Genie 4 现已可用
Genie 4 现已向 Google AI Ultra 订阅者开放,支持会话中实时编辑世界与实时原生音频。Genie 3 同步更新,单次生成最长 3 分钟,支持 360 度全景图种子与实时世界事件;新增 Project Genie agent 与社区画廊。
推荐理由:Genie 4 向 Google AI Ultra 订阅者开放,支持会话中实时编辑世界与实时原生音频,创作者可据此评估其交互式世界生成、分享与再创作能力。
Genie 4 现已向 Google AI Ultra 订阅者开放,支持会话中实时编辑世界与实时原生音频。Genie 3 同步更新,单次生成最长 3 分钟,支持 360 度全景图种子与实时世界事件;新增 Project Genie agent 与社区画廊。
推荐理由:Genie 4 向 Google AI Ultra 订阅者开放,支持会话中实时编辑世界与实时原生音频,创作者可据此评估其交互式世界生成、分享与再创作能力。
谷歌通过认购优先股向微短剧平台 Rigi 投资约 1 亿卢比(约合 120 万美元),获得 1.43% 股权,投后估值约 67 亿卢比(约合 8000 万美元),这是谷歌首次进入 Rigi 股东名单,也是 Rigi 近四年来的第一笔新钱。
Google于11月16日宣布图像生成编辑工具Google Pics更新至Nano Banana 2.1模型。新模型在保持同等处理速度下,提升画质与真实感,并改善编辑一致性与文字描写,部分编辑时背景等元素更不易崩坏。更新无需用户设置,面向Google AI Pro/Ultra等付费计划,11月16日起1-3天逐步反映。
原生音频 AI 视频生成器可在一次生成中同步输出对白、音效与环境声,Luma 与 Google Veo 是代表性平台。Luma 的 Ray 3.2 支持多关键帧、HDR、EXR 导出与 Motion Transfer,并用 Uni-1 维护项目上下文。Google Veo 被定位为企业方案,具有广泛平台访问能力。
Adobe 与 Google 在 Adobe MAX 大会上宣布扩大战略合作,将 Google 的成像与视频模型引入 Firefly、Photoshop、Premiere 和 Adobe Express,同时把 Acrobat 带到 Google Workspace。
Google 于 2026 年 11 月 5 日发布 Gemini Omni Flash 1.2 视频模型,现已上线 Recraft Studio。相比 1.1,单次生成时长从 10 秒提升至 15 秒,一致性与对口型更清晰,Gemini API 价格降低约 30%。
推荐理由:新版本将单次生成时长从 10 秒提升至 15 秒,并改善跨片段一致性与对口型,适合需要完整小故事的短广告场景。
Avid 发布 Ready to Play,与 Google Cloud 合作将 Gemini 和 Veo 驱动的 AI 视频生成与分析直接集成进 Media Composer。
AITuber 的对比认为,圣经故事视频没有单一最佳 AI 视频生成工具,应按观众和任务选择。每周更新教会或信仰频道可用 AITuber,其 Autopilot 可定时发布到 YouTube、TikTok 和 Instagram,Creator 为 $39/月、2,500 credits。
一位创作者用ChatGPT与Gemini制作AI野外漫画,从发现AI生成图中钓鱼线过短的问题出发,逐步构建出涵盖道具、服装、角色判断与4页起承转合结构的制作流程。该流程以ChatGPT负责设计与整合、Gemini负责矛盾与因果深挖、人类编辑负责最终判断的方式,在6个真实地点完成6篇短篇实验。
美国中期选举后芯片股重挫,纳指单日暴跌5.52%,市值蒸发约3.2万亿美元,进入技术性回调。民主党推动《禁止人工超级智能法案》,违规个人最高可判20年监禁。OpenAI推出GPT-6 Cyber,越界执行操作比例降至1%以下。
11月6日AI科技日报精选20条动态。谷歌发布Gemini Omni 1.2 Flash,支持原生15秒视频生成与编辑,价格降低30%;一个训练成本约2万美元的文生图模型以Apache 2.0协议开源。此外,Claude Code被曝将用户邮箱发送至外部网站,微软2028年起取消教育版100TB云存储额度。
Google Gemini Omni 1.2 Flash 现已在 Runway 中可用。该模型支持创建和编辑最长 15 秒的视频,对话更自然、镜头间一致性更强,可细化场景而无需重新开始,并升级到 4K。
Google 发布 Gemini Omni 1.2 Flash,原生支持 15 秒视频生成,价格较 1.1 下降 30% 至 $0.07/秒(720p)。新模型支持多轮对话编辑、增强参考跟随,并可在 360p/720p 草稿后超分至 1080p 或 4K。Gemini Omni 现已在 Gemini API 和 Gemini for business 中正式可用。
推荐理由:新模型将原生视频长度提升至 15 秒并降价 30%,适合评估批量视频生产与广告素材制作成本。
Ray 3.2、Kling 4.0、Seedance 2.5、Veo 3.1 和 Layers 在生产工作流中各有优势,其中 Ray 3.2 是唯一支持 16-bit HDR 和 EXR 导出的生成器。
MiniMax H3 需自托管 GPU 集群,7 款全模态平台可免运维替代。Luma Ray 3.2 居首,支持多关键帧序列、1080p 无水印导出、生成速度提升 4 倍,可直接导出至 Premiere、DaVinci 和 Final Cut;Google Veo 3.1 可一次生成同步语音与音效,ByteDance Seedance 2.5 面向多资产品牌项目。
将 Google 的 Antigravity 智能体接入 ComfyUI,通过聊天对话即可完成图像生成与调整。具体做法是将 ComfyUI 工作流导出为 API 格式 JSON,把 ComfyUI URL 和 JSON 路径粘贴给 Antigravity,即可用自然语言指令驱动生成、修改姿势和切换 LoRA。目前 Antigravity 处于期限未定的免费促销期。
Curious Refuge 公布 2027 年最佳 AI 图像生成器榜单,Google 的 Nano Banana 2.1 以 9.02/10 总分登顶。GPT Image 2.5 以 9.00/10 紧随其后,提示遵循得分最高(9.86/10)。评测基于 29 个标准化边缘案例提示词,从提示遵循、视觉保真度、风格与写实三个维度评分。
Claude Code 在 CoAnimator 中有文档化连接,Gemini CLI 则更适合已有企业或付费 API 访问的团队。Google 已于 2026年6月18日将免费个人用户和 Google AI Pro/Ultra 订阅用户从 Gemini CLI 迁移至 Antigravity CLI。
YouTube 宣布加大对微短剧的投入,该格式 2026 上半年在应用内观看量超 65 亿次,同比增长超 50%。YouTube 正开发更多变现路径,包括会员专属剧集体验,并称自动翻译工具帮助微短剧扩大受众,40% 的观看量发生在视频上线 30 天后。
谷歌发布新一代世界模型 Genie 4,可在生成世界的同时原生生成音乐、环境音和交互式对话。相比上一代 Genie 3,新模型加入原生音频、实时人物对话,以及由 Gemini 模型提供的多步骤推理和场景控制能力,目前以研究预览形式向受信任测试者逐步开放。
推荐理由:Genie 4 在上一代基础上加入原生音频、实时对话与多步骤推理,创作者可据此评估其交互式模拟能力。
谷歌 DeepMind 发布 Genie 4,世界模型实现原生多模态,画面、音乐、环境声和对话可同时生成。技术上基于 Gemini 家族,Gemini Omni 负责让模拟锚定真实世界的样貌和物理行为。
Google Flow 可以用 Veo 3.1 和 Gemini Omni 生成视频,但需把短片当作 8-10 秒的镜头序列自行组装。免费版每天 50 积分,法国订阅 4.99 欧元起;欧洲用户无法编辑导入视频,Veo 3.1 Qualité 不支持参考图。作者基于官方文档核算了各档位每分钟生成成本,并指出 Flow 适合入门和预告片,长篇需搭配其他工具。
推荐理由:基于官方文档核算 Google Flow 各档位每分钟生成成本,并指出欧洲用户无法编辑导入视频,为短片创作者评估工具提供参考。
文章对比 Kling、Veo、Runway、Seedance、Hailuo 五款主流视频生成 AI,指出各服务擅长方向不同,人气排名第一未必适合每个人。作者建议先明确自己想做什么内容,再按画面质量、免费可用性、角色动作与商品介绍视频等需求选型,而非盲目追排行榜。
把文字脚本变成 AI 视频的核心是工作流而非单一模型:将脚本按场景拆分,每个场景生成约 4 至 15 秒的片段,再按顺序拼接并配上旁白与音乐。VIBE 这款 iOS 与 Android 应用集成 Kling、Sora、Veo 等模型,可在手机上逐场景生成并导出剪辑。
创作者 Naoya 公开了用 MiniMax H3 等工具制作 18 分 24 秒、4K、共 129 个镜头的关原题材历史电影《岛津的退口》的流程。片中武将台词改用日语配音,作者把台词写成不带汉字的平假名、用专用标签包裹并加上说完闭嘴的指令,以减少误读和画面出现文字。全片 129 个镜头逐一看过后重拍,修正了头盔消失、两人同时说话、称呼颠倒和背景像现代公园等问题,结尾改为主题曲 34 秒淡出。
DeepSeek开源推理框架DeepInfer,其技术报告披露DeepSeek V4.1 Flash单集群日吞吐达155万亿tokens,收入为每卡每小时38美元。美国国土安全部正式下令联邦民事机构停采并移除DeepSeek产品,禁令还覆盖采用DeepSeek技术的第三方产品。同期MiniMax港股首次破发,盘中跌5.6%至162.2港元,跌破165港元发行价。
Canva 于10月22日发布首个自研图像生成模型 Canva Craft,支持最大2K分辨率和30多种画面比例,在图像对比榜单中暂列第4。同日 KDDI 的 povo2.0 在 povo AI 中接入 Nano Banana 2,图像生成每日限3次免费。
一位 49 岁创作者把 AI 视频生成模型从 Adobe Firefly Video 换成 Google Veo 3.1 Fast 后,无需重做就完成了贴合指定首尾图的子猫短片。
Google 已关停 Gemini API 和 Vertex AI 中的全部三款 Imagen 4 模型,原价分别为 Fast $0.02、Standard $0.04、Ultra $0.06 每张。
2026年上半年微短剧在YouTube上的观看量达65亿次,而YouTube Shorts全球日均观看量约2000亿次。麦芽传媒借助AI提升效率、产能与题材覆盖,其NetShort在9月双端内购收入位居海外短剧APP第二位。YouTube推出Shorts系列功能支持竖屏剧集化观看,AI内容制作与平台分发正成为出海竞争新焦点。
作者公开一套换装与换妆提示词模板,只改参考图中人物的服装和妆容,保留脸型、发型、表情、姿势、背景与构图,在 ChatGPT 或 Gemini 中把占位词替换成目标风格即可。
ArcReel v0.34.0 发布,Agent 供应商未定价档位可手动选模型,凭证支持设置倍率,订阅制网关填 0 不计费。计费改为按模型目录价目表结算,文本、配音、图片、视频费用分项落档,未定价调用单独计数。模型目录新增搜索接口并随版同步价格与能力,Seedance 2.0 可选 4K、Seedance 2.5 可选 1080p。
面向 2026 年从剧本到画面的需求,ScreenWeaver、Saga、Morphic、Autodesk Flow Studio、Higgsfield Popcorn 和 Google Flow 被列为 LTX Studio 的六个替代方案。
VideoGen 于 10 月 20 日发布首个自研视频生成模型 Model 1,可凭单条指令生成最长 10 分钟、跨场景人物一致的多镜头视频,最多参考 16 张图像,目前向部分合作方开放。
Anthropic 宣布下周起 Claude 网页、桌面与移动端在 Pro、Max 与 Team 套餐默认运行 auto 模式,由自动风险检查取代逐步审批,可随时切回手动。
作者在 Canva 中尝试制作近未来忍者题材 AI 视频,先设定数百年后忍者进入宇宙对战、忍术与魔法互换等剧情,再让 Canva 生成忍者与魔法师的角色设计。角色设计氛围不错,但后续生成效果并不理想,作者仍在不断添加元素摸索改进。
Google Gemma 官方展示实验项目 Embedding Gemma Transcribe,利用 EmbeddingGemma 2 的统一音文向量空间,本地约 13 秒转写 1 小时音频。
Canva 将自研图像模型 Craft 向所有人开放,并在 Dream Lab 与公开 API 提供,官方称其在 DesignArena 上 Elo 1340、模型总榜第 4,人物与风景两个分项第 1。
一位用户分享称,在 Gemini 上用替换提示词比从零生成更容易得到一致结果:给女性图像补下半身和腿时,AI 会重绘整个人导致出错,改为把已有女性替换进一张全身图后,特征通常能正确迁移,再替换下半身衣物即可。复杂场景同理,先找一张目标场景图再替换角色,比从零创建省时得多。
VIBE 是一款 iOS 和 Android 端的 AI 视频生成应用,可将房源照片通过图生视频转成每间房 5 到 10 秒的短片段,再拼接成房源导览。应用支持 Kling 3、Veo 3.1、Seedance 1.5 Pro、Luma Ray 3.2 等模型,输出 16:9 与 9:16,Seedance Pro Fast 可免费试用。