Kling AI 发布 4.0 版本,支持立体声与多语言口型同步并推出 Flash 轻量版
Kling AI 发布 4.0 版本,单次可生成最长 30 秒视频,支持最多 10 张关键帧图像输入,提示词理解扩展到 8,000 tokens。新版本加入双声道立体声和覆盖德语、英语、日语、韩语、西班牙语等十余种语言的口型同步,Omni Reference 单次可接受最多 15 个参考素材。
Kling AI 发布 4.0 版本,单次可生成最长 30 秒视频,支持最多 10 张关键帧图像输入,提示词理解扩展到 8,000 tokens。新版本加入双声道立体声和覆盖德语、英语、日语、韩语、西班牙语等十余种语言的口型同步,Omni Reference 单次可接受最多 15 个参考素材。
TwelveLabs 的视频语言模型 Pegasus 1.5 已在 Amazon Bedrock 上线,可将长视频按用户定义的分段规则输出带起止时间的结构化 JSON 元数据。
Mark Wahlberg 在 TechCrunch Disrupt 上表示,只要用法得当,AI 在电影行业有一席之地,他愿意让 AI 分身延续自己的银幕遗产。
Higgsfield 宣布将 AI 视频时长从 1 分钟提升到 10 分钟以上,视频生成由 GPT-6 Astra 支持。同时它用 GPT-Image-2.5 提供更精确的画面,并借助 GPT-Live 打通语音电影制作路径。
Odyssey 面向公众开放世界模型 Odyssey-3 的研究预览,用户可用文本提示生成可实时探索的交互环境,开发者可申请 API 访问。免费在线演示基于 Odyssey-3 Flash,支持第一人称与第三人称视角;基础模型 14B 参数、832×480 分辨率,Pro 版支持 1280×720。
Pollo AI 借助 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5,帮助创作者把大胆创意转化为精细图像与电影级视频广告。
Google Research 发布 AI 视频联合导演(AI video co-director)多智能体框架,作为编排层构建在 Gemini 和 Veo 之上,用于自动化多镜头长视频生成。
推荐理由:Google 把长视频生成拆成四个可组合框架,并给出多镜头一致性与角色保持的评测结果,适合了解多智能体编排如何缓解语义漂移。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,在 Gemini 3.8 Live 的实时对话能力上加入低延迟流式视频,实现带唇形同步、自然表情和流畅轮次的实时视觉形象。
推荐理由:官方给出 Live Avatar 的实时视频对话能力、异步工具调用与 97 种语言切换,可据此判断企业级多模态交互的落地形态。