BanProof – 在发布前扫描 TikTok Shop 视频违规点的 AI 工具
BanProof 是一款 AI 工具，可在用户发布前扫描 TikTok Shop 视频内容，识别潜在的违规点。该工具旨在帮助商家规避平台审核风险，防止内容被下架或账号被封禁。
#视频
Hacker News · AIAI 评分4444 钛媒体AI 评分4747 Yoroll 平台推出《VOW》与《心动相簿》两款 AI 恋爱互动影游，角色可化为长线 AI 伴侣
Yoroll 平台发布《VOW：谁说带妹不能拿世界冠军》和《心动相簿》两款恋爱互动影游，其角色可化身为长线 AI 伴侣，支持文字聊天与实时视频通话。视频通话功能基于 Yoroll 自研的 H3 Superfast 实时视频模型和生数科技的 Vidu S2 数字人模型。游戏画面由 AI 生成，并融合了剧情分支、即时操作与角色数值等游戏系统。
极客公园精选AI 评分6262 Tavus 发布实时交互模型 Griffin，近半数测试者未能分辨其为 AI
美国 AI 视频公司 Tavus 发布实时交互模型 Griffin，在一项一分钟视频通话测试中，54 名参与者中有 26 人认为自己在和真人聊天。Griffin 采用端到端的全双工视频到视频架构，能实时生成语音、表情和手势，平均反应延迟为 0.43 秒。Tavus 表示该模型目前仅向少数受信任的测试者开放，并正在开发主动披露身份的安全功能。
推荐理由：原文提供了模型的核心能力、技术架构和测试数据，读者可以据此评估其在实时交互领域的突破性。
雷锋网AI 评分3535 爱奇艺《灵魂摆渡》“浮生梦”系列AIGC网络故事片分账票房破千万
爱奇艺出品的《灵魂摆渡》“浮生梦”系列AIGC网络故事片累计分账票房突破1000万元。该系列通过“AI技术+真人表演迁移”呈现奇幻场景并突破角色年龄限制，沉淀了近500个角色资产和近800个场景资产。系列作品展现了AIGC在提升制作效率、沉淀数字资产及实现商业回报方面的应用价值。
爱范儿AI 评分4141 Utopai X 在 AI 视频榜位列全球第二，Utopai Studios 展示 AI 原生影视制作路径
Utopai Studios 的自研视频生成模型 Utopai X 在 Artificial Analysis 的带音频文生视频盲评榜中位列全球第二，是该榜排名最高的美国公司模型。该模型基于 MiniMax H3 进行后训练，在音频同步与物理表现类别排名第一。Utopai 将模型集成于 PAI 制片智能平台，用于支持其计划于 2027 年推出的多部电影与剧集的开发与制作。
雷锋网精选AI 评分5959 HiDream-O1-Video 与 Seedance 2.5、MiniMax H3 的时序因果与音画同步对比评测
文章对 HiDream-O1-Video-1.0、Seedance 2.5 和 MiniMax H3 进行了三组原创图生视频任务对比测试，重点关注意图规划、时间因果和音画对应。测试发现，HiDream 在动作、声音、结果的时序关系上表现更优，例如料酒入锅后油爆声和火焰依次出现，而其他模型存在火焰早于声音或对象一致性等问题。评测基于相同参考图和提示词，在端到端产品环境中进行。
推荐理由：文章通过三组原创对比测试，量化分析了视频模型在时序因果和音画同步上的表现差异，为理解模型能力提供了具体案例。
Hugging Face · 每日论文AI 评分4343 FrameMorrow：利用前瞻性 token 进行未来引导的帧选择以实现长时程视频生成
FrameMorrow 提出一种前瞻性帧选择方法，通过预测代表未来信息需求的小型前瞻性 token 集来从历史中选择相关信息。该方法选择显式的历史帧而非模型内部状态，能以即插即用方式集成到包括闭源模型在内的多种生成器中，且额外推理成本很低。在涵盖长视频生成、交互式生成和动作条件世界模型的 5 个基准测试和 11 个生成模型上的广泛实验表明，其在长程一致性、视觉质量和动作对齐方面均有持续提升。
NVIDIA · 开发者博客AI 评分2424 NVIDIA VSS Blueprint 3.3 降低构建与运行视觉 AI 智能体的成本
NVIDIA 发布了 Metropolis 视频搜索与摘要蓝图 VSS Blueprint 3.3，旨在降低构建和运行视觉 AI 智能体的成本。该蓝图整合了视频摄取、流处理、事件检测、检索、摘要和报告等功能，帮助开发者将视觉语言模型的能力转化为可维护的生产级系统。
Latent SpaceAI 评分4646 AMD 以 82 亿美元收购 World Labs，其 Atlas 模型解决机器人、设计等领域稀疏重建问题
AMD 以 82 亿美元收购了 AI 空间智能公司 World Labs。World Labs 近期发布了首创的通用模型架构 Atlas，它通过结合生成模型与多视图几何，解决了稀疏重建这一计算机视觉长期难题，在从 2D 图像预测新相机视角的任务上超越了当前最先进的专用模型。该技术对机器人、设计、工程和科学等领域具有广泛影响。
TechCrunch · 融资并购AI 评分3434 Synthesia 为记者创建可交互数字分身
视频生成初创公司 Synthesia 为一名记者创建了其专属的可交互数字分身，该分身仅能回答关于其特定报道《为何风投支持的初创公司欺诈更多》的问题。该交互分身结合了语音转文本、视频、语言和文本转语音模型，企业客户还可选择集成 Cartesia、ElevenLabs、Google 或 OpenAI 的模型。
CNET · AIAI 评分4949 Gemini Live Avatar 为 AI 智能体配上虚拟形象，引发用户不适
Google 为 Gemini Enterprise 用户推出了 Live Avatar 功能，能将 AI 智能体与可交互的虚拟形象结合，用于视频聊天处理保险理赔等任务。该功能支持唇形同步、实时音频视频处理，并能同时运行工具和 API 调用。目前仅提供预制的虚拟形象供企业选择，所有音视频内容均使用 SynthID 进行水印以验证其 AI 生成属性。
fal 博客精选AI 评分6363 fal 平台详解 H3 Max 视频模型的训练、部署与分发全流程
fal 平台发布文章，详细介绍了视频生成模型 H3 Max 如何在其平台上完成从训练、部署到分发的全生命周期。H3 Max 在 fal Compute 上进行后训练，以在保持质量的同时最小化推理时间。
推荐理由：原文详细拆解了从模型训练优化到大规模部署的完整技术栈，展示了如何通过基础设施设计同时降低推理延迟和端到端延迟。
Google · AI BlogAI 评分3131 Google DeepMind 与电影人合作 AI 重现 70 年爱情故事
Google DeepMind 与电影制作团队合作，在短片《Love, Rendered》中利用生成式 AI 技术重现了一对夫妇未曾被记录的初遇记忆。团队结合图像修复模型与表演捕捉模型，将老照片复原并映射了当事人当下的细微神态。该项目展示了 AI 作为艺术媒介的潜力，相关照片修复功能已集成至 Gemini 应用中。
Google · Gemini 博客精选AI 评分6262 Google 为 Gemini Flash 系列模型推出智能体视频理解功能
Google 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 模型推出了智能体视频理解功能。该功能通过动态搜索视频片段，将分析成本降低高达 66%，token 消耗减少高达 88%，同时将准确性提升高达 7%。
推荐理由：原文给出了新功能在成本、效率和准确性上的具体提升数据，以及支持的模型和开放入口，读者可以据此评估其对视频分析工作流的影响。
fal 博客精选AI 评分5959 fal 发布 H3 Max 视频生成模型
fal 发布了 H3 Max，这是一个基于 MiniMax H3 进行后训练优化的视频生成模型，在人类偏好评估中，其在整体质量、提示词理解和美学三个维度均排名第一。该模型生成 5 秒视频的时间不到 3 秒，吞吐量约为官方 MiniMax H3 端点的 35 倍。H3 Max 现已上线 fal 平台，可通过 Playground、fal Agent 或 API 使用。
推荐理由：原文展示了模型在质量和速度上的双重优势，并提供了与原始模型的对比数据，读者可以据此评估其实际应用潜力。
fal 博客精选AI 评分6767 fal 博客：从粘土3D渲染到动作短片，详解完全可控的3D-AI生成管线
fal 团队构建了一个完全可控的AI视频生成管线，从3D分镜设计到最终成片，并开源了核心的3DREAL Strong v2 LoRA适配器。
推荐理由：原文详细拆解了从3D分镜到AI生成视频的完整工作流，包括具体的工具链、验证步骤和迭代经验，可供从业者复现或借鉴其方法。
Together AIAI 评分5252 Together AI 开源视频翻译工具 Violin
Together AI 开源了视频翻译工具 Violin，它通过 Whisper V3、DeepSeek V4 Pro 和 Cartesia Sonic 3 等模型实现语音识别、翻译和语音合成。Violin 还包含基于视频内容的多模态聊天助手，并提供了 Web 应用、CLI 工具和 Agent skill 三种使用方式。所有代码已在 MIT 许可下开源。
fal 博客AI 评分4545 HeyGen 模型现已在 fal 平台上线
HeyGen 的模型已登陆 fal 平台，提供视频智能体 API、Avatar IV API、视频翻译和 Avatar Video 等核心功能。用户可通过 Video Agent API 输入提示词或 URL，一键生成包含脚本、素材和剪辑的完整视频。Avatar IV API 能将单张照片转换为具备自然表情和手势的说话头像，无需专业工作室。