年11月4日,Hao AI Lab宣布将Pika Labs开源的MiniMax H3 Flex接入FastVideo,官方称其推理速度最高达到官方开源推理代码的7倍。在单张GB200上,同一提示词和随机种子生成5秒480p带音频视频,官方代码耗时59.7秒,FastVideo BF16为26.6秒,NVFP4 QAD为16.8秒,FP4 attention为15.2秒。官方代码仅支持单GPU,FastVideo增加多GPU支持后,4卡生成15秒视频提速7倍;单台DGX Spark生成5秒480p首尾帧视频耗时59.5秒。项目同时开放权重、推理代码和完整训练配方,并支持Open-H3-Regenerate-2K的2K模型。

Hao AI Lab在FastVideo中支持MiniMax H3 Flex

2026年11月4日,UCSD Hao AI Lab宣布将Pika Labs开源的MiniMax H3 Flex接入FastVideo。据其发布的信息,官方开源推理代码在单GB200上生成5秒480p带音频视频需59.7秒,而FastVideo BF16为26.6秒、NVFP4 QAD为16.8秒、FP4 attention为15.2秒。Hao AI Lab称其比官方代码快至多7倍,并补充了多GPU支持,4卡生成15秒片段快7倍。NVFP4 QAD对BF16 Flex做蒸馏,比普通量化更接近BF16 14-17%;FP4 attention把768p 15秒片段从101.8秒降到85.3秒。该片段在单台DGX Spark上耗时59.5秒。FastVideo同时支持Open-H3-Regenerate-2K的2K模型,权重、推理代码和完整训练配方均已开放。

Hao AI Lab宣布FastVideo支持Open-H3-Regenerate-2K

2026年11月4日,UCSD Hao AI Lab 宣布,FastVideo 已支持来自 HaoZhe65347 与 NVIDIA AI 的 Open-H3-Regenerate-2K 模型,并给出该 2K 模型的链接。同一来源还回顾了该系列此前的工作:FastVideo 对 Pika Labs 开源的 MiniMax H3 Flex 做了推理优化,在单张 GB200 上生成 5 秒 480p 带音频视频耗时 5.8 秒,比官方开源推理代码快至多 7 倍,并新增多 GPU 支持。目前尚无后续发展事实。

Apple为重新设计的健康App扩展语言支持

Apple于2026年11月3日宣布,重新设计的健康App扩展语言支持,覆盖全球英语、简体与繁体中文、法语、日语、韩语、挪威语、葡萄牙语、西班牙语、土耳其语和越南语,并以Apple Intelligence为核心。新版新增Insights标签页汇总心脏、睡眠、体能等数据;Longevity标签页以Health Age结合Apple Watch的VO2 max、静息心率等指标反映身体状态。更新还引入居家运动评估,借助iPhone摄像头与Apple Watch在设备端测量柔韧性、力量、平衡与VO2 max,不录制或存储视频。据Apple Newsroom,该版本当日进入iOS 27.3开发者测试版,今年晚些时候免费推送;9to5Mac称该应用曾在iOS 27.2 beta中测试,将于下月向所有用户推送。

Karpathy用Claude Opus 5.5两小时做出HackerTube

Andrej Karpathy 在周末用 Claude Code 配合 Opus 5.5,约两小时做出视频站 HackerTube。据阿易 AI Notes 报道,他把 Hacker News 二十年间约 4300 万条评论筛成 6454 个常被推荐的长视频,网站无需登录,封面取视频中间帧,浏览状态保存在本地浏览器会话。他本人只手动申请 Google Cloud 的 YouTube API 密钥、租 VPS 和买域名,随后把 IP 交给 Claude,由它完成部署、安全加固和代码优化。36氪 · AI 后续报道补充,他使用的是 Claude Code 桌面版与 Opus 5.5 的 Medium 推理强度,页面布局复刻 YouTube,并可将底层数据导出交给自己的 AI 代理重做一版。目前该事件无进一步公开进展。

Rohan Paul称Sunra按厂商原价转售多模态模型调用

Rohan Paul 于2026年10月29日转述称,Sunra 发布 Sunra API,用户通过一个密钥即可调用各主流图像、视频、音频和 3D 模型,并按各模型厂商自己的 API 价格计费,采用按量付费,没有订阅费,也不加价。Rohan Paul 还称,Seedance 2.5 在 Sunra 上的价格是另外两家网关的一半,这种统一入口也便于对 Google、OpenAI、ByteDance 和 Kling 的模型做 A/B 测试。目前该说法仅见于 Rohan Paul 的转述,尚无 Sunra 官方或其他来源的独立证据。

Rohan Paul称Sunra按厂商原价转售多模态模型调用

Rohan Paul 于2026年10月29日转述称,Sunra 发布 Sunra API,用户通过一个密钥即可调用各主流图像、视频、音频和 3D 模型,并按各模型厂商自己的 API 价格计费,采用按量付费,没有订阅费,也不加价。Rohan Paul 还称,Seedance 2.5 在 Sunra 上的价格是另外两家网关的一半,这种统一入口也便于对 Google、OpenAI、ByteDance 和 Kling 的模型做 A/B 测试。目前该说法仅见于 Rohan Paul 的转述,尚无 Sunra 官方或其他来源的独立证据。

查看事件：Rohan Paul称Sunra按厂商原价转售多模态模型调用

Grok Bot本周更新Pages、Vault与1Password联动

Grok Bot本周更新了多项功能。据阿易 AI Notes报道,此次更新包括可直接生成可编辑报告页和仪表盘的Pages、用于存放登录与银行卡信息的Vault,以及与1Password的联动;Vault与1Password的设计是让Bot代填登录和结账信息,但Bot本身看不到密码和卡号。更新还加入手机App授权,覆盖日历、通讯录、位置、闹钟,在iPhone上可管理提醒事项和控制Home灯光;此外还有根据描述或图片生成视频、新Bot角色和X Spaces等。目前该报道为唯一信源,尚无后续发展。

Gemini上线头像创建与分享功能

Google Gemini 上线个人头像功能,用户可创建并分享头像,与朋友一起出现在图像和视频中。分享后可在提示词中互相标记,并保持角色和声音的一致性;用户还能随时添加或移除他人的访问权限。目前该功能由 Gemini 于2026年10月30日发布的信息披露,尚无更多后续发展。

Tripo AI发布并开源实时生成式渲染器EdenLive

Tripo AI推出面向交互式场景的实时生成式渲染器EdenLive,隶属其交互式环境世界模型Project Eden,目前已向开发者开源。据VR陀螺报道,EdenLive将场景演化逻辑与视觉渲染解耦,只需2D/3D场景或参考视频、目标首帧与文本指令即可启动渲染,支持480p与720p两种分辨率;50亿参数版本在单张消费级RTX 5090上可实现720p下24帧/秒以上的实时生成。开源内容包括50亿与140亿参数模型权重、实时视频生成代码、文本转简易游戏的EdenGolem v0.1技能及完整提示词到游戏前端工具链,代码以Apache 2.0协议发布于GitHub,权重可在Hugging Face获取。目前尚无后续进展披露。

Grok Bot本周更新Pages、Vault与1Password联动

Grok Bot本周更新了多项功能。据阿易 AI Notes报道,此次更新包括可直接生成可编辑报告页和仪表盘的Pages、用于存放登录与银行卡信息的Vault,以及与1Password的联动;Vault与1Password的设计是让Bot代填登录和结账信息,但Bot本身看不到密码和卡号。更新还加入手机App授权,覆盖日历、通讯录、位置、闹钟,在iPhone上可管理提醒事项和控制Home灯光;此外还有根据描述或图片生成视频、新Bot角色和X Spaces等。目前该报道为唯一信源,尚无后续发展。

查看事件：Grok Bot本周更新Pages、Vault与1Password联动

Krea预告本周发布首个Krea 3专家模型

2026年10月28日,Krea预告“something is coming”,称首个Krea 3专家模型将于本周发布,并邀请用户猜测首个专家模型是什么。10月29日,Krea宣布Krea 3将于明天迎来首个专家模型,并称视频中还留有最后一条线索。10月30日,Krea发布Ad Studio,由面向广告的新Krea 3专家模型驱动;用户粘贴品牌链接即可生成数十条广告,并保持与品牌和产品的一致性,目前可免费试用。

OpenAI面向所有ChatGPT套餐开放iCloud邮件与日历插件

OpenAI于2026年10月28日宣布,iCloud Mail与iCloud Calendar两项插件已可在ChatGPT中连接使用。用户可通过ChatGPT查找邮件、梳理收件箱、查看接下来的日程或更新日历事件。该功能在网页端、桌面端和iOS上向所有ChatGPT套餐开放。Testing Catalog同日报道称,这是用户期待已久的功能,并附有一段演示视频。目前尚无后续发展。