FAPL:让 MLLM 潜变量真正驱动电影级视频生成
研究者提出 Factor-Aware Predictive Learning(FAPL),通过冻结 MLLM 与连接器的潜变量生成器接地训练,让 Video DiT 真正利用 MLLM 潜变量,而非绕过原生条件通路。该方法结合因子跨度替换实现角色、场景、动作与相机的因子感知控制,并在稀疏输入到视频、因子感知编辑、多镜头生成三项电影级视频生成任务上均优于基线。
研究者提出 Factor-Aware Predictive Learning(FAPL),通过冻结 MLLM 与连接器的潜变量生成器接地训练,让 Video DiT 真正利用 MLLM 潜变量,而非绕过原生条件通路。该方法结合因子跨度替换实现角色、场景、动作与相机的因子感知控制,并在稀疏输入到视频、因子感知编辑、多镜头生成三项电影级视频生成任务上均优于基线。
10月22日,第四届“视听中国”网络视听学术前沿论坛暨AIGC背景下微短剧海外传播与价值共创对话会在北京举行,中国传媒大学视听艺术研究中心发布《2026微短剧创作与海外传播——以四川地域文化“出海”研究为例》研究报告。会上多方共同启动“四川文化出海微短剧剧本库”共建,并标志“全球名人巴蜀行”活动收官,该活动全网总曝光量超2.7亿次。
free-short-video v7.2.2 发布,Docker 镜像支持 linux/amd64 与 linux/arm64,已推送至 GHCR 和 Docker Hub。
VAST、Meshy、影眸三家AI 3D公司半年内合计融资超80亿元人民币,其中VAST累计超50亿元、估值20亿美元,Meshy完成4亿美元融资、估值15亿美元,影眸6月完成数亿元B轮。
2026年上半年拉美短剧应用下载3.50亿次、同比增长71.7%,占中国短剧海外总下载的22.5%,但Dataxis估算2026年拉美头部平台收入2.59亿美元,仅占中国以外市场约7%。
用户反馈 Krea2 虽非编辑模型,但通过编辑节点操作时输出丢失大量细节并出现像素漂移。其已尝试多种采样器/调度组合、8/10/12 步、二次超分、Krea2 enhance LoRA、raw/turbo 模型及 Wan2.1 VAE 等方案均无明显改善,询问是否只能等 Krea3 本地版。
Workflow Studio v0.8.10 的 Tagger 标签页现可通过社区 ONNX 转换版运行 PixAI Tagger v1.0,将模型文件放入 ComfyUI/models/tagger/ 子文件夹即可自动检测。
有用户询问如何在 ComfyUI 中用同一模特的数十张照片生成面部与身材比例一致的时尚图,同时更换服装、背景、姿势、机位和光线。其核心疑问是训练角色 LoRA、使用参考图条件控制,还是两者结合,并希望获得模型与工作流推荐及参考照片准备建议。
用户 infearia 分享了一种基于 Ref2Vid 工作流改变图像相机角度的方法,仅需两处改动:将视频长度设为恰好 22 帧,并把 VAE Decode 节点输出接到 Preview 或 Save Image 节点。
Luma 宣布 Kling 4.0 已接入平台,面向所有 Luma 客户开放,可在 Luma board 内直接选用。该模型主打快速动作与运镜控制,支持跟踪、环绕、推镜、摇镜和景别变化,人物表情更贴近描述,镜头移动时画面文字保持稳定。支持文生视频与图生视频,提供 16:9、9:16、1:1 和 21:9 四种画幅。
推荐理由:Luma 接入可灵 4.0,创作者可在同一项目看板内比较运镜与动作表现,再决定镜头分配。
首届 ALZA Festival 于 10 月 16 日至 18 日在纽约 AMC 19th Street 举办,包含 35 场全球首映及行业论坛,由 Tribeca Enterprises 前 COO Pete Torres 创办。
AIArtEngine 发布 v8.4.3 版本,完整变更记录覆盖 v8.4.2 至 v8.4.3。原文未披露具体功能改动与参数细节。
陈可辛在新加坡国际电影节表示,自己可能会把 AI 当作技术工具使用,但"绝对不会用 AIGC",并认为两小时院线电影至少在他有生之年仍能立足。他称 CGI 早已依赖 AI 多年只是不这么叫,但"它们不懂艺术,电影仍由人拍"。其新片《The Road Not Taken》聚焦阿尔茨海默症与破碎家庭,已在多伦多首映。
用户测试了 Kromoss 与 DMD LoRA 的组合,认为其种子多样性表现不错,创意感让人联想到早期 SDXL 模型。
Topview 推出自研 AI 视频模型 Topview T1,官方称以 Seedance 2.5 的 1080P 画质为目标,1080P 每秒价格约低62%。
Krea 宣布 Nodes 支持多人实时协作,团队成员可同时打开同一项目编辑同一画布,改动、光标、选中状态和运行结果实时同步。编辑共享与实时在线状态仅面向 Krea Enterprise,查看共享(工作区查看、指定人查看、公开链接)所有套餐可用;运行费用由发起者在其所在工作区承担,撤销只回退自己的改动,版本快照最多每五分钟一次并保留五天。
红果短剧宣布分阶段下线金币功能,全勤领金币1176天总收益约数百元到一千七百多元。11月1日起不再向新用户提供,12月31日前面向所有用户全面下线,存量权益保留。红果同时上线依托豆包大模型的小果AI,从补贴拉新转向内容与技术分发。
推荐理由:红果下线金币功能并上线小果AI,短剧行业从补贴拉新转向内容与技术分发,创作者需转向内容质量竞争。
有用户在 Reddit 询问如何在 Minimax H3 的默认 ComfyUI 文生视频工作流中添加额外的 LoRA 节点。该默认工作流自带 turbo LoRA 和多个 switch 节点,用户表示已能配置多 GPU 运行,但无法理解 switch 逻辑,实际运行时会直接忽略 LoRA。
竖屏短剧正从中国出海的试验品变成各大平台默认建设的基础设施,TikTok 把发布、观看、付费和投放收进站内,好莱坞制片厂同期宣布下场拍竖屏剧。TikTok 侧由 Minis Center 承接观看解锁、Drama Center 承接内容方发布、Growth Max 承接自动化投放,2026 年上半年短剧分账累计达 8200 万美元。
推荐理由:梳理 TikTok 站内短剧闭环与好莱坞同期入场的信号,帮助创作者判断分发路径和变现模型的重心变化。
10 月 15 日,ReelShort 母公司 Crazy Maple Studio 与非洲及中东电信运营商 Orange 签署多年合作协议,通过 Max it 超级 App 向 17 个市场分发短剧,首批触达超 1.8 亿订阅用户,用户购买含流量套餐即可在有效期内免费看片库。
OpenAI正推进300亿美元新一轮融资,投后估值预计1.25万亿美元,并全面开放基于GPT-6 Luna的决策API,每百万token输入0.10美元,响应速度较常规调用提升10倍。NVIDIA开源OpenShell,为大规模自主AI agent集群提供安全私有运行时。Fotor推出覆盖AI生成到最终剪辑的Fotor Agent视频制作工具。
Midjourney 提示词生成器 ver.6.1 发布,恢复相机详细设置并新增提示词格式切换。用户可分别指定相机机型、镜头、ISO、光圈与快门速度,或使用预设模式一键选择拍摄风格;输出格式可在自然语言与结构化列表之间切换。姿势预设从 8 个增至 12 个,新增 Cozy Reading、Resort Holiday、Phone Break、Smart Look 四种场景。
社区讨论选出当前开源模型中的优胜者:I2V 与视频编辑为 Minimax H3,文生图为 Krea 2、Ideogram 4 和 AnimaYume,图像编辑为 Qwen Image 2.1。
微信生态新入局者绿泡泡短剧暂未撼动日活1.68亿的红果短剧,红果则宣布分阶段下线金币功能,11月1日起新用户不再开放,12月底前全面下线。AI短剧产能激增下平台收紧分账与合作规则,2026年9月抖音端原生AI剧/漫剧新剧数达5.18万部,破亿率仅0.72%,编剧稿费随之下降。
Krea 团队用自家工具制作了 Krea 3 发布视频和基准视频,成本从 20 万美元以上降至约 300 美元,时间从 2 个月缩至 24 小时内。工作流从 Figma 分镜开始,经 Krea MCP、Claude 与 After Effects 插件,最终由自训 agent Wobble 完成基准视频的 116 个版本。
推荐理由:Krea 团队公开了从 Figma 分镜到自训 agent 的分层工作流,并给出 prompt 与反馈机制,创作者可迁移这套方法。
作者在 ComfyUI 中尝试 MiniMax H3 的 Reference-to-Video 工作流,用 AI 生成角色替换原视频人物,同时保留原片动作与表演,并尝试替换背景环境。
推荐理由:作者在本地实测 MiniMax H3 的参考生视频流程,把角色替换与动作迁移整理成可下载的工作流和素材。
JSON2Video 定价为 Hobby 年付 $199.50、Professional 月付 $49.95,1 积分对应任意分辨率 1 秒视频,失败渲染不计费。按每分钟成本算,Startup 最低为 $0.20,比 Professional 低 20%、比 Hobby 低约 40%;一次性积分包更贵但不过期。需注意订阅积分每月清零、单条视频最长 30 分钟、渲染文件仅保留 7 天。
爱沢在 X 上公开了 10 月 22 日早晨至 23 日深夜发布的 5 张插画所用 ChatGPT 图像生成提示词,覆盖朝、昼、夕方、夜、深夜五个场景,可免费用于自己的角色。
Higgsfield 发布 AI 数字人制作指南,用 Soul 2.0 生成角色图、Seed Audio 1.0 配音,再在 Seedance 2.5 中以图片和音轨为参考生成对口型说话视频。
Theoretically Media 介绍免费开源 3D 预演工具 CozyClay 3.0,可通过 Pinokio 一键安装、在浏览器运行且不需要 GPU,其智能体可借助 ChatGPT 登录(Codex)或 Anthropic、OpenAI、Gemini 的 API key 搭建场景。
作者在 RTX 4070(12GB 显存)上实测 FastVideo 与 Nuva Lab 为 MiniMax H3 参照生成(Ref2VA)开发的 8 步加速模型 FastH3 OmniRef,生成 5 秒视频时,官方 VSA 10% 设置耗时 416 秒,去掉 VSA 的 Dense 设置耗时 1312 秒,约相差 3.2 倍。
一位新手用 FizGig 默认设置训练 MOSS 风格 LoRA,精选并严格标注 150 张图,设定 30 epochs,但到第 18 个 epoch 时 loss 始终无法低于 0.44,并在 0.48 至 0.56 之间反复回升,因此中止训练并向社区求助是继续还是调整参数。
创作者借助 Wery AI 将“异世界勇者たけし”做成两支视频:一支讲普通上班族在展会交换名片时被召唤到异世界,另一支讲他在异世界酒馆里继续递名片。该角色周边只卖出 300 日元,魔王讨伐毫无进展,作者还顺带体验了 Wery AI 的 Sona 恋爱运占卜与 AI 演示文稿生成功能。
MOSS-Image 在 2026 年 10 月 22 日获得首个指令编辑 LoRA chinoll/Moss-Image-Edit,这是一个 rank-64 适配器,接收 1 到 4 张参考图和一段文本指令,覆盖颜色、服装、光照、季节与视觉风格等改动。
推荐理由:社区为 MOSS-Image 补上指令编辑 LoRA,文中给出 ComfyUI 原生与节点包两条接入路径和默认参数,可对照现有编辑流程评估。
Higgsfield AI 免费版 10 个积分不足以生成任何视频片段,最便宜的 4 秒 Seedance 2.5 Draft(480p)需 12 积分,5 秒 1080p 的 Cinema Studio 4.0 片段则需 80 积分。
一位网页设计师在 Reddit 的 ComfyUI 社区求助:为光纤网络基建公司制作写实 AI 照片,要求同一批工人、不同场景并保留特定技术设备,即使有参考图仍难以还原设备细节。他认为时尚拍摄或人物持产品类需求远比这种细分场景容易,希望找到完整演示一致 AI 拍摄流程的 YouTube 教程或工作流建议。
一位用户在 Ryzen AI Max 395、64GB 内存的机器上运行 ComfyUI 搭配 MiniMax 模型时,发现分配 16GB 给 GPU 后日志出现大量 offloading,遂在 BIOS 中将显存调至 48GB,结果 ComfyUI 开始崩溃。该用户询问在统一内存架构下,显存分配是否影响性能。
有用户在 Reddit 的 comfyui 板块发帖,询问是否存在 Nano Banana 的开源替代方案,并希望社区推荐。该用户表示不追求 Nano Banana 级别的能力,但不愿每月付费且希望减少审查,其配置为 Intel i5-10600K、32GB 内存和 12GB 显存的 Intel Arc B580 显卡。
用户在 ComfyUI 中用 Minimax H3 延长视频时,第二段开头出现闪烁、整段出现彩点,已尝试调整 context frames、window 39/90/141、snap cuts、画质与比例,并换用 ref2va 和 fl2va 模型均无效。
Issa Rae 与 Hoorae 联手 TikTok 和 PineDrama 推出第三部微短剧《Parental Advisory》,共 50 集、总时长一小时,10 月 28 日上线 TikTok 与 PineDrama。