如何在 ChatGPT 中直接制作 AI 视频(完整指南)
在 ChatGPT 中制作 AI 视频需通过插件目录连接视频应用,本指南覆盖 Higgsfield、Runway、HeyGen、invideo 等 17 个插件的分类与计费规则。
推荐理由:这份指南对比了 ChatGPT 插件目录中 17 个视频应用的计费规则与能力差异,并给出可复用的提示词模板,帮助创作者选择工具并控制成本。
在 ChatGPT 中制作 AI 视频需通过插件目录连接视频应用,本指南覆盖 Higgsfield、Runway、HeyGen、invideo 等 17 个插件的分类与计费规则。
推荐理由:这份指南对比了 ChatGPT 插件目录中 17 个视频应用的计费规则与能力差异,并给出可复用的提示词模板,帮助创作者选择工具并控制成本。
Kapwing 实测用 ChatGPT 或 Claude 自动化七类视频编辑任务,涵盖剪辑规划、字幕生成、翻译配音与 B-roll 制作。测试中 Claude Code 配合 FFmpeg 构建并渲染了 70.7 秒的 YouTube Short,Kapwing MCP 则完成了五种语言的 AI 配音。文章指出标准聊天界面无法直接编辑视频,实际剪辑需借助编码代理或 MCP 连接的编辑器。
推荐理由:文章给出七类可自动化的视频编辑任务及对应提示词与工具选择,创作者可据此搭建自己的 AI 剪辑流程。
Kapwing MCP 将 ChatGPT 连接到视频编辑工作区,用户可用自然语言完成上传、字幕、翻译、配音和生成 B-roll 等编辑任务。测试中一个组合请求生成了六个导出版本(英文原版和五个配音版本)。
推荐理由:Kapwing MCP 让 ChatGPT 直接操作视频编辑工作区,教程展示了从上传、字幕、翻译、配音到生成 B-roll 的完整自然语言编辑流程,并给出可复用的提示词示例与成本参考。
ChatGPT 擅长起草、研究、编程、文件分析与图像创作,但复杂视觉项目或需专用工具。评测对比了 ChatGPT Images 2.5 的对话式生成与编辑,以及 Kling IMAGE 3.0 Omni(支持 10 张参考图、Image Series、原生 2K/4K 输出)和 Kling 4.0(Omni Reference 支持 15 个参考资产、3-30 秒视频生成)。
Krea 官方博客对比 Krea 3 与 GPT Image 2 的图像编辑能力,结论是没有单一赢家:Artificial Analysis 上 Krea 3 Ultra 以 1151 Elo 领先 GPT Image 2 (high) 的 1136。
Krea 3 Ultra 在 10 月 19 至 20 日公布的三个图像编辑榜单上分别位列 Arena 多图编辑第 4、单图编辑第 8、Artificial Analysis AA-Image-Editing v2.1 第 5、Design Arena 第 4(共 51 个模型)。
推荐理由:Krea 官方逐条拆解三个榜单的票数、置信区间与排名区间,说明同一模型为何出现四个名次。
Kapwing 发布教程,演示用 GPT-6 Astra 连接 Blender 搭建巨龙与场景的灰模、动画和相机镜头,再用 GPT Image 2 生成设计图与写实首帧,最后由 Seedance 2.5 生成 10 秒连续镜头。
推荐理由:作者实测用 GPT-6 Astra 驱动 Blender 搭 3D 场景,再经图生 3D 与 Seedance 2.5 出片,并列出三家 3D 模型对比与逐项成本。
Higgsfield 将 AI 视频生成时长从 1 分钟提升到 10 分钟以上,依托 GPT-6 Astra 实现。同时,它用 GPT-Image-2.5 提升画面精度,并借助 GPT-Live 提供通往语音电影制作的路径。
推荐理由:Higgsfield 借助 GPT-6 Astra 把 AI 视频时长从 1 分钟拉到 10 分钟以上,可据此判断长片创作的可用性。
Pollo AI 借助 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5,帮助创作者把创意转化为精细图像和电影级视频广告。
OpenAI 已于 2026 年 5 月 12 日从 API 下线 DALL-E 3,ChatGPT 免费版内置图像生成每天仅约 2 到 3 张。
OpenAI 探讨先进 AI 的最大价值可能在于突破性创意背后的日常执行工作,而非创意本身。文章认为执行环节将塑造下一阶段的经济形态与进步速度。
OpenAI DevDay 2026 公布 20 多项发布,涵盖 GPT-6 Astra、ChatGPT、Codex、API、安全以及面向开发者的新工具。具体功能细节与可用性尚未在原文中展开。
Adobe 在 OpenAI DevDay 2026 期间为 ChatGPT 中的 Adobe 插件推出交互式编辑功能,可在侧边栏中选中图像局部后让 ChatGPT 调用插件修改,再用色相、饱和度、对比度等动态滑块微调,编辑结果会作为上下文回到对话中。
invideo 借助 GPT‑6 Astra 实现更精准的剪辑规划,调色与色彩校正效率提升 3 倍,并在一天内产出 50 个自定义特效。
Higgsfield AI 借助 GPT-6 Astra,一天内上线新视频功能,让小型企业更轻松地制作视频广告,并更快将新创意工具推向市场。
OpenAI 在 API 中推出 GPT-Live-1,支持自然的全双工语音对话。该模型在指令遵循上有所增强,并支持自定义音色与电话通信能力。
推荐理由:OpenAI 把全双工语音对话能力开放到 API,开发者可据此评估语音交互产品的接入方式。
OpenAI 发文探讨更强、更实惠的 AI 如何拓展个人与企业可完成的工作,并让增长更经济。文章围绕能力提升与成本下降两条线索展开,未披露具体模型版本、参数或价格数字。
OpenAI 推出 ChatGPT Images 2.5,可将想法、草图与参考照片转化为更个性化、更精致的图像,更贴近用户原本的构思。
OpenAI 宣布支持欧盟 AI 内容透明度行为准则,推进内容溯源标准与工具,帮助人们识别 AI 生成内容。
OpenAI 推进 AI 内容溯源,采用 Content Credentials、SynthID 并推出验证工具,帮助人们识别和信任 AI 生成媒体。
Google 宣布把内容透明度与验证工具扩展到 Search、Gemini、Chrome、Pixel 和 Cloud。SynthID 已为超过 1000 亿张图片和视频、6 万年音频打上水印,Gemini 中的 SynthID 验证已被使用 5000 万次,并将在数周内进入 Search 和 Chrome。
推荐理由:Google 把 SynthID 与 C2PA 验证铺到搜索、Gemini 和 Chrome,并开放 AI 内容检测 API,可观察内容溯源工具的平台化路径。
OpenAI 在 API 中推出新的实时语音模型,可进行推理、翻译和语音转写,以支持更自然、更智能的语音体验。
OpenAI 重建了其 WebRTC 技术栈,以支撑实时语音 AI 的低延迟、全球规模化与流畅的对话轮次切换。
OpenAI 推出 ChatGPT Images 2.0,改进了文字渲染、多语言支持与视觉推理能力。该版本于 2026 年发布,Images 2.5 的新功能可另行查看。
ChatGPT 支持通过清晰的提示词创建和优化图像,用户可在几分钟内迭代设计并生成高质量视觉内容。
OpenAI 宣布收购 TBPN,以加速围绕 AI 的全球对话并支持独立媒体,扩大与开发者、企业及更广泛科技社区的交流。
OpenAI 针对 Sora 2 视频模型与 Sora 社交创作平台带来的新型安全挑战,将安全作为底层设计基础,并以具体防护措施为支撑。
Descript 借助 OpenAI 推理模型实现大规模多语言视频配音,可自动完成大型内容库的本地化,同时保留原有时间轴与语义。
OpenAI 构建了一套实时访问系统,将速率限制、用量追踪与积分机制结合,为 Codex 和 Sora 提供持续访问能力。该系统旨在突破单一速率限制的局限,扩展用户对这两个产品的可用访问。
OpenAI 阐述 Sora 信息流的设计理念:通过个性化推荐激发创作、促进连接,并以家长控制和严格防护机制保障体验安全。
Higgsfield 借助 OpenAI 的 GPT-4.1、GPT-5 和 Sora 2,让创作者用简单输入即可产出电影感、适配社交平台的视频。
OpenAI 推出 ChatGPT Images 与 GPT-Image-1.5,前者提供更快的图像生成体验,后者通过 API 开放使用。
OpenAI 借助 Codex 在 28 天内完成 Sora Android 版交付,AI 辅助的规划、翻译与并行编码工作流帮助一支精简团队实现了快速可靠的开发。
迪士尼与 OpenAI 达成协议,将把迪士尼、漫威、皮克斯和星球大战的 200 多个角色引入 Sora,用于粉丝创作的短视频。协议强调娱乐领域的负责任 AI,并包含迪士尼在全公司范围使用 ChatGPT Enterprise 和 OpenAI API。
推荐理由:迪士尼与 OpenAI 达成角色授权协议,可观察主流影视 IP 与视频生成平台在版权合作上的落地方式。
Google 在 Gemini 应用中上线图像验证功能,用户上传图片并提问即可通过 SynthID 数字水印判断该图是否由 Google AI 生成或编辑。SynthID 自 2023 年推出以来已为超过 200 亿件 AI 生成内容打上水印,Google 计划将验证扩展到视频和音频等格式,并接入 Search 等更多入口。
推荐理由:Google 把 SynthID 水印检测放进 Gemini 应用,创作者可据此判断图片是否由 Google AI 生成或编辑。
Google DeepMind 发布 Nano Banana Pro(Gemini 3 Pro Image),这是基于 Gemini 3 Pro 构建的高保真图像生成与编辑模型,已在 Google AI Studio 和 Vertex AI 以付费预览形式向开发者开放。
推荐理由:Gemini 3 Pro Image 面向开发者开放付费预览,支持 2K/4K 输出与多图合成,可用于评估现有出图流程。
Doppel 借助 GPT-5 与强化微调构建 AI 防御系统,用于拦截深度伪造与身份冒充攻击,将分析师工作量削减 80%,响应时间从数小时缩短至数分钟。
OpenAI 发布新一代视频与音频生成模型 Sora 2,并公开其系统卡。相比 Sora,新模型在物理准确性、真实感、同步音频、可控性和风格范围上有所提升,官方称这些能力此前的视频模型较难实现。
推荐理由:OpenAI 公布 Sora 2 的系统卡,列出物理准确性、同步音频等能力变化,可对照前代评估升级幅度。
OpenAI 发布视频生成模型 Sora 2,可生成与画面同步的对话和音效。该模型所属的 Sora 产品目前已不再可用。
OpenAI 发布 Sora 2 与 Sora 应用,称其为最先进的视频模型与新的社交创作平台,并针对由此带来的新型安全挑战,将安全作为构建基础,采取具体防护措施。
推荐理由:OpenAI 在发布 Sora 2 与 Sora 应用时同步说明其安全设计思路,可了解官方对视频模型安全挑战的应对框架。