对话式消息软件提供商 Gupshup 推出 Avatar Agent，一个让企业无需集成即可创建视频 AI 智能体的自助平台，智能体可在网站、手机、平板和自助终端上回答客户问题、讲解产品、筛选线索并引导流程。该平台可通过 Gupshup SuperAgent、ChatGPT、Claude 等 AI 助手配置，并支持将现有消息智能体扩展到语音和视频渠道。Avatar Agent 现已上线官网，提供带 Gupshup 品牌标识的免费套餐，规模化使用可选按量付费。
匹配字段标题、摘要
用 Grok @Bot 轻松制作音乐视频
匹配字段标题、摘要
钛媒体梳理了近期多支团队围绕人类视频训练机器人的进展：星动纪元开放 VPP2 两套视频模型权重，Dyna Robotics、Figure、Skild AI 等把人类视频放进同一条训练链。Dyna-2 的转钥匙实验中，用 100 万小时人类第一视角视频预训练的模型测试 10 次成功 9 次，而 1000 小时、1 万小时、10 万小时三组均失败。文章同时指出视频预测与真实执行之间仍有差距，DreamZero 的烤箱任务就因模型预测漏掉开门步骤而卡住。
匹配字段标题、摘要、正文
Google 正式向开发者及企业开放 Gemini 4 Argon 模型，并公布其在空间重建、物理环境理解及机器人控制方面的技术演示。该模型可基于真实机器人摄像头视频、第一人称人类操作视频及手绘草图，结合 MuJoCo 物理引擎重建带几何形状、碰撞结构、质量与摩擦力等属性的 3D 仿真环境。在机器人训练案例中，利用真实场景照片构建仿真环境并生成超过 4500 段训练数据，使真实机器人任务成功率由 56% 提升至 75%，平均任务完成时间由 35 秒缩短至 24 秒；模型在具身推理基准 ERQA 中取得 87% 的成绩。
匹配字段标题、摘要、正文
纽约，你带来了能量！🗽💜 在 #AWNewYork26 上，MiniMax 召集了 @krea_ai、@fal 和 @magnific，带来了一场充满犀利见解与新鲜视角的圆桌讨论。 随着我们深化与品牌和代理机构的合作，我们探讨了 AI 视频要具备生产可用性需要什么：一致的结果、创作控制力，以及忠于品牌的作品。 我们的展位热闹非凡，我们的小章鱼和托特包也收获了不少喜爱 🐙 感谢邀请我们，@advertisingweek！
匹配字段标题、摘要
OpenAI 与 AI 视频生成平台 Higgsfield 合作，接入 GPT-6 Astra 后，Higgsfield 支持生成的 AI 视频时长上限从 1 分钟提升到 10 分钟。GPT-6 Astra 支持创意智能体调用外部工具处理 3D 建模等复杂工作，用于维持长视频在角色、场景和视觉细节上的一致性。Higgsfield 还集成 GPT-Image-2.5 渲染图像文字与信息图，并用 Codex 加速产品开发，下一阶段将基于 GPT-Live-1 探索“语音到视频”创作。
匹配字段标题、摘要、正文
企业视频正悄然成为 AI 领域最大的市场之一。 不是那些花哨的短片，而是日常内容：入职培训、客服支持、员工培训、产品发布。 @clueso 正全力投入这一方向。其智能体用浏览器智能体录制屏幕，撰写脚本，添加配音和动态图形，最后交回一个仍可在完整时间线编辑器中编辑的视频。 使用它的团队报告称生产力提升 5 倍，制作成本降低 80%。
匹配字段标题、摘要
很酷的 Grok @Bot 用例
匹配字段标题
fal 发布 fal Reframe，可在不裁剪、不重拍的情况下改变任意视频的宽高比。该功能由 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。
匹配字段标题、摘要
Google Gemini 宣布 Gemini 4 Argon 能把视频或摄像头画面重新想象成可演奏的合成器。用户可在 Canvas 中快速搭建交互式音频应用，设定氛围后把摄像头当作乐器来演奏。
匹配字段标题、摘要、正文
Google AI 表示正在探索用 Gemini 4 Argon 加速 Google 内部研究，其中一项测试是用人类完成趣味任务（如投沙包）的视频自动生成训练仿真，而不再完全依赖人工编程。研究团队展示了人形机器人学习这些视频、运行仿真并掌握投沙包任务的过程。
匹配字段标题、摘要
ComfyUI 发布 Nvidia VFX 自定义节点，把 RTX 视频特效搬进 ComfyUI，模型随节点附带并在本地 RTX GPU 上运行。RTX Video Super Resolution 节点最高支持 4× 超分或输出至 8192 px，含 19 种模式；Frame Generation 节点支持 2× 到 16× 插帧；Video HDR 节点把 SDR 转为 BT.2020 HDR，峰值亮度可在 400 到 2000 nits 间调节。此次更新还改进了 EXR 支持，Save Image (Advanced) 默认写出 half-float 16-bit EXR，并可为 EXR 附加 JPEG 预览。
匹配字段标题、摘要
Suno 博客资源栏目汇总了多篇音乐制作教程，包括 Chris Mayes-Wright 的《Sidechaining Makes Your Music Pump》和《What Does a Compressor Actually Do?》，以及 Katelynn Kyker 的《How to make short-form content for your songs》。另有幕后栏目记录 Nina McNeely 为 Braylon Browner 和 Banoffee 完成两支拍摄的创作过程。
匹配字段标题、正文
如何做出一支让人热议的 AI 生成音乐视频？👀🎬 PROMPTR Studios 创意总监兼联合创始人 Simon Meyer 提前获得了 Kling 4.0 的使用权限，用来测试它的新能力。他创作的这支音乐视频走红，观众都想知道他是怎么做到的。 在本期 Creator Off Script 中，Simon 拆解了他的创作流程，分享了他如何让 AI 素材显得真实，并揭示了他印象最深的 Kling 4.0 功能。
匹配字段标题、摘要
The Information 报道，一家面向影视创作者的创业公司正与 OpenAI 洽谈深度接入已关闭的 Sora 视频模型。该公司由 Jeffrey Katzenberg、前 Sora 研究负责人 Bill Peebles 和前 Dropbox CFO Sujay Jaswa 共同创立，名称未披露。讨论中的条款允许该公司大幅定制 Sora 并销售基于其构建的软件，OpenAI 将获得未披露的股权。
匹配字段标题、摘要
我用 muse wonder 做了一个视频来解释个人基准…… 这个嘛，还挺粗糙的 有意思的是，它到目前为止所有视频都是用澳大利亚口音解说的。解读就留给读者了 https://t.co/OULxzZFCxt
匹配字段标题、摘要
Muse Wonder 和 Muse Code 接入 fal 后，生成图像和视频的效果更出色。 观看我们的最新 YouTube 视频了解方法！
匹配字段标题、摘要
InternLM 发布 CapRL 系列密集描述模型，用强化学习替代传统监督式描述模仿，以 QA 效用作为可验证奖励。CapRL-Qwen3VL-2B 在描述任务上超过 CapRL-Qwen2.5VL-3B 和 Qwen2.5VL-72B，CapRL-Qwen3VL-4B 性能进一步提升。CapRL++ 将框架扩展到视频，CapRL-Video-4B 基于 Qwen3-VL-4B 训练，支持带时间戳的视频描述。
匹配字段标题、摘要
World Labs 宣布完成 10 亿美元新融资，投资方包括 AMD、Autodesk、Emerson Collective、Fidelity Management & Research Company、NVIDIA 和 Sea 等。公司表示将加速推进空间智能使命，构建世界模型，应用于叙事、创意、机器人、科学发现等领域。其首款产品 Marble 支持任何人从图像、视频或文本创建空间连贯、高保真且持久一致的 3D 世界。
匹配字段标题、摘要
World Labs 发布 World API，开发者可通过该公开接口调用其多模态世界模型 Marble，从文本、单图、多图、360° 全景和视频生成可导航的 3D 世界。世界生成以异步方式运行，无需专有工具，生成结果可在浏览器渲染、导出到其他工具或接入交互系统与仿真管线。该 API 已用于游戏与沉浸式媒体、机器人仿真（可接入 NVIDIA Isaac Sim、MuJoCo、RoboSuite）以及建筑设计等场景，并通过 World Labs Platform 提供 API key 管理、用量计费和文档。
匹配字段标题、摘要