ALLOT:面向视频扩散 Transformer 的免训练块稀疏注意力分配方法
研究者提出免训练稀疏分配方法 ALLOT,将每层与每个去噪步的组合视为单元,通过单元探测与轨迹校准估计其对最终视频误差的贡献,并在实测延迟预算下联合优化各单元密度。
研究者提出免训练稀疏分配方法 ALLOT,将每层与每个去噪步的组合视为单元,通过单元探测与轨迹校准估计其对最终视频误差的贡献,并在实测延迟预算下联合优化各单元密度。
爱沢在 X 发布 10 月 21 日晨至 22 日深夜的五场景插画,并免费配布对应 ChatGPT 图像生成提示词,覆盖清晨拉开窗帘、白天读信、傍晚沙发小憩、夜晚拥毯和深夜夹月形书签。提示词要求附上本人有权使用的 21 岁以上成人角色参考图,以保持五官、发型与瞳色,并统一指定细腻干净的动漫画风与横构图。
一位创作者分享持续制作 AI 视频的真实体验:每月在 AI 工具上花费数万日元,单条视频制作耗时 6〜8 小时,且付费生成也常出现动作不符、角色崩坏、背景变化等失败,失败生成同样计费。画面精美已难形成差异化,YouTube 规则与判断还可能影响变现。
中国广电原创出品的 AI 微短剧《永不失联的通讯班》在全国有线电视平台及“中国广电”App 首发上线,纪念中国工农红军长征胜利90周年。剧集聚焦1935年6月红军翻越夹金山,讲述现代通信工程师林岳穿越加入红军通讯班、守护无线电生命线的故事。作品借助 AI 完成场景复原与画面渲染,压缩置景和后期周期、降低制作成本。
淘宝在2026淘宝AIGC内容电商生态闭门会上联合央广网、爱奇艺、咪咕、风芒发布电商短剧共创联盟·百亿精品计划,投入百亿级生态扶持资源。淘宝短剧同时开放机构入驻入口,并公布双十一招商与激励政策,其中10月AI短剧百万激励计划分成最高奖励30万元/部、热剧保底5000元/部,真人短剧精品独家合作单部制作保底最高150万元、播放激励分成最高150万元。
推荐理由:淘宝把双11流量预算转向短剧内容资产,并给出AI短剧与真人短剧的具体激励额度,可供内容方评估渠道选择。
短剧复仇叙事可细分为恨欺负、恨贫穷、恨背叛、恨轻视四种类型,但过度依赖仇恨正让观众产生“恨疲劳”。文章提出,创作者应让复仇重新成为值得讲述的故事,转向爱、责任、尊严等更多元的情绪动力。
RubatoCodec 是基于 X-Codec-2 的可变帧率语音编解码器,通过 utterance 级事件预算和流式解码实现自适应分词。其 Adaptive Firing 机制利用编解码特征与波形频谱变化划分变长事件,无需学习边界预测器。在低事件率下重建保真度和可懂度优于固定帧率编码,英日基准上可懂度保持最佳,匹配 TTS 对比中 WER 更低、UTMOS 与 UTMOSv2 更高。
研究提出 Future Chunk Prediction(FCP),一种与 teacher forcing 去噪联合优化的辅助目标,在看不到中间视觉上下文的情况下预测时间上相隔的视频块。
社区微调模型 MiniMax H3 Singularity 的 V2 INT8 检查点于 10 月 21 日上传至 WarmBloodAban/Minimax-h3_Singularity 仓库,文件为 Minimax-h3_Singularity_ref2va_v2_int8.safetensors,大小 31.7 GB。
Stable Diffusion Art 发布教程,介绍如何在 ComfyUI 中用 MiniMax H3 的 Add Guide 节点把多张关键帧图、视频片段和音频锁定到 24fps 时间轴的具体帧位,一次生成带立体声对白、音效与配乐的视频。
推荐理由:教程给出多关键帧锁定与音画续接的具体节点设置,并修正了官方模板的时间戳截断问题。
德国糖果品牌 Ahoj-Brause 与柏林代理商 Ozmoze 合作推出七集竖屏万圣节微短剧,10 月 17 日至 30 日在 Instagram、TikTok 和 YouTube 上线,每集间隔数天发布。剧集恶搞《惊声尖叫》及 2026 年上映的 Obsession 和 Backrooms,每集以悬念收尾,汉堡的户外壁画也融入剧情。
法国制作公司 Barjac Production 宣布进军竖屏短剧,其母公司 Studio TF1 于 10 月 20 日在社交媒体公布这一消息。该公司两部竖屏短剧正参加 Vertival——Satellifacts 称为法国首个竖屏虚构作品竞赛,其中一部片名以“Trop”开头。公开内容未披露平台、预算或上线时间。
创作者 kingroka 发布 LoRA「UDA」,用于配合 Moss Image 生成动漫与数字绘画,以缓解基础模型在数字艺术中出现的怪异伪影和错误。该 LoRA 基于约 250 张图像、训练 10000 步,数据集采用结构化 JSON bbox 提示类型,并融合了动漫/数字绘画、吉卜力风格与复古动漫三个 Ideogram LoRA 的合并转换数据。
DramaClip v0.2.2 发布,新增视频文案提取、语音转文字、文字转语音三项工具箱能力,并内置仅本机回环加令牌鉴权的 HTTP 网关供外部 Agent 调用。
在 LA Tech Week 2026 上,可灵与 Oxen AI 和 Obsidian Studio 一同探讨 AI 视频如何融入企业内容生产——从镜头创作到最终交付。 观看精彩片段,了解 Kling 4.0 如何支持复杂的制作需求。
小智博客发布教程,介绍在 ComfyUI 中用 MiniMax H3 做文生视频,内容涵盖环境准备、硬件与软件要求,以及从 ModelScope 或 Hugging Face 获取 MiniMax H3 模型文件,并给出安装升级 huggingface 相关依赖的步骤。
Longshot Studio 更新至 0.15.0,针对对口型和面部精修做了多轮迭代,API 免费并运行在用户自己的 ComfyUI 上,代码已开源于 GitHub。作者同时发布了一支完全用该工作室制作的音乐视频《Falling Fast》作为效果示例。
一位用户搭建对比页面,在 1 百万像素下用相同种子、int8 单次生成测试 Fibo 2 edit、Klein 9b 与 Qwen 2.1 的图像编辑能力,结论是其使用场景中 Qwen 2.1 仍最佳,Fibo 若获社区支持可能是不错选择。
苹果首款折叠屏 iPhone Duo 将于 10 月 23 日发售,App Store 已上线多张内置应用截图,提前展示双屏设备展开后的使用体验,支付宝 12.12.38 版本也已适配。
Luma的Ray 3.2与Seedance 2.5分别侧重帧级控制与同步音频生成,用户可按项目需求选择。Ray 3.2支持HDR输出、EXR导出和最多16个关键帧,适合专业后期;Seedance 2.5可一次生成30秒带同步音效、音乐和口型的片段。两者均通过Luma提供,可在同一工作区内切换使用。
Gemini Omni Flash 擅长对话式编辑与多模态输入,Wan 3.0 可生成最长 30 秒片段并支持文档输入,两者各有优势。Luma AI 的 Ray 3.2 提供多关键帧序列、HDR 输出和 EXR 导出,Layers(由 Uni-1 驱动)支持单元素修改,适合生产流程。2025 年 AI 视频生成市场规模约 7 亿至 20 亿美元,北美领跑。
Veo 3.1 与 Runway Gen-4.5 的对比显示,创意团队选择 AI 视频工具时需兼顾生成质量与后期工作流,Luma Ray 3.2 以多关键帧控制(最多 16 个)加入竞争。
Seedance 2.5 与 Kling 3.0 在 2026 年 AI 视频生成对比中各有侧重:前者主打 30 秒原生片段、多参考输入(最多 50 个)和原生音视频一次生成,后者主打最高 4K 输出与物理运动真实感。
抖音集团短剧版权中心发布互动剧、互动影游合作征集,开放联合发行、联合出资与IP联合开发,寻找真人及AI制作的互动作品。同期三款面向海外的互动故事App出现,其中DramaRemix主打剧情选择与AI视频创作,Boss Reels将短剧与小游戏结合,inStory鼓励用户用AI把个人经历制作成视频故事。
推荐理由:抖音开放互动剧合作征集,同期三款海外互动故事App上线,可据此观察互动短剧赛道的平台动作与产品形态。
HeyGen Voice Turbo 以合作节点形式接入 ComfyUI,支持单段录音完成声音克隆,并把任意脚本转成语音。Turbo 每 1000 字符成本不到 1 美分,面向本地化广告、培训视频、产品讲解和 AI 数字人管线等规模化配音场景。
开源画布 Agent 发布 v1.6.9,统一 29 个工具的 schema、Policy、可见性、执行绑定与审批预演,并移除旧工具副本和重复上下文管线。画布 Agent 修复多选超过 8 个节点时的焦点丢失,步骤卡新增逐步撤销,已提交生成任务不可撤销。后端数据库 Schema 升至 58,新增 Agent 记忆压缩提案及修订记录,升级需同时更新 Web 与 Backend。
有用户在 macOS 上发现 Topaz Video 应用内 `/Applications/Topaz Video.app/Contents/Resources/models/coreMLCache/ganim-v1-fp16-576x672-2x-OS15-mlp` 路径下的 Gaia 2(Gaia Animation)模型权重未加密。
你看到的 vs. 我脑子里正在发生的。 @DreamLabLA
用户 Sixhaunt 用 AI toolkit 训练 rank-16 LoRA(6000 步),对比 Moss Image Edit 的两种参考图输入方式:直接喂参考图的方法无 LoRA 时易把输入混在一起,Ostris 的编辑方法无 LoRA 时近似叠加图像、有 LoRA 后编辑效果较好。Ostris 方法单图渲染约 45s,简单参考法约 15s,训练耗时约为其 3 倍。
Kling 4.0 已在 Higgsfield AI 上线,单次生成时长从 Kling 3.0 的 3 至 15 秒扩展到 3 至 30 秒,最高 1080p 并带双声道立体声。
推荐理由:对比 Kling 3.0 列出时长、关键帧、参考素材与音频的升级项,并给出各分辨率积分成本,便于评估接入成本。
YouTube 委托 NRG 调查近 700 名过去 12 个月上传过视频的 14-44 岁用户,72% 的受访上传者表示会在视频或图片上使用 AI。超三分之二的 AI 视频发布者称内容中出现了自己,61% 的受访者有兴趣用 AI 把自己插入视频画面。报告还提到有创作者用生成式 AI 构建完整电影世界,形成一批“AI 作者”。
MattVidPro 用 Claude Opus 5.5 在 45 分钟内把 Seedance 生成的虚构游戏画面重建为可玩的浏览器 shader,借助 gokaygokay 的 video-to-shader skill。
MiniMax H3 Novel Pipeline 发布更新,新增可编辑参考链接与审阅流程,支持从已保存的电影化章节 JSON 恢复提取。H3 生成环节加入场景时长指引、可配置最大镜头数与可选镜头方向,并可用 Qwen 依据校验反馈修正无效的镜头后处理备注。
作者演示了在本地 ComfyUI 中不依赖本地推理 GPU、也不下载模型,通过安装免费的 Forma 自定义节点并连接账号,打开图生视频模板完成一次真实生成。该方案按量付费、无需订阅,充值从 $5 起,可选 39 个图像与视频模型、8 种视频工作流类型和 2 种图像工作流类型,运行推理前可先查看报价。
作者在 ComfyUI 中分享了一套 360 环绕 MiniMax 工作流,称这是其在多角度人脸一致性上找到的确定方法。做法是先准备一张非常扎实的正脸图,再让 AI 做 360 环绕并截取各重要角度的帧,作者称人脸一致性达到 100%,效果优于寻找真人在不同角度的真实照片。
有用户用同一段双图编辑提示词对比了 Flux Klein 9B Distilled、Flux 3 Klein Distilled、Qwen 2.1 Turbo、Krea 3、Nano Banana 2.1 和 Ideogram 4.5 六款模型。
作者在 Reddit 发布基于 MiniMax H3 的 ComfyUI 工作流 SyncTile v5.4,把大尺寸或长视频拆成重叠的空间图块与时间窗口,每次模型调用统一预测并融合到同一画布,从而避免接缝与片段拼接,显存占用仅为一个区域。
2026 年值得关注的 11 款 AI 视频广告生成器包括 Higgsfield、Creatify、Topview、Arcads、HeyGen、Runway、Synthesia、Predis.ai、AdCreative.ai、Pika 和 OpusClip,覆盖产品链接转视频、AI 演员 UGC 广告、参考广告复刻和批量版本测试四类任务。
AusBoss 发布 ComfyUI 自定义节点项目 ausboss-nodes,新增 Image Crop + Rotate + Pad、Load Image + Pad 和 Load Video 节点,可像核心 Load Image 一样加载 ComfyUI 生成的文件。
AusBoss 发布 ComfyUI 创作项目 ausboss-nodes,支持在经典视图中将 Assets 面板中的图片拖放到节点图片上直接加载。