跳到正文
9月18日周五
9月16日周三
  1. Higgsfield22

    如何在 2026 年用 Higgsfield 把运动产品照片变成 AI 视频广告

    Higgsfield 提供两条把运动产品照片转成视频广告的路径:Marketing Studio 用 Click to Ad 或直接上传照片自动提取名称、描述、最多 8 张图片、品牌色与 logo,并从 1,500+ 模板中选取高动态格式;Cinema Studio 4.0 支持单条最长 30 秒生成,可直接设定类型、镜头、运镜、调色、节奏、年代、参考与情绪。

9月15日周二
  1. Luma22

    AI 唇形同步:如何编写与口型匹配的对白提示词

    AI 唇形同步通过分析音素并生成对应口型(viseme)来让视频中的人物口型与音频对齐,已从实验性功能走向可投产。有效提示词需要干净音频、正面或四分之三角度画面,以及明确的角色设定,脚本中可用 [excited]、[whisper]、[sad] 等情绪标签控制语气。该技术可覆盖 30+ 种语言的配音与本地化,并与文生视频、图生视频等生成能力整合,使本地化变成修改而非重做。

8月4日周二
  1. Black Forest Labs/FLUX83

    Black Forest Labs 通过 BFL API 开放 FLUX 3 Video 文生视频与图生视频

    Black Forest Labs 通过 BFL API 和部分合作方开放 FLUX 3 Video 初版,支持文生视频与图生视频,生成最长 20 秒、HD 分辨率并带原生音频,Full HD 通过放大输出。

    推荐理由:官方公布 FLUX 3 Video 的时长、分辨率、原生音频与草稿模式等能力,读者可据此判断它能否进入现有生成流程。

8月3日周一
  1. MiniMax/海螺82

    MiniMax 开源通用视频模型 H3,支持 2K 与原生立体声

    MiniMax 正式开源下一代通用视频模型 H3,可生成最高 2K、最长 15 秒、24fps 且带 32kHz 立体声的视频。开源部分为 H3-Base 的 FL2VA 与 Ref2VA 两个 checkpoint,本地部署输出 768p,2K 需配合 H3-Regenerate-2K 与 H3-Context-IR 的官方 API 完成。

    推荐理由:官方开源了视频模型权重与部署方案,读者可据此判断本地部署 768p 生成与 2K 流程的接入成本。

7月20日周一
  1. 字节跳动 Seed78

    字节跳动 Seed 发布 Seed Audio 1.0 音频创作模型

    字节跳动 Seed 发布音频创作模型 Seed Audio 1.0,在统一框架下联合建模人声、音效和环境声,端到端生成完整声音场景。该模型支持一条 prompt 编排对白、音效与环境声,时间控制精度为 100ms,单次可生成约 2 分钟音频并继续延长以保持角色音色一致,覆盖 20+ 语种。官方评测称多数场景音频可用率达 90% 以上,模型已在火山方舟体验中心上线。

    推荐理由:官方披露统一建模人声、音效与环境声的端到端音频创作模型,并给出时间控制精度与多场景可用率数据,便于判断其在配音与叙事音频中的适用边界。

6月26日周五
  1. Theoretically Media55

    AI 视频没有按下暂停键:OpenAI 限量预览 GPT-5.6,字节跳动连发 Seedance 2.5 与 Seed Audio 1.0

    Theoretically News 汇总一周 AI 动态:OpenAI 预览 GPT-5.6 三款模型但仅向约 20 家合作机构开放 API 与 Codex,Google 据报将 Gemini 3.5 Pro 推迟到 7 月,字节跳动则发布 Seedance 2.5 与一体化音频模型 Seed Audio 1.0。

    推荐理由:作者梳理一周内 OpenAI、Google、字节跳动在模型发布节奏上的差异,并给出对 AI 视频竞争格局的判断。

3月17日周二