技术方向
AI 生成和理解视频：文生视频模型、视频编辑工具，以及影视创作的新做法。
5 条精选近 30 天 3 条共收录 164 条
TwelveLabs 的视频语言模型 Pegasus 1.5 现已在 Amazon Bedrock 上线。该模型支持最长 2 小时的视频分析，提供时间戳元数据生成、多模态参考图像提示和免预索引的即时处理能力，可从 Amazon S3 URI 直接加载并返回结构化 JSON 结果。
推荐理由：TwelveLabs 的 Pegasus 1.5 视频语言模型上线 Amazon Bedrock，支持时长达两小时的视频长文本分析、时间戳元数据生成和多模态参考图像提示，为开发者处理长视频数据提供了官方托管方案。
OpenAI 旗下 Higgsfield 平台更新，通过集成 GPT-6 Astra 模型将视频生成时长从 1 分钟提升至 10 分钟以上。同时引入 GPT-Image-2.5 提供更精确的视觉效果，并利用 GPT-Live 开启语音电影制作功能。
推荐理由：OpenAI 旗下 Higgsfield 平台通过集成 GPT-6 Astra 等模型，将 AI 视频生成时长提升至 10 分钟以上并引入语音电影制作功能。
Anthropic 为 Claude 推出两项测试功能：Dashboards 可通过提示词将数据源转化为自动更新的实时看板，并支持导出至 Amplitude 等工具；Motion 则支持从文本、图表和图像生成可编辑、可导出为 MP4 的动画解释视频。此外，Docs、Slides 和 Design 功能已结束测试并向所有用户开放，Claude Design 将于 12 月 14 日前整合进主应用。
推荐理由：Anthropic 为 Claude 推出 Dashboards 和 Motion 两项测试功能，分别支持自动化数据看板生成与动画视频制作，进一步扩展了 Claude 在数据分析与多媒体创作场景的应用能力。
Google Research 推出了一套 AI 视频联合导演框架，通过多智能体协同解决长视频生成中的语义漂移与视觉不一致问题。该方案包含四个核心组件：用于全局策略规划的 AI Video Co-Director、利用视觉记忆保持连贯性的 CANVAS、实现长时序动态生成的 A²RD，以及通过闭环反馈优化提示词的 VQQA，旨在实现分钟级长视频的稳定叙事。
推荐理由：该研究提出了一套多智能体框架，通过全局优化和视觉记忆机制解决长视频生成中的一致性难题，为提升长叙事视频的连贯性提供了可借鉴的架构思路。
Google DeepMind 推出 Gemini 3.8 Live with Live Avatar，通过实时视频生成技术为对话模型增加视觉形象。该功能支持 97 种语言的唇形同步、异步工具调用以及企业自定义数字人形象，目前已在 Gemini Enterprise 中上线。
推荐理由：Google DeepMind 为 Gemini 3.8 Live 引入实时数字人功能，支持异步工具调用与多语言唇形同步，为企业级智能体交互提供了更具表现力的视觉方案。