ElevenLabs 在 ElevenCreative 推出 Instant Soundtracks
ElevenLabs 在 ElevenCreative 上线 Instant Soundtracks,上传视频后模型会生成原创配乐,并分析画面中的音效提示点,把音效按对应时间戳自动放到时间线上。
推荐理由:ElevenLabs 把配乐与音效生成合并进视频工作流,可据此评估短剧与广告出片的声音制作环节。
ElevenLabs 在 ElevenCreative 上线 Instant Soundtracks,上传视频后模型会生成原创配乐,并分析画面中的音效提示点,把音效按对应时间戳自动放到时间线上。
推荐理由:ElevenLabs 把配乐与音效生成合并进视频工作流,可据此评估短剧与广告出片的声音制作环节。
修正 AI 视频时应保留修正前的视频与生成条件,只改一处提示词、只生成一次,再把修正前后两版停在相同播放时刻对比同一位置。判断依据是目标问题是否修好、有无新问题、所需时长与表达是否保留,再决定直接用、只用可用片段、换做法或暂缓。文中以 DomoAI 生成的 5 秒自行车店视频为例,在 0:03 对比前轮轮形,因 0:04 起坐垫颜色变化,最终只采用 0:00 至 0:03 片段。
帕洛阿尔托 AI 初创公司 Elorian 发布首个模型 Glimpse,以研究预览形式开放 API,聊天界面需排队等候。Glimpse 在推理过程中可裁剪图像区域、抽取视频帧或运行代码测量比较,Elorian 称之为“视觉暂存空间”。
一位自学 AI 视频创作者用 Gemini 生成全 6 部构成的日式刀剑题材小说,再尝试将其漫画化、动画化。漫画阶段只得到分镜和图像、无法成篇,但画面质量很高;转为动画后成功做出"会动的漫画",追加彩色与配音后还意外自动生成了一首主题曲。
Reddit 用户发帖讨论为何迟迟没有专为 24-32GB 显存设计的视频生成模型。他指出这一显存区间是普通消费者在游戏/工作 PC 上愿意投入的上限,目前只能塞进量化模型,且往往还得在编码器 LLM 上妥协。
可灵 4.0 已在 kling.ai 全面开放,官方称带来更精细的运动、更精准的创作控制与专业级视听输出。在 Advertising Week New York 2026 上,可灵 AI 与 WPP、Adobe 同台讨论 AI 视频如何从创意试验走向真实制作,并强调下一阶段不只是生成质量,而是把模型、工具与工作流连接起来,让创意在一致性与可控性下规模化。
ComfyUI 发布模板教程,演示如何用 comfy.org 的现成模板和内置模板浏览器,把一张草图一路做成 3D 玩具、零售包装和多镜头广告。
推荐理由:ComfyUI 官方演示如何用现成模板串起从草图到多镜头广告的完整链路,可据此评估模板复用方式。
创作者将《权力的游戏》私生子之战原片通过内置 reference to video 模板输入本地 MiniMax H3 V2V 管线,用自定义角色设定图锁定橘猫毛发与皮甲,再经 RTX 超分保留细节,并叠加颗粒感和自制管弦配乐。成片主角是一只耳朵有缺口的邋遢橘猫版琼恩·雪诺。
字节跳动在 10 月 11 日北京抖音美好夜晚会上首次展示其未命名、未发布的世界模型,演示用鼠标控制镜头,并对周星驰《喜剧之王》原片素材重新取景,生成十余个机位。
Taylor Swift 公司为 "Hey, it's Taylor" 等口头短语申请的声音商标已于 10 月 12 日在澳大利亚获批,进入约两个月的异议期,商标法可覆盖听感相似的模仿声音。
ENCO 将在 10 月 21-22 日纽约 NAB Show(Booth 539)北美首秀 enCue 剪辑与自动新闻打包工具、增强版 SPOTai 视频广告方案,以及 Qimera 虚拟制作环境的 3D Talent Tracking。
受成龙启发,动作指导兼表演负责人 Themo 来到 @DreamLabLA,学习如何在部分 AI 动作追踪特技中加强控制。 我们以策划会启动前期筹备,随后直接投入工作,捕捉他的动作,再通过视频到视频将其转化为全新风格与世界观。 由 Luma 制作。
可灵AI新一代视频生成模型Kling 4.0正式上线,单次原生生成最长30秒,支持最多15项参考素材组合与10张关键帧输入。长鑫科技市值两月内跌去1.07万亿元,A股总市值第一让回工商银行。国行版苹果AI有望12月随iOS 27.3上线,百度、阿里参与合作。
作者公开了两个 RunPod 模板,把 ComfyUI 升到 0.35 和下载约 65GB 的 MiniMax H3 模型自动化,从 Deploy 到出第一条带声音的动画视频约 10 分钟,RTX 5090 每小时约 1.2 美元。
Krea 发布前沿图像编辑模型 Krea 3,支持原生 2K 端到端编辑、8 秒内完成,1K 定价 0.03 美元、2K 为 0.06 美元,已在 krea.ai 上线。
Meta 开放 Muse Spark Open 权重,这是一款 816B 总参数、42B 激活参数的混合专家多模态 Agent 模型,支持 1M 上下文,接收文本、图像、视频和音频输入。
生数科技发布 Vidu Q4 Preview,主打人物表现、运镜和复杂视效,在 2D、3D 动漫场景中强化角色演绎与动态镜头,首发优惠价低至 0.09 元/秒起。
推荐理由:Vidu Q4 Preview 把人物演绎、运镜与多参考能力打包,并给出 0.09 元/秒起的首发价,可据此判断试拍成本是否已进入可承受区间。
Gen4P 提出一个统一框架,可将预训练视频生成器改造成前馈式 4D 感知器,无需迭代去噪,单次编码器前向即可处理干净视频 latent 并预测所需 4D 属性。其按需查询支持灵活空间采样,连续时间查询提供时间灵活性,并可将预训练 video-depth LoRA 作为冻结几何先验即插即用。Gen4P 在 3D 点跟踪、视频深度和相机位姿估计任务上达到 SOTA 或具竞争力表现。
可灵 4.0 支持通过 Omni Reference 组合最多 15 个图像、视频与主体参考输入,并可用最多 10 张关键帧图像规划开场、角色反应与最终揭晓。
PixVerse V6 在可控短片生成上支持最高 1080p、单次最长 15 秒,1080p 按 18 积分/秒(无音频)或 23 积分/秒(带音频)计费,并具备角色参考、种子控制、Extend 与 Modify 工作流。
可灵(Kling)官方账号发布 4.0,配文“The art of 4.0”,并带上 #Kling4 与 #KlingAI 标签。被引用的 @2x_labs 内容称可灵 4.0 已正式发布,宣传语为“以想象,定义下一帧”。
推荐理由:可灵官方账号放出 4.0 发布信号,创作者可据此关注新版本在视频生成上的能力变化。
💖🖤 #Kling4 #KlingAI
OmniVerifier-C1 提出一种分解式分级视觉验证器,可将复杂提示或环境规则拆解为细粒度子问题并逐项打分,替代传统只输出 True/False 的二元验证器。
每个创意都值得被拍出来。🎥 #Kling4 #KlingAI 可灵 4.0 与可灵 4.0 Flash 即将登陆 Runware:单次请求支持 30 秒输出、10 个关键帧、15 个参考,4K 画质带立体声。
中文在线在投资者关系活动记录表中披露,国内 AI Token 消耗 55% 用于短剧和视频生成,24% 用于电商广告,真正用于研发的只有 15%,AI 短剧与视频生成的 Token 消耗量已达软件开发的两倍以上。
CoWorld Reasoner 是一个以视频世界模型(VWM)为统一视觉推理引擎的智能体框架,通过工具暴露多种视觉操作,并让 VLM 自主决定是否想象、选择操作并解读生成的视觉证据。
VideoProc Converter AI 推出 V7.8 周年庆限时免费授权活动,用户填写邮箱即可申请授权码激活软件。该免费版使用旧版 AI 模型,支持 AI 视频超分(最高 4 倍至 4K)、图片放大(2/3/4 倍,最高 8K/10K)、视频转换压缩下载录屏等功能,部分新 AI 功能不可用且不含免费更新。官方另提供 Lifetime 终身版,一次性付款含终身免费更新。
用 #Kling4 #KlingAI 做黏土动画 😎
一镜飞越所有。✨ #Kling4 #KlingAI
OpenAI 的 Dots 被用来把法隆寺五重塔做成 3D 模型,经 11 个版本、约 2 天完成并导入 Unreal Engine 5,Dots 个人向需月付 100 美元以上。
有人在 Windows 11 + RTX 5060 Ti(8GB 显存)环境下用 ComfyUI 跑通 Wan 2.2 TI2V 5B 视频生成,生成 3 秒、1024x576px、81 帧、24fps、20 步的视频,两次耗时分别为 194 秒和 204 秒。硬件配置为 AMD Ryzen 7 7700 与 32GB 内存。
可灵官方博客梳理了 10 种视频转场类型,包括直切、跳切、匹配剪辑、淡入淡出、交叉溶解、划像、甩镜转场、变焦转场、遮挡与遮罩转场,以及 J cut 和 L cut。文章给出每种转场的适用场景,并说明可用 Kling 4.0 在剪辑或前期规划中实现这些转场。
可灵官方博客发布视频剪辑完整指南,介绍 Kling 4.0 支持用文本提示、图片和参考素材探索视频新版本、优化画面细节。文章给出 10 条剪辑技巧,涵盖故事结构、跳切、匹配剪辑、色彩统一、音频处理、B-roll 运用和平台适配,并建议用 AI 视频生成器补充未拍摄的辅助画面。
可灵官方博客发布 AI 视频提示词指南,给出由主体、动作与运动、环境、镜头运动、光照、风格节奏、约束七要素组成的提示词结构,并配以香水瓶、长城等示例。Kling 4.0 支持 3–30 秒原生视频生成、最多 10 个关键帧,结合文本提示与参考图、参考视频及可复用元素,并改进动态运动、对口型和双声道立体声。
Black Forest Labs 研究科学家 Yumeng Li 与 ComfyUI 创意技术专家 Paul Hansen 直播对谈 FLUX 3 Image 的研发决策与取舍。该模型支持用边界框构图、逐框编辑图像,未改动区域保持不变,并可同时进行多处定向编辑。它还支持最多 10 张图像的多参考生成,原生输出 2K 和 4K,并配套 ComfyUI 竞赛,奖池价值 2.5 万美元。
可灵官方博客发布视频编辑指南,介绍传统时间线剪辑四步流程,以及 Kling 4.0 如何通过参考素材修改已有素材。Kling 4.0 单次编辑任务最多支持 5 个输入视频片段(含 1 个主视频),每段时长 3–30 秒、总时长不超过 30 秒;Omni Reference 最多支持 15 个组合参考素材,新建序列时可自定义最多 10 个关键帧。
可灵 4.0 支持用自然语言指令移除视频中不需要的物体或人物,无需逐帧手动遮罩。操作分三步:上传视频(完整模型最多支持 5 段输入视频,含 1 段主视频,每段 3–30 秒,总时长不超过 30 秒)、描述要移除的目标及其位置与需保留的背景、生成后检查并优化指令重新生成。该模型还支持 Omni Reference 参考输入,并可在同一场景中一次移除多个物体。
EVA-Cap 框架将音视频描述拆解为原子级音视频事件,把非结构化文本监督转为事件中心对齐,通过 SFT 和 GRPO 在自建数据集 EVA-Data 上训练,GRPO 阶段围绕全局事件完整性、事件内归因和事件间同步三个目标优化。在 ChronusAV 的事件中心评测上平均提升 9.0%,在 WorldSense 上提升 3.3%,论文已被 NeurIPS 2026 接收,代码将开源。
纯正90年代风。🔥 #Kling4 #KlingAI
生数科技发布 Vidu Q4 Preview,主打人物表现、运镜与复杂视效,在 2D、3D 动漫场景中强调角色表情与动作层次。