最新 AI 新闻，即刻看见。

AI 生成视频何时才能告别“抽卡”？藏在高效生成背后的返工与成本难题

点击查看原文>

实测Vivix的两个新模型，我体验到了下一代的视频内容

大家好，我是冷逸。现在，AI视频的技术路线大致有三条。一条是以Seedance2.5为代表的DiT扩散视频生成模型，一条是以Opus 5.5为主的Code-to-Video路径，还有一条是实时交互视频模型。这里面，第三条路线最难，但也最有可能成为AI时代的增量场景。以SD为例的视频生成模型，它主要为上一代成熟内容格式做降本增效，已经有成熟...

准确率刷新行业上限，Pangram凭何接连攻克图像与视频AI检测难关?Pangram Labs于11月4日发布Pangram Image1.0图像检测模型及Pangram Image Flash1.0视频检测模型，标志数字内容真伪鉴别迎来更高精度突破。Image1.0利用12种前沿AI图像生成器、基于100张真实图片构建1200张测试集，准确率达99.96%，并能通过热力图精准定位AI生成内容。 刚刚 0

AI实验室Pangram Labs于11月4日发布Pangram Image1.0图像检测模型和Pangram Image Flash1.0视频检测模型。前者基于1200张测试数据，准确率达99.96%，可在低至256×256分辨率下保持96.4%准确度；后者在DF26数据集上准确率达98.7%，领先第二名29个百分点，显著提升数字内容真伪鉴别能力。

GPT能做动图了！10秒一张，实测“穿帮”有点多

智东西（公众号：zhidxcom）作者 | 陈骏达编辑 | 云鹏OpenAI的图像生成模型，能直出动图了！▲图源：X平台智东西11月5日报道，今天，OpenAI发布新一代图像生成模型Images 2.6。此次升级主打两个方向：一个是生成更快、编辑控制更细，另一个就是首次支持直接生成GIF动图和SVG（矢量图，常用于嵌入网页）导出。按OpenAI给出的...

OpenAI发布Images 2.6：ChatGPT支持一句话生成GIF动图

凤凰网科技讯 北京时间11月5日消息，据科技媒体The Verge报道，OpenAI推出新一代图像生成模型Images 2.6，并为ChatGPT增加原生GIF动画生成功能。用户只需输入文字描述或上....

可灵 AI 宣布 Kling 4.0 Flash 全面开放，深度融入专业影视工作流人工智能视频生成领域迎重要进展。可灵AI宣布Kling4.0Flash面向全球用户全面开放。该版本主打高频创作与高性价比，支持官网和API调用，并打通多维接入生态，赋能创作者日常视频生产。在生态适配上，模型展现高开放性，推动多端接入与专业软件生态深度融合，助力视频生成应用普及。 刚刚 5.7K

可灵 AI 官方宣布 Kling4.0Flash 版本已面向全球用户全面开放，支持网页端、API、MCP、CLI 及 AI 插件接入，并深度集成至 Adobe Photoshop、Premiere Pro 和 After Effects 等专业软件，实现与传统后期制作工具的无缝衔接，显著提升创作者在高频内容创作与专业项目中的效率。

视频生成只是开始，AI 如何把内容做对？

点击查看原文>

实测WorkBuddy里的LibTV，原来这就是双厨狂喜的快乐

昨天刷资讯，发现 WorkBuddy 和 LibTV 正式打通了。 这都不只是双强联动了，这是双剑合璧，双厨狂喜啊。 简单说，你现在在 WorkBuddy 里，就能直接调用到 L....

当即梦把剧本、导演和剪辑放进同一个工作室，我们看到了视频生成的下一步

对于短剧创作者来说，最不缺的可能就是新的故事灵感。 在日常创作中，一个新的人物设定、一段有冲突的情节，甚至刷到的一条社会新闻，都可能成为下一部短剧的起点。 但短剧行业的生产节奏越来越快。团队可能同时推进多个项目，既要保证已有剧集的更新，又要不断寻找新题材、开发新故事；好创意从提出到真正变成作品，中间还需要经历剧本创作、人物设定、分镜设计、视频生成和后期剪辑等一系列环节。 如果有个工具，能够直接从 idea 出发，把后续的制作流程串联起来，会怎么样？ 这正是即梦在尝试解决的问题。 从一个故事灵感出发，即梦可以辅助完善人物设定、剧情冲突和剧本，并自动拆解分镜；进入制作阶段，创作者可以像导演一样安排人物站位、运镜，并在正式生成前预演整场戏；视频生成后，还能局部修改镜头、复用人物与场景资产，持续制作后续剧集。 这些，是即梦在 10 月 26 日上线的「短剧工作室」想要实现的体验——即梦将剧本创作、角色与场景资产管理、分镜设计、视频生成和后期编辑串联起来。 这两年，AI 视频模型的激烈竞争，让生成一段高质量视频逐渐成为日常。当视频生成质量已经能够满足越来越多影视创作场景的需求，竞争的焦点也开始转向创作工具，持续完善创作流程，进一步缩短从一个想法到一部完整作品的距离。 01 所有创作，都发生在同一个项目里 今年以来，随着视频生成模型的飞速进化，用 AI 完成一部剧集不再是空话，也是越来越多内容创作者尝试的方向。据媒体援引中国网络视听协会的数据，今年上半年，各平台上线的微短剧中，AI 内容占比已经超过 74%。换句话说，每上线四部短剧，就有接近三部涉及 AI 内容。 对于创作者来说，想用 AI 制作一部短剧，依旧并不简单：先用大语言模型写剧本，再整理人物设定、生成角色参考图，接着将故事拆解成几十甚至上百个分镜。等到视频素材准备完毕，还要导入剪辑软件，重新调整节奏、完成配音和后期制作。 A

基层演员，AI刀下第一鬼

2026年，AI进入院线，演员行业面临洗牌，AI冲击下表演艺术与标准化劳动对立，从业者承受压力。

讯飞星火，90后上前线

一场组织重构 1990年，一位17岁的理科生下了一个重要决定。 他放弃保送清华大学汽车工程专业的机会，选择中国科学技术大学专攻语音合成技术，9年后，他和十几位科大学子创办的“车库....

阿波罗首席经济学家称AI对科技业外美国企业“零财务回报”

阿波罗全球管理公司首席经济学家托尔斯滕·斯洛克分析S&P 493（标普500剔除7家科技巨头）发现，非科技企业利润边际与人均营收持平，无证据显示AI提升生产力；其指出AI缺乏对问责、信任、文化等商业关键要素的理解，因而尚未带来财务收益。

推荐理由该观点基于对主流上市公司群体（S&P 493）的实证观察，引用明确数据范围与限制条件（排除Alphabet、Amazon等7家科技公司），并呼应近期多项研究结论，具备可验证的分析框架与清晰的归因边界。

Canva发布自研AI图像生成模型Canva Craft，采用两阶段设计规划架构

Canva推出首个自研AI图像生成模型Canva Craft，通过先规划后生成的两阶段架构，提升设计精度、一致性和可控性；支持2K分辨率与30余种画幅，面向社交媒体、营销内容及数字艺术等场景。

Canva发布首款自研图像生成模型Canva Craft，面向全用户开放

Canva正式推出其首个自研图像生成模型Canva Craft，采用两阶段生成架构，支持2K分辨率、30种比例输出，并强调文本可读性与图层可编辑性；模型基于平台内数百万人类设计模板训练，已集成至Dream Lab及API，未来将通过MCP接入ChatGPT、Gemini等第三方聊天机器人。

Amazon SageMaker上线Kokoro-82M TTS模型，支持AI语音代理低延迟流式语音合成

AWS发布技术方案，利用SageMaker托管的Kokoro-82M文本转语音模型，通过双向WebSocket实现AI代理边生成文本边合成语音，显著降低端到端语音响应延迟；方案提供Base64-SSE与统一二进制传输两种音频回传方式，并明确标注为‘价值验证型’（proof-of-value），尚未进入生产就绪状态。

Amazon SageMaker TTS服务实现测量驱动的自动扩缩容：以Kokoro-82M模型为例

AWS博客介绍了一种针对文本转语音（TTS）模型在SageMaker实时端点上部署时的实证型自动扩缩容方法，摒弃经验猜测，基于两个实测指标Q_max（单实例最大可持续并发请求数）和T_total（计划扩缩容耗时）构建可复现、可验证的扩缩策略。

IBM发布Granite Speech 5.0系列语音模型：支持多语种转录翻译与说话人归因

IBM推出Granite Speech 5.0系列三个开源语音模型——granite-speech-5.0-2b（高精度多语种ASR/MT）、granite-speech-5.0-470m-turboctc（超快边缘端多语种转录）和更新版granite-speech-4.1-2b-plus（增强型多说话人会话建模），全部基于Apache 2.0许可，支持主流推理框架。

Mistral发布Voxtral 3语音智能体SDK：支持50+语言实时语音交互与情感化TTS

Mistral于2026年10月26日前推出Voxtral 3——一套面向多语言实时语音交互的端到端SDK及模型家族，涵盖ASR（含说话人分离）、推理层与TTS三大模块，强调数据主权与模块化部署，但所有性能宣称均基于厂商自测，无独立第三方验证。

YouTube Music上线生成式AI音乐标签：标注“AI创作”而非禁止

YouTube Music自2026年10月起在全球范围内逐步推出生成式AI音乐内容标识标签，延续YouTube主站对AI生成视频的标注实践；该举措不构成内容下架或限制，而是响应用户对创作来源透明度的需求。

自动化生成连贯的长篇视频

生成式人工智能