可灵4.0正式上线,支持30秒一镜到底与多帧参考
可灵AI正式上线视频模型Kling 4.0,支持最长30秒直出,此前9月底已向部分黑金年卡及Ultra年度订阅用户开放4.0 Flash尝鲜。作者实测了城市追逐、马戏团、电梯打斗、花样滑冰等场景,认为其在物理规律理解、复杂动作衔接和镜头调度上有提升。
推荐理由:作者实测了30秒直出、复杂打斗与全能参考,并给出1080P 30秒450积分的成本参考,可据此评估出片流程。
可灵AI正式上线视频模型Kling 4.0,支持最长30秒直出,此前9月底已向部分黑金年卡及Ultra年度订阅用户开放4.0 Flash尝鲜。作者实测了城市追逐、马戏团、电梯打斗、花样滑冰等场景,认为其在物理规律理解、复杂动作衔接和镜头调度上有提升。
推荐理由:作者实测了30秒直出、复杂打斗与全能参考,并给出1080P 30秒450积分的成本参考,可据此评估出片流程。
有用户用同一段15秒武术训练提示词对比测试了 Minimax H3 与 Seedance 2.0 的多机位运镜表现。提示词要求以1986年美国武术电影风格呈现,包含推轨、侧向跟拍、180度环绕、低角度跟拍等连续镜头运动,并保持角色面部、服装与体型一致。测试未给出明确胜负结论。
Velox 是一种免训练的注意力路由器,利用流式几何中的视锥板块对应关系做区域级上下文选择,解决分块视频扩散模型 KV 缓存随 rollout 增长而变慢的问题。在第 48 个分块时,Velox 将注意力加速 4.36 倍、去噪加速 2.43 倍,并在全部 158 个案例的 WBench 导航测试集上,与稠密 LingBot-Fast-Cam 的平均分差保持在 0.15 以内。
针对扩散模型强化学习中扰动反向去噪轨迹导致 rollout 优化成本高的问题,RPO 将注意力路由变为随机探索动作,在若干去噪层级按原生注意力权重采样 key block,并用双 rollout 估计器提供优势信号。在文生图与文生视频任务上,RPO 提升生成质量的同时训练效率较 Flow-GRPO 类方法提升近 4 倍,推理时恢复稠密注意力并保留原始确定性采样器。
Fstoppers 作者 Patrick Hall 用两个真实项目实测了 Imagen Video 的自动调色能力。在多机位商业片测试中,Imagen 约 35 分钟完成原本需要数天的手工调色,约 20% 的片段仍需人工调整;在三机位播客项目中,更新后仅处理时间线上的素材,耗时从近 4 小时降到 40 分钟以内。
Speculative Forcing 将自回归视频生成中的中间干净估计当作草稿,预测哪些 token 可提前接受并冻结为最终输出,从而跳过后续去噪步骤。在 LongLive 上它以约 1.7 步去噪达到四步生成器质量,速度提升超 1.5 倍,达 41.7 和 37.8 fps;在 Lingbot-World 2.0 上以约 2.5 步维持质量,提速 1.35 倍,达 24.5 fps。
一位创作者在 Reddit 求助,希望用 ComfyUI 搭配 RunPod 搭建可复用的工作流,批量生成约 15 秒 9:16 竖屏短视频,主角始终是同一位写实风格的树艺师角色,仅更换场景、树种、台词与镜头动作。
阿里 TaoLive AIGC 团队于 10 月 15 日发布 TaoMate-H3-FL2VA,这是一个 3 步 LoRA,为 MiniMax H3 的流式 TaoMate-H3 运行时加入首帧与尾帧控制,团队称其为已知首个实时流式首尾帧到音视频(FL2VA)模型。
推荐理由:TaoMate-H3-FL2VA 把首尾帧控制接入流式音视频生成,并已有 ComfyUI 转换版本可本地跑,方便创作者评估是否纳入现有出片流程。
Claude 本身不能生成视频,但可通过 MCP 调用视频模型并返回成片 MP4。在 Wireflow 上搭建的四节点流水线中,Nano Banana Lite 生成关键帧,Gemini Omni Flash 1.1 与 Kling O3 各出 5 秒片段,Video Editor 合成 1920x1080 成片,全程 101 秒、消耗 176 credits。
用 Wireflow 节点式画布搭一条 AI 视频工作流,做出一段 9.3 秒、1080x1920、30fps 的双角色水果短剧,总花费 164 credits,从首次运行到成片 MP4 用时 6 分 50 秒。
浙江金华市公共资源交易中心东阳分中心公告显示,东阳深空引擎(字节孙公司)与火山引擎联合体以合计2.35亿元中标横店影视AI服务平台建设项目,招标自7月启动。项目以横店影视大模型为核心,建设7个垂类场景模型、20个专项场景模型、17个影视行业智能体、9类高质量数据集及面向C端的横店影视App,招标文件提出数字群演生成、演员风格迁移与AI辅助配音等要求。
VIBE 的隐私政策规定,上传照片仅发送给生成视频所需的 AI 模型 API(如 Kling、Veo、Sora、Seedance、WAN),不用于训练模型、不做人脸识别,最长保存 90 天后自动删除,用户也可随时手动删除。提示词与生成视频保留在账户中直至用户删除,个人数据不出售;服务条款授予用户将生成视频用于个人及商业用途的许可,用户保留原始提示词和图片的所有权。
生成式 AI 工作流是把多个模型节点用连线串起来的创作链路,每个节点只做一件事:持有提示词、运行模型或传递文件。
作者把像素动画台本交给 Claude、背景交给 Gemini,将原本 32 秒的视频扩展成 70 秒的万圣节短片《カボチャのみちしるべ》。向 Claude 直言"还没觉得很厉害"后,它指出缺少"事件瞬间"、角色表演、构图变化和音乐起伏四点,据此加入 22 个南瓜依次点亮、120 只蝙蝠群和窗影收尾三个看点。
Comfy 在 Comfy Developer Platform 上拿出 2.5 万美元奖金,用两周时间征集对 Higgsfield 创意应用的开源重建,要求公开仓库供任何人运行和分叉。
娱乐资本论发布AI视频画布横评功能篇,实测10家平台(AniShort、巨日禄、LibTV、纳逗Pro、OiiOii、Seko、ShotLab、TapNow、万兴剧厂、小云雀),按漫剧连载、专业影视、电商出海三类用户梳理功能差异。
推荐理由:横评覆盖10家AI视频画布平台,按漫剧、影视、电商三类用户梳理功能差异,可帮助创作者按需选型。
Higgsfield 官方博客盘点了 2026 年 9 款面向动态设计师的 AI 工具,涵盖 Higgsfield AI、Adobe Firefly、Runway、Kling AI、Adobe After Effects、Magnific、Luma、Pika 和 Krea。
字节跳动未发布的世界模型在抖音晚会上演示了用一条手绘相机路径生成《喜剧之王》场景的十多个新机位,并获周星驰授权。同期 OmniHuman 2.0 通过 BytePlus 以 API 形式上线,仅限非美国地区,单段最长 5 分钟、720p、价格约低 40%。
Higgsfield 官方博客对比了 7 款 Veo 替代工具,重点考察角色、服装与场景细节在多镜头间的一致性。Cinema Studio 4.0 支持最多 50 个参考素材、30 秒片段和 1080p 输出,10 秒 720p 含音频消耗 70 credits;Seedance 2.5 支持 30 秒原生立体声与 50 个参考,Kling 3.0 单次可生成最多 6 个镜头。
作者发布 Model Bending,一种在扩散模型采样中途干预内部激活的 ComfyUI 玩法,同一 prompt、seed 和模型下只改变某一层的弯折方式即可得到不同画面。
AntiMatter Comfy 作者发布了一份免费的 MiniMax H3 / ComfyUI 英文学习手册,包含 32 页 PDF、可复制提示词的 Markdown 版、三个 Comfy-Org 入门 JSON(T2V、I2V、R2V)、模型链接与排错笔记,无需付费会员。
作者把 MiniMax H3 的 23 个自定义节点按长视频与连续生成、演出与剪辑、画质修正、音频与台词、参考素材与角色动作控制、素材与制作支援六类整理,并附各仓库 README 与工作流链接。
Valtz 在 Mac 上提供了一套用火柴人动画生成 AI 视频的流程:在画布上画一个简单火柴人,在 Crop and Position 面板插入 Position and Zoom 关键帧,用摇杆移动 Markup Layer 记录位移,再在时间线首个关键帧上选择 Linear Interpolation,由 Valtz 自动补帧生成平滑动画。
PPMem 是一种以平面基元作为持久 3D 记忆的视频世界模型,通过为视频扩散 transformer 增加平面预测头和 Depth Token Fusion(DTF)模块,让每个自回归分块同时生成 RGB 视频与平面几何。
研究提出 MIST 评测,将"场景是否设定"与"指令变更是否执行"分离,发现视频世界模型的瓶颈在于未执行指令变更而非遗忘。配套方法 M3-Agent 通过递归改写输入指令细节,使 MIST reveal 分数提升三倍以上,WRBench 的 T 分数提高 26.1%,MBench-T 的 U 分数提高 52.7%。
作者用 MiniMax H3 制作了约 20 分钟、全 125 个卡的历史电影《本能寺から山崎へ ― 信長・光秀・秀吉の十一日》,讲述本能寺之变到山崎之战,2026 年 10 月 12 日在 YouTube 发布日语版(19 分 38 秒)与英语版(19 分 29 秒),均为 4K。
AI 短片《DEFCON 1》由 AI VIDEOS 创作,虚构两枚弹头逼近西雅图与纽约的核紧急事态,全程无旁白,以分钟为单位跟随军方机组、总统与逃亡平民,经历拦截失败与最终报复命令。影片使用 Higgsfield 上的 Seedance 2.5 生成,并在 DaVinci Resolve 中剪辑。
Frankly Lying 创作的 AI 超现实科幻短片《Low Orbit》把一次寻常的夜间列车通勤变成与异常逼近的月球的不安邂逅。片中反复出现“Everything is fine. Do not slow down”的安抚式指令,在例行日常与逼近的危险之间制造出梦境般的张力。该片为 Higgsfield Global Film Festival 展映作品。
创作者用 ComfyUI 搭配 LTX-2.5 和 MiniMax H3 完成图生视频实验短片 ARCHIVE ZERO,讲述一座机构档案馆逐渐变得不可能的故事。
港科大 MMLab@HKUST、腾讯视频与香港大学提出 Adaptive Reward Routing,在 DiffusionNFT 框架上让音视频扩散模型的多奖励路由随训练实时重算,而非从基座模型一次性固定。
作者发布 H3-Anti-Burn LoRA,用于缓解 H3 片段串联成长视频后画面逐段过锐、发焦的问题。该 LoRA 只加载在续接片段上,起始权重 0.5,在约 37 秒的串联测试中,lightx2v 8-step 的面部纹理变化从 +44% 降到 0%,HyperFlow 从 +25% 降到 −1%,Larry Turbo 从 +261% 降到 −5%。
推荐理由:针对 H3 片段串联后画面过锐发焦的问题,作者给出可加载的 LoRA 与具体权重建议,并附多组前后对比数据。
有用户在 Reddit 询问如何用 Minimax H3 去除视频中的文字和文本框。他提到可用 qwen edit 2.1 逐帧去字再拼接,但想知道 Minimax H3 的具体工作流。
作者在 ComfyUI 里用 Minimax 复现 TikTok 上常见的换角色视频,把真人舞蹈替换成动物或其他角色。做法是在默认 ref2va 模板工作流上加载 MiniMax-H3-Character-Swap-LoRA,并先用默认 Qwen 2.1 edit 模板生成单帧引导结果。
Ome Omy Productions 将此前属于 5 美元 Filmmaker 档的 CUT 版本改为免费版,作者称它是本地 MiniMax H3 / ComfyUI 的时间线编辑器,可生成镜头、保留不同 take、剪辑与修剪素材、延长场景、修补断点并在时间线上排列结果,还能保存项目、对比 take 并导出成片。
从模板站复制提示词测试 LTX-2.5 效果持续不佳,直到对比官方工作流内置的参考提示词才找到原因。内置提示词约 200 词,包含明确的镜头运动、节奏节点和屏幕文字排版细节(如"纯白无衬线、宽间距、无发光无阴影"),而多数共享提示词是写给 Midjourney/Ideogram 的标签列表风格。同一场景按模型自身预期风格重写后效果天差地别。
AIwood 演示把 Code Video 的白模动画生成做成 ComfyUI 节点,先用本地模型或 API 生成运动参考,再接入 Selflift/H3 参考生视频工作流。
图图打标器 V1.3.0 把参考视频的提示词反推、双语修改、批量导出和长视频分片串成一套操作流程,本期以 Seedance 等目标模型的提示词配置为重点。使用时先建项目并导入在线或本地视频,再按实际生成用途选择模型系列与 T2V、I2V、全模态、视频延长、视频编辑等条件模式,反推完成后可英译中或中译英对照修改并保存。
《圣诞女巫梅里》导演估算该片传统制作成本约 8000 万美元,借助 AI 仅以 150 万美元完成。亚马逊正洽谈以约 70 亿美元收购 AI 初创公司 Decart。MiniMax-H3-Turbo 发布固定步数检查点,支持带音频的文生视频与首帧生视频。
ComfyUI 工作流模板发布 v0.11.81,可通过 pip install comfyui-workflow-templates==0.11.81 安装。本次更新将 Quiver 模板改用 Arrow 2 模型,并新增 LTX-2.5 DFR i2v、Fish Audio Drama 3 和 Qwen-Image 2.1 Turbo 模板。
可灵(Kling)宣布 KLING 4.0 已全面开放,用户可通过 kling.ai 上更新后的创作界面使用,也可通过 MCP 和 CLI 接入视频创作流程。官方同时预告即将推出 4K 与 1080p 分辨率的 10-bit HDR 视频输出,以及面向企业客户和开发者的 API 访问。
推荐理由:可灵 4.0 全面开放,并新增 MCP 与 CLI 接入方式,创作者可据此评估现有出片流程的接入选择。