英伟达团队基于 MiniMax H3 开源视频增强方案，最高支持 4K 重生成
英伟达与麻省理工学院研究团队在 Hugging Face 开源了基于 MiniMax H3 的视频增强项目 Open-H3-Regenerate-2K，最高支持 3840×2160 的原生 4K 视频重生成。
#视频
#视频
今日 0 条量子位AI 评分6767
TechCrunch · AI精选AI 评分7777 Google DeepMind 发布 Genie 4 世界模型，支持实时音频与动态交互控制
Google DeepMind 发布最新世界模型 Genie 4 的研究预览版，允许用户在模拟运行中通过提示词实时修改场景，并同步生成环境音、交互对话与背景音乐。该模型将场景一致性维持时间翻倍至两分钟，能与 Gemini 结合用于机器人仿真测试和影视原型构思。目前 Genie 4 已面向受信测试者开放，后续将推向 Google AI Ultra 订阅用户及 Gemini API 合作伙伴。
推荐理由：新模型把世界模拟时长提升至两分钟并加入实时音频控制，展示了语言模型与视觉生成协同用于仿真和内容原型的路径。
The Decoder精选AI 评分7979 Kling AI 发布 4.0 版本：支持立体声音频、多语言口型同步与 Flash 轻量变体
Kling AI 正式发布 4.0 版本，单次生成时长提升至最高 30 秒并支持 10 张关键帧输入，同时推出了生成速度更快且成本更低的 Flash 轻量变体。
推荐理由：新版本不仅提升了生成时长与参考素材控制精度，还开放了 CLI 与 MCP 接口以便接入智能体工作流。
量子位AI 评分7272 VAST 开源实时世界模型 EdenLive，单张 RTX 5090 实现 720P 超 24FPS 渲染
VAST 正式发布并开源实时世界模型 EdenLive，核心采用世界状态与视觉渲染解耦路线，已开放模型权重、推理代码及技术报告。在单张消费级显卡 RTX 5090 上，其 5B 模型在 720P 分辨率下生成速度超过 24FPS，端到端延迟为百毫秒级并支持分钟级连续运行。该模型可将 2D/3D 简化场景或参考视频结合提示词实时渲染为不同画风，适用于交互式游戏预览、视频风格重绘以及具身智能数据增强。
量子位精选AI 评分7777 昆仑万维 Skywork 开源游戏世界模型 Matrix-Game 4.0，支持单张 RTX 5090 运行
昆仑万维旗下 Skywork AI 开源游戏世界模型 Matrix-Game 4.0，可在单张消费级 RTX 5090 显卡上以 60 FPS 实时运行。该方案采用游戏引擎显式维护游戏规则与世界状态、视频模型依据草图和动态提示实时渲染画面的分工架构，按键响应延迟约 112 毫秒，显存峰值约 18.5GiB。相关模型代码与权重已同步上线 GitHub 与 Hugging Face。
推荐理由：它将游戏引擎的状态判定与视频模型的画面渲染解耦，展示了在消费级单卡上实时运行交互式世界模型的工程路径。
The DecoderAI 评分7575 Odyssey 开放生成式世界模型 Odyssey-3 免费体验
Odyssey 推出生成式世界模型 Odyssey-3 的公开研究预览并开放免费在线体验，支持根据文本提示词实时生成可交互的虚拟环境。该模型基于自回归 Diffusion Transformer 架构，基础版拥有 14B 参数，提供第一人称与第三人称视角的实时物理模拟。除交互场景生成外，Odyssey 还展示了将其控制器应用于机械臂抓取、无人机避障及游戏自主操作等多任务场景。
量子位AI 评分6666 生数科技开放 Vidu Q4 预览版视频大模型
生数科技开放新一代视频生成旗舰模型 Vidu Q4 预览版，支持最高 4K 直出以及最多 15 张参考图和 3 段参考音频。该版本主打更细腻的人物情绪演绎、复杂镜头调度与环境光影交互，单条最长生成 16 秒。在成本方面，SaaS 端限时优惠下 720P 视频生成起步价约 0.09 元/秒，MaaS 端图生视频 720P 约 0.6 元/秒。
量子位AI 评分5656 AI影视公司Utopai推出视频模型Utopai X与制片平台PAI
AI原生影视公司 Utopai Studios 旗下视频模型 Utopai X 在 Artificial Analysis 文生视频盲测榜单中获得 1150 分，位列全球第二。
The DecoderAI 评分5959 Tavus 推出实时视频交互模型 Griffin，近半数受试者在通话中误认为真人
Tavus 推出用于实时面对面双向视频对话的交互模型 Griffin，测试中有 48% 的受试者在一分钟视频通话中将其误认为真人。该模型可同步处理并生成语音、面部表情、语调与手势，在拟真度测试中获得 3.83 分，接近人类得分的 3.92 分。目前精简版本 Griffin-Lite 已向指定测试人员开放研究预览，主要面向辅导教学与客服支持等场景。
Latent SpaceAI 评分6969 Runway 解析 WorldPrompt 机制与实时交互世界模型的工程实现
Runway 核心团队受访详解其实时世界模型 GWM Worlds 2 与控制层 WorldPrompt，该模型支持以 720p 24fps 视频和 48,000 Hz 音频流式生成交互式环境。
Google DeepMind精选AI 评分7575 Google DeepMind 推出 Gemini Omni 1.1 Flash 增强视频生成控制能力
Google DeepMind 正式推出 Gemini Omni 1.1 Flash，为开发者带来更强可控性的视频生成与编辑能力。新版本支持分析前 10 秒上下文进行最高 40 秒的场景延展，新增首尾关键帧平滑过渡、参考视频输入以及最高 4K 分辨率放大功能。
推荐理由：模型支持分析前十秒上下文并将单次视频延长至四十秒，有助于开发者构建更可控的影视级生成工作流。
Google DeepMind精选AI 评分7878 Google DeepMind 推出 Nano Banana 2 Lite 图像模型与 Gemini Omni Flash 视频模型
Google DeepMind 推出图像生成模型 Nano Banana 2 Lite 与视频生成编辑模型 Gemini Omni Flash，现已在 Google AI Studio 和 Gemini API 上线。
推荐理由：两款模型分别针对低延迟图像生成与对话式视频编辑，开发者可通过串联工作流实现快速出图并转为视频。
Google DeepMind精选AI 评分8787 Google DeepMind 发布多模态模型 Gemini Omni
Google DeepMind 推出新一代多模态生成模型 Gemini Omni，并发布该系列的首个模型 Gemini Omni Flash。该模型支持组合图像、音频、视频和文本作为输入来生成视频，并允许用户通过多轮自然语言对话连续编辑动作、角色和场景细节，同时生成内容均嵌入 SynthID 数字水印。
推荐理由：模型结合原生多模态与物理常识推理，支持通过自然语言对话多轮编辑视频，展示了基于世界知识生成连贯动态内容的新路径。