World Labs 发布 Atlas 实时研究预览,Frameboy 支持 15fps 流式探索
World Labs 发布 Atlas 实时研究预览,通过 Frameboy 演示从云端 GPU 流式生成帧到浏览器,最高 15fps。该版本对 Atlas 做了高度优化,保持新视角合成能力;同时集成到 Viewfinder,用户可逐帧构建场景后实时探索。
World Labs 发布 Atlas 实时研究预览,通过 Frameboy 演示从云端 GPU 流式生成帧到浏览器,最高 15fps。该版本对 Atlas 做了高度优化,保持新视角合成能力;同时集成到 Viewfinder,用户可逐帧构建场景后实时探索。
作者在 MacBook Pro M5 Max 128GB 上全本地完成 46 秒科幻预告片《THE LAST SIGNAL》,全程无云端渲染、无 API 调用,耗时约 14.5 小时(含约 2 小时等待)。
作者用 LongCat-Video-Avatar 1.5 在本地 RTX 5090 上制作了 3 分钟音乐视频,并用 Sync 3 完成对口型。工作流采用 INT8 DiT + bf16 蒸馏 LoRA、8 步、SageAttention,T5 卸载到 CPU,480p 25fps 后放大至 1080p。
Kinoloom 是一个基于 ComfyUI 的开源电影工作室,支持 LTX 2.5 无缝长镜头渲染,可在 8GB 显卡上本地运行。它提供视频工作室、图像工作室和电影模式,可用任意 LLM 写故事,并支持 MiniMax H3(需自备权重,因许可限制)。
作者对比了 Wan 2.2 在 Loomance 与 WanGP 两个工具下的渲染效果,发现 4 步 lightning 模式快约 10 倍但错误更多,30 步完整采样更干净。在六狗场景中,WanGP 有 3/5 次角色融化或合并,Loomance 为 0/5;高分辨率单人物场景两者接近。按需选择:快速变化或低显存用 WanGP,保持角色一致用完整采样。
ComfyUI 将 NVIDIA RTX 视频效果做成自定义节点,包含 RTX Video Super Resolution、RTX Video Frame Generation 和 RTX Video HDR,模型随节点附带并在本地 RTX GPU 上运行。
造梦次元与生数科技用Vidu S2驱动AI主播紫樱完成一场48小时直播,累计31万+人观看、最高超4万人在线,总营收4.2万元。紫樱会念出新观众昵称、接住弹幕话题,并根据礼物唱歌、跳舞、换装和切换场景,直播中重开24次才达成8万营业值目标。
IndexTeam 发布 Index-Echo-S2TT-9B,用 Qwen3-Omni AuT 音频编码器加 Index-Translate-9B 解码器把语音转成文本,接受音频或视频文件并输出带句级时间戳的双语字幕,打包推理接口支持中文译成英语、日语或西班牙语。
IndexTeam 发布 Index-Echo-S2TT-2B,用 Qwen3-Omni AuT 音频编码器、音频连接器和 Index-Translate-2B 解码器把语音转成文本,接受音频或视频文件并输出带句级时间戳的双语字幕,打包推理接口支持中文译成英语、日语或西班牙语。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,在原生实时对话模型上加入近实时视频生成,实现带口型同步、自然表情和流畅轮替的动态视觉形象。
Overworld 发布实时视频世界模型 Waypoint-1.5,在 RTX 3090 至 5090 等桌面硬件上可生成最高 720p、60 FPS 的实时环境,并新增面向更广消费级硬件的 360p 档,后续将支持 Apple Silicon Mac。
Overworld 发布实时交互式视频扩散模型 Waypoint-1,可通过文本、鼠标和键盘控制,权重已上线 Hugging Face Hub,包含 Waypoint-1-Small,Waypoint-1-Medium 即将推出。
Hugging Face 发布 FastRTC,一个用 Python 构建实时音频与视频 AI 应用的实时通信库。
苹果工程师提供了转换脚本与推理代码,Hugging Face 已把 Stable Diffusion v1.4、v1.5、v2 base、v2.1 base 的权重转成 Core ML 版本并放到 Hugging Face Hub。