一個公開的 AI 製作角色：Claudia，十支 Claude 音樂影片的主唱
一個名為 Claudia 的公開角色，是 AI 製作的流行歌手，留著黑色鮑伯頭、帶黏土橘色挑染，在 2026 年 9 月至 11 月間主演十支以 Claude 製作的音樂影片。這次發布公開了她的每一張圖像、這些影片，以及自行重現她所需的一切。這些影片是以 Midjourney 提示詞、Seedance 2.5 片段和 Suno v6 歌曲製作而成。
#视频
Hacker News · AIAI 評分4040 Hacker News · AIAI 評分2828 Show HN：由開發者打造的 Rick and Morty 解說影片生成器
一位開發者推出了 Show HN 工具，可將任何網站、文章或腳本轉換成 Rick and Morty 風格的解說影片，包含對話、場景與動作。使用者點擊生成，將腳本轉換成可審閱的分鏡腳本，然後再次生成以獲得最終影片；由於底層使用 AI 影片，最終影片需付費。
Hacker News · AIAI 評分4040 AxiomStory：一個讓角色與世界在文字、圖像和影片間保持一致的 AI 故事工作室
AxiomStory 是一個新的 AI 故事工作室，它會閱讀手稿的每一章並標記連續性錯誤，例如某個角色的眼睛顏色在不同章節之間發生變化。它會為每個角色和地點建立一個 wiki 頁面，並在生成的圖片和影片中，為每個角色重複使用同一個經核准的外觀和聲音。免費方案提供約 30,000 字的 AI 協助；付費方案每月從 16 美元到 160 美元不等。
Recraft BlogAI 評分4242 MiniMax H3 Image、Highspeed 與 Lite 登陸 Recraft Studio
MiniMax 的 H3 系列本週從影片延伸，H3 Image、H3 Image Highspeed、H3 Highspeed 與 H3 Lite 現已在 Recraft Studio 上線。兩款圖像模型以 2K 或 4K 生成與編輯，兩款影片模型則以 480p 或 768p 產出 4–15 秒、帶聲音的片段。H3 Image 每張圖起價 6 credits，H3 Lite 每秒影片起價 4 credits。
The Verge · AIAI 評分3838 Adobe 發表 AI 實驗，能將照片變成 3D 場景，還能讓你訪問角色
Adobe 在其年度 Max 大會上發表了實驗性 AI 工具，包括可透過對話指導 AI 角色的 Project Screen Test、可將平面圖像轉為可導覽 3D 場景的 Project Sight Span，以及在方形音效畫布上混音的 Project Sound Bender。Project Rinse Repeat 則使用原生 Photoshop 工具複製編輯，並套用到同一張照片中的其他主體。這些「sneaks」是技術預覽，最終可能登上 Creative Cloud 或 Firefly，但不保證會推出。
MarkTechPostAI 評分6060 MBZUAI 的 IFM 發布 PAN 2：一個開放 29B 物理 AI 世界模型
MBZUAI 基礎模型研究所（Institute of Foundation Models）發布 PAN 2，一個 29B 參數的開放世界模型，輸入場景與文字動作，並以影片模擬結果，權重、訓練程式碼與推論程式碼以 Apache 2.0 釋出。它將一個撰寫結構化 JSON 世界狀態的 LLM 規劃器，與一個由凍結的 Qwen3.5-9B 編碼器調節的 29B MMDiT 擴散 Transformer 搭配，IFM 報告在 100 項多步驟任務上完整計畫完成率為 34.0%，領先 MiniMax-H3 的 32.50%，但在單一動作與人類偏好（Elo 1595 對 1620）上落後 MiniMax-H3。IFM 的消融實驗顯示，移除 LLM 規劃器會使完整計畫完成率降至 0.0%，步驟完成率從 75.1% 降至 8.7%。
Recraft BlogAI 評分5555 Gemini Omni Flash 1.2 登陸 Recraft Studio，角色更穩定、唇形同步更清晰
Google 最新的影片模型 Gemini Omni Flash 1.2 現已在 Recraft Studio 上線，可生成最長 10 秒、帶原生音訊的片段。與 1.1 相比，它在單一片段中能讓角色、產品與場景保持得更穩定，更遵循鏡頭指令、減少多餘剪接，並生成更清晰的唇形同步對白，包括多人同時說話的場景。Google 於 2026 年 11 月 5 日發布該模型，並指出它在快速體育動作、快速腳本變化和複雜物理方面仍有困難。
Google DeepMind精選AI 評分7878 Google DeepMind 推出 Gemini Omni 1.2 Flash，支援 15 秒短片且價格降低 30%
Google DeepMind 推出 Gemini Omni 1.2 Flash，現已在 Gemini API 與 Gemini for business 全面開放，具備原生 15 秒影片生成、多輪對話式編輯與更強的參考遵循能力。價格較 Gemini Omni 1.1 下降 30%，720p 影片為每秒 0.07 美元，使用者可先以 360p 或 720p 草擬，再升頻至 1080p 或 4K。短片長度可設定為 3 至 15 秒，以一秒為單位遞增，輸出帶有不可察覺的 SynthID 浮水印。
推薦理由：Gemini Omni 1.2 Flash 將原生短片長度提升至 15 秒，並將 720p 影片價格降低 30% 至每秒 0.07 美元，多輪對話式編輯現已全面開放。
Google Blog · AI精選AI 評分8080 Google 推出 Gemini Omni 1.2 Flash，支援 15 秒片段並降價 30%
Google DeepMind 推出 Gemini Omni 1.2 Flash，並在 Gemini API 與 Gemini for business 全面開放使用。該模型可生成與編輯原生片段，最長達 15 秒，高於 Omni 1.1 的 10 秒，支援多輪對話式編輯，並能更一致地維持角色、產品與風格參照；720p 影片現在每秒收費 0.07 美元，比 Omni 1.1 便宜 30%。輸出內容帶有 SynthID 浮水印，該模型正陸續在 Flow、Google Vids、Gemini 應用程式與 Google Ads 中推出。
推薦理由：Gemini Omni 1.2 Flash 將 720p 影片價格調降 30% 至每秒 0.07 美元，同時把原生片段延長至 15 秒，讓大規模製作影片的團隊多了一個更便宜的選項，可與先前版本比較。
ChinaTalkAI 評分3838 中國一半的AI算力真的都花在垃圾內容上嗎？
一則瘋傳的說法指稱中國55%的AI token用於短劇和影片生成——此說法可追溯至COL集團6月的投資者電話會議——已引來字節跳動與《人民日報》的反駁，字節跳動稱影片生成僅占其自身算力約10%。2026年前八個月發布的約43萬部微短劇中，超過90%為AI製作，而在字節跳動的Seedance上，一段五秒720p片段約花費10萬個token。
Modal BlogAI 評分3434 用 Modal GPU 強化你的 LiveKit Agent
Modal 說明如何在其無伺服器 GPU 上，以開放權重或自訂模型執行 LiveKit Agents，並使用 BitHuman 的開放權重 Expression Video Avatar，搭配 Qwen3-TTS 配音來複製 Charles Frye。此設定透過 Modal Server 對外開放 avatar 容器的 /launch 端點，並使用 Sticky Sessions 讓 WebSocket 用戶端維持在同一個容器上，同時以 GPU 快照隱藏冷啟動。
Descript ChangelogAI 評分2222 Descript 2026 年 10 月彙整：全硬碟搜尋、非同步錄音請求與 ElevenLabs v4 聲音克隆
Descript 於 2026 年 10 月 12 日發布的版本新增了涵蓋整個硬碟的搜尋列，並提供完整結果頁面與 Underlord 檔案尋找功能。企業版硬碟現在可以發送非同步錄音請求，讓嘉賓按自己的時間安排錄音；AI Speech 則改用 ElevenLabs v4，以獲得更準確的聲音克隆。付費方案也預設使用 MiniMax H3 Max Turbo 進行 AI 影片生成。
EveryAI 評分4242 Vibe Check：GPT-6 Astra 是獨立電影製作者的突破嗎？
創意工作室 Afterimage 用真實拍攝的素材測試 GPT-6 Astra，看看它的 Blender 3D 技能是否能延伸到視覺特效工作上。Astra 處理的任務範圍從在移動的橫搖鏡頭中替換一個盤子，到在布魯克林街道上添加一棟建築，以及在手持 iPhone 拍攝的畫面中讓一個巨大的遊行花車出現在窗外。有些鏡頭成功了，有些則沒有，但團隊最終構思出了他們以前從未嘗試過的特效。
Descript ChangelogAI 評分2020 Descript 2026 年 9 月 17 日版本更新總覽：字幕預設、AI 音樂與音效、多幣別結帳
Descript 2026 年 9 月 17 日的更新新增 18 種字幕預設與 10 種全新文字動畫，並在 145.0.15 或更新版本中，將 AI 生成的背景音樂與音效直接放置於時間軸上。結帳功能現在會以當地貨幣顯示價格，並支援 Apple Pay、Google Pay、Cash App 及其他選項，語音選擇器則取自 ElevenLabs 語音庫。
MiniMax Blog精選AI 評分8282 MiniMax 推出 H3，一款原生立體聲 2K 通用多模態生成模型
MiniMax 推出 H3，這是一款通用多模態生成模型，能將文字、圖像、影片與音訊理解為統一的上下文，並生成最高 15 秒、2K 解析度且帶原生立體聲的影片。該公司表示，2K 輸出的每秒成本不到主流模型的三分之一，並計劃在未來幾天內依適用法規開放模型權重。H3 建構於 Contextual Omni Representation、H3-VAE、H3-Omni Transformer 與 In-Context Regeneration 之上，MiniMax 表示完整技術報告即將發布。
推薦理由：MiniMax 的 H3 將文字、圖像、影片與音訊生成統一到一個模型中，並聲稱 2K 定價低於主流模型的三分之一，權重也承諾很快開放。
Modal BlogAI 評分3838 Runway 與 Modal 合作，為 Runway Characters 提供即時推論能力
Runway 正與 Modal 合作，為 Runway Characters 提供即時推論能力。Runway Characters 是一套即時影片代理 API，建構於 Runway 的 GWM-1 世界模型之上，能從單一影像生成富有表現力的數位人物，且無需任何微調。Modal 的無伺服器平台讓 Runway 在不到 30 天內從概念驗證推進到正式上線，並在每個區域使用具備 RDMA 網路的單行多節點 GPU 叢集。Characters 現已於 dev.runwayml.com 向開發者與企業開放，並於 runwayml.com 向一般消費者提供。
OpenAI Developers Blog精選AI 評分6767 OpenAI 更新 Sora 2 提示指南，加入角色參考、20 秒片段與影片延長功能
OpenAI 更新了 Sora 2 提示指南，涵蓋新的 API 功能：可重複使用的物件與動物角色參考、1920×1080 與 1080×1920 匯出、最長片段長度從 12 秒提高到 20 秒、以完整原始片段作為脈絡的影片延長，以及用於非同步影片任務的 Batch API。該指南也說明鏡頭取景、攝影機運動、光線與對話的提示結構，並指出解析度、時長與角色 ID 必須設為 API 參數，而非以文字描述。支援最多 20 秒的延長，且一支影片最多可延長 6 次，總計 120 秒。
推薦理由：OpenAI 更新的 Sora 2 提示指南詳述了角色參考、20 秒片段與影片延長等新 API 功能，以及可用於控制鏡頭的可重複使用提示範本。
Modal BlogAI 評分2222 Lemon Slice 如何用 Modal 和 Daily 打造即時生成式影片
Lemon Slice 打造了 Lemon Slice Live，這是一款能與 AI 角色進行即時視訊對話的產品，運用 Modal 和 Daily 的低延遲基礎元件，達到端到端視訊回應延遲 3-6 秒。此管線在各自獨立的 Modal 容器上執行 Pipecat 伺服器與 1B 參數的影片模型，兩者透過 Modal 的 Tunnel 通訊，並藉由區域選擇機制部署在同一區域；語音轉文字、LLM 回應與文字轉語音則分別由 Deepgram、Grok 和 ElevenLabs 處理。更早之前，兩個 Python Modal Functions 讓 Lemon Slice 得以擴展到每小時 10,000 次請求，而無需管理 ECS 叢集、工作佇列或負載平衡器。
Modal BlogAI 評分2222 sync. 如何運用 Modal 每天對 100 小時影片進行唇形同步
sync. 正運用 Modal 每天對超過 100 小時的影片進行唇形同步，將長影片切割成多個場景，在 n 個 T4 GPU 容器上執行人臉偵測與翻譯，再將每個場景交由 A100 上專有的 LipSync GenAI 模型處理。該團隊每天部署多達 95 次，並在脫離 Google Colab 原型與 AWS Lambda 後，於一年內將 10 個主要模型變體推上正式環境。