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。
3 条精选近 30 天 3 条共收录 9 条
Google DeepMind 宣布发布 Genie 4，这是一个原生多模态的世界模型，可与 Gemini 模型结合进行实时交互式模拟。它支持在生成画面的同时同步生成音频，包括环境音、音乐和人物对话。Genie 4 目前作为研究预览提供给受信任的测试人员，并计划向 Google AI Ultra 订阅用户和 Gemini API、Google AI Studio 的早期访问合作伙伴开放。
推荐理由：官方公布Genie 4能力与测试名单，可据此了解世界模型在实时交互与多模态生成上的最新进展。
Kling AI 发布 4.0 版本，支持单次生成最长 30 秒视频，上下文窗口扩展至 8000 token，新增双声道立体声音频和多语言口型同步，并上线针对速度优化但最高 720p 的 Flash 版本，同时通过 MCP 和 CLI 开放接口以便集成自动化工作流。
推荐理由：原文列出了 Kling 4.0 的关键能力变化和接口升级，读者可以据此评估它与国产竞品的差距和可用性。
TwelveLabs 推出的视频语言模型 Pegasus 1.5 现已在 Amazon Bedrock 的 US West (Oregon) 区域可用。与早期版本相比，Pegasus 1.5 支持单次分析长达两小时的视频，并新增基于时间的元数据生成、多模态提示和即时处理功能，无需预索引。用户可通过 S3 URI 或 base64 字符串直接调用，返回结构化的时间戳元数据。
推荐理由：作者给出了模型核心变化和接入方式，读者可据此评估该能力对新工作流的影响。