Seedance 真实人脸参考实践：标准路线与 ultra-wide 路线对比
作者实测指出 Seedance 标准路线通常可接受普通真实人脸参考，ultra-wide 是审查更宽的备用路线，价格为标准的 1.5× 到 2.1×，且两条路线均需 Starter 及以上订阅。文章给出每张干净正面参考照、明确指派图片职责、先锁定身份与服装再写镜头动作等实操清单，并说明审查拒绝时不创建任务、通过后失败会自动退款。
#视频
Google AI · DEV 作者专属AI 评分6363 Google AI · DEV 作者专属AI 评分4747 付费跑了 1,003 次 AI 视频生成后总结的失败模式
作者在上线前用 1,003 个付费生成额度实测了六款 AI 视频模板，总结出三大失败模式：版权音频会被模型服务商的内容过滤器直接拒绝，多人场景失败率高于单人场景，输入照片质量决定了成片效果。最终产品刻意做窄：七款模板、一张照片输入、输出 7–21 秒竖屏视频，一次性付费包 $9.99 起，无订阅，失败渲染退款。
量子位AI 评分5454 魔芯科技发布4D世界模型MoWorld 2.0，十余种物理要素融入同一模型
魔芯科技于11月4日在乌镇世界互联网大会上发布新一代通用4D世界模型MoWorld 2.0，将重力、弹力、柔体、流体等十余种物理要素融入同一模型。模型通过物理高斯渲染器和多专家预测强化物理建模，生成场景可输出为可编辑复用的3D/4D高斯资产；在华为昇腾NPU上的实时视频推理从上一代最高50FPS提升至70FPS，推理成本最低为同规模GPU方案的30%。
Google AI · DEV 作者专属AI 评分6666 如何用 Python 滑动窗口从 Whisper 转录中找视频高亮片段
作者用约 120 行纯标准库 Python 复现 osFoundry 视频编辑器 Suggest clips 按钮背后的滑动窗口算法，不依赖模型，按每个窗口的词密度从带词级时间戳的转录中挑高亮片段。
Google AI · DEV 作者专属AI 评分4040 用于 OBS 的浏览器端实时虚拟形象摄像头（无需动捕设备）
LiveSwap 开发者分享了一套无需动捕设备的浏览器实时虚拟形象直播方案，可经 OBS 虚拟摄像头接入 Zoom、Teams 等应用。getUserMedia 以 1280x720、30fps 采集画面，逐帧经虚拟形象/风格化模型处理后渲染到 canvas，在 OBS 启用 Start Virtual Camera 即可调用。
Google AI · DEV 作者专属AI 评分5252 ComfyUI 中用 MiniMax H3 生成长视频：逐镜头审查循环、数字人与多参考扩展
作者在 ComfyUI 中围绕插件核心节点搭建三套工作流，用逐镜头人工审查循环把 MiniMax H3 的 15 秒片段拼接成 45 秒以上的长视频。
Google AI · DEV 作者专属AI 评分5050 MiniMax H3 VDN 在 ComfyUI 的混合注意力加速实践与消费级显卡真实表现
AI-KSK 在 Dev.to 梳理如何在 ComfyUI 中使用 MiniMax H3 的 VDN 视频加速技术，并区分官方 B200 宣称数据与消费级显卡的实得表现。
Google AI · DEV 作者专属AI 评分6565 YouTube 自动字幕的准确度够用来引用吗
作者用 youtube-transcript-api 逐词对比 NASA 上传的肯尼迪 1962 年莱斯大学演讲视频（WZyRbnpGyzQ）的人工与自动字幕，两者约 95% 的词一致，但差异集中在名称、数字和术语上。
Google AI · DEV 作者专属AI 评分6161 如何用 Python 滑动窗口从转写稿中找出高亮片段
作者用仅依赖标准库的约 120 行 Python 复现了 osFoundry 桌面应用 Suggest clips 按钮背后的滑动窗口算法，在 306.97 秒、1,007 词的 NASA 访谈 Whisper 转写上得到与应用一致的三段高亮。
Google AI · DEV 作者专属AI 评分5252 开发者在 Apple Silicon 上跑通 NVIDIA DLSS 5 神经渲染管线并开源 OBS 插件
一位开发者把 NVIDIA DLSS 5 神经渲染管线移植到 Apple Silicon，以 OBS Studio 插件形式开源，无帧生成时最高约 20 FPS，而原项目仅 6 FPS。
Google Cloud · AI & MLAI 评分4141 The Blueprint：Mito 借助 Google Cloud 为世界杯电视广告编排 5000+ AI 素材
Google Cloud 专栏 The Blueprint 介绍了视频创作公司 Mito 如何为 Movistar Plus+ 制作世界杯期间的 120 秒西班牙全国电视广告，生成超 5000 个素材（含 1000 个视频）、约 65 轮迭代，团队称成品 95% 由 AI 生成。
IT之家·人工智能AI 评分5959 国家广电总局印发“十五五”规划，到 2030 年广电视听行业人工智能渗透率达 95% 及以上
国家广电总局今年 10 月印发《广播电视和网络视听“十五五”规划》，提出到 2030 年广电视听行业人工智能渗透率达到 95% 及以上、新型终端应用数量突破 1.5 亿。
IT之家·人工智能AI 评分5858 广电总局开展为期两个月微短剧专项治理，规范 AI 微短剧创作
国家广播电视总局部署开展新一轮微短剧低俗化同质化专项治理，为期两个月，自 11 月 1 日至 12 月底，重点针对 AI 微短剧质量良莠不齐和 AI 技术助长低俗不良内容反弹等问题。
量子位AI 评分6969 量子位实测即梦短剧工作室：从一句话脑洞到完整短剧的全流程
量子位作者用即梦短剧工作室实测拍了一部美高短剧，展示从一句话灵感到剧本、资产库、分镜、预演和生成的完整流程。
量子位AI 评分5050 淘宝双11上线AI品牌短剧，阿里Wan3.0视频模型挑战商业交付场景
淘宝短剧联合天猫小黑盒、天猫国际等在双11出品多部AI品牌短剧，由阿里今年8月推出的视频生成模型Wan3.0参与制作，观众可沿商品链接、达人测评和品牌直播间一路下单。
MarkTechPostAI 评分6767 Google 发布 Gemini Omni 1.2 Flash，15 秒视频生成每秒 $0.07
Google 发布视频生成与编辑模型 Gemini Omni 1.2 Flash，原生支持最长 15 秒片段，720p 视频定价降至每秒 $0.07，较 Omni 1.1 Flash 降价 30%，已在 Google Cloud 和 Gemini API 全面可用。
TechCrunch · AIAI 评分5757 Meta 向美国所有用户开放 Muse 智能体语音与视频通话功能
Meta 宣布 Muse Voice 功能向美国所有用户开放，用户可拨打语音或视频电话与其消费级 AI 智能体 Muse 交谈。
Hugging Face Blog精选AI 评分6161 NVIDIA 发布 Cosmos 3 家族四个开源权重模型 用于交互式世界仿真与驾驶场景生成
NVIDIA 在 Cosmos 3 模型家族新增四个开源权重检查点，用于生成交互式世界仿真和多传感器多视角驾驶场景。四个模型均为 Cosmos 3 Nano 的后训练版本，各含 16B 可训练参数，采用 OpenMDW1.1 许可，允许按其条款商用和非商用。
推荐理由：四个开源权重模型分别覆盖驾驶仿真和机器人双臂操作，配套的四阶段后训练配方可供研究者按自己的传感器配置或本体数据做适配。
The DecoderAI 评分6363 Google Gemini Omni 1.2 Flash 视频模型全面开放，片段最长 15 秒且降价 30%
Google DeepMind 宣布视频生成模型 Gemini Omni 1.2 Flash 全面开放，片段上限从 10 秒延长到 15 秒，720p 价格下降 30% 至每秒 $0.07。
Google DeepMind精选AI 评分6868 Google DeepMind 发布 Gemini Omni 1.2 Flash，视频生成扩至 15 秒并降价 30%
Google DeepMind 发布 Gemini Omni 1.2 Flash 视频生成模型，在 Gemini API 和 Gemini for business 全面开放。
推荐理由：原文列出降价 30%、时长扩到 15 秒和多轮对话编辑等具体参数，做批量视频产出的团队可据此评估成本与选型。
Google Cloud · AI & MLAI 评分6767 Gemini Omni 1.2 Flash 视频生成与编辑模型在 Google Cloud 正式开放
Google Cloud 宣布视频生成与编辑模型 Gemini Omni 1.2 Flash 正式可用，面向产品视频、虚拟试穿和广告等批量场景，开发者可经 API 构建，Google Vids 已可用，Gemini for business 即将支持。
The Verge · AIAI 评分4949 Grimes 将主演一部即将登陆影院的 AI 电影
Grimes 将出演号称首部登陆院线的 AI 电影《Gods Don't Give Gifts》，并贡献自己的肖像与声音表演。影片由 AI 工作室 Fable 制作，定于 12 月 4 日上映，被视为 AI 电影商业潜力的一次重要测试。Fable 在新闻稿中称，将演员肖像与口述声音表演相结合的选角方式会越来越普遍。
Google AI Blog精选AI 评分7171 Google 发布 Gemini Omni 1.2 Flash，支持 15 秒视频并降价 30%
Google DeepMind 发布 Gemini Omni 1.2 Flash，并在 Gemini API 和 Gemini for business 正式开放，Gemini Omni 系列首次全面可用。
推荐理由：官方公告列出了时长、价格和一致性等具体能力变化，开发者可以据此评估是否把视频生成工作流迁移到这个版本。
ChinaTalkAI 评分7070 中国过半AI token用于短剧生成？数据存疑背后的有用性焦虑
ChinaTalk 刊发 GovAI 研究员 Zilan Qian 的长文，对“中国55%的AI token用于AI短剧和视频生成”这一流传说法溯源，指出数字出自中文在线2026年6月3日的投资者路演，且中国信通院报告中的对应表述已从官网撤下。
Google DeepMind精选AI 评分7373 Google DeepMind 发布世界模型 Genie 4，支持实时交互与原生音频生成
Google DeepMind 发布新一代世界模型 Genie 4，开始以研究预览形式向可信测试者推出，官方称其为旗下首个原生生成音频的实时世界模型。模型原生多模态，可同步生成环境声、音乐与可交互对话，支持用键盘控制和自然语言实时修改场景，并由 Gemini 3.8 Flash 作为循环中的引导智能体拆解目标、逐步校验多步事件。
推荐理由：原文介绍原生音频与实时交互等能力的实现方式，并说明细节漂移等当前局限，便于读者判断其可用边界。
Comfy Blog精选AI 评分6464 NVIDIA VFX 节点上线 ComfyUI，支持视频超分、补帧和 SDR 转 HDR
ComfyUI 上线 NVIDIA VFX 自定义节点，可在本地 Nvidia RTX GPU 上运行视频超分、补帧和 SDR 转 HDR 三个 RTX 视频特效模型。
推荐理由：原文梳理了超分、补帧和 HDR 三个节点的参数与推荐串联顺序，做本地视频后期的读者可以据此把整条 VFX 流程接入 ComfyUI。
Midjourney · UpdatesAI 评分4444 Midjourney Alpha 更新日志（10/7/26）：上线共享文件夹与 Thinking Mode
Midjourney 发布本周 Alpha 更新，最大亮点是上线共享文件夹，可按用户名邀请协作者或查看者，也能通过链接共享。新增 Thinking Mode，可对 8.2（standard 与 edit）生成的任务重跑，找出与提示词不符之处后重新生成，目前为早期版本。更新还修复提交卡死（2 分钟内干净失败）、内联编辑器崩溃等问题。
Comfy BlogAI 评分5858 ComfyStreamerH3：在单张 RTX 5090 上用 MiniMax H3 生成实时视频
Comfy 博客作者介绍如何通过 agent 搜集各种优化并打包成一个自定义 Comfy 节点 ComfyStreamerH3，在单张 RTX 5090（32GB VRAM）上以 448×256 分辨率在 15 秒内生成 15 秒视频。
Comfy BlogAI 评分5050 Comfy 官方复盘 852話 Hakoniwa 用 Comfy Agent 制作动画短片 YUI 的全过程
ComfyUI 团队分享首部用 Comfy Agent 制作的动画短片 YUI 的幕后制作过程，主角由艺术家 852話 Hakoniwa 创作，名字取自 ComfyUI 末三个字母。
Comfy Blog精选AI 评分6464 Comfy 发布 Comfy Agent，可实时搭建与调试工作流的创作智能体
Comfy 团队发布 Comfy Agent，一款集成在 ComfyUI 内的创作智能体，现已向所有 Comfy Cloud 用户开放，几周内上线 Comfy Desktop。
推荐理由：原文展示了它在画布上与创作者实时协作搭建、调试工作流的具体用法，用户可据此评估现有创作流程的适配。
Google AI BlogAI 评分5454 《The Gifted》获 Future Vision XPRIZE 大奖，Google 将助其登上大银幕
Google 宣布独立电影人 Jeff Synthesized 上周在洛杉矶凭借《The Gifted》获得其与 XPRIZE、Range Media Partners 合办的 Future Vision XPRIZE 大奖，作品从全球 2500 多件参赛作品中胜出。
MiniMax Research Blog精选AI 评分6767 MiniMax 发布多模态生成模型 H3，支持 2K 原生立体声视频并计划开源权重
MiniMax 发布通用多模态生成模型 H3，可统一理解文本、图像、视频和音频上下文，生成最长 15 秒的 2K 分辨率视频并带原生立体声。官方称早期测试显示其已可胜任广告、电商、游戏等商业内容创作，2K 下每秒价格不到主流模型的三分之一，并计划在符合法规的前提下于近日开源模型权重。
推荐理由：原文给出与主流模型的价格对比和开源权重计划，读者可以据此评估它在商业视频内容生产中的成本空间。
Hugging Face · 趋势模型AI 评分5151 Lightricks 在 Hugging Face 发布 LTX-2.5 图生视频模型
Lightricks 在 Hugging Face 发布 LTX-2.5，模型页标注能力为 image-to-video（图生视频）。页面显示下载量 2643778、点赞 11009，feed 未提供更多技术细节。
Meta AI Blog精选AI 评分7272 Meta 发布 Muse Image 并预览 Muse Video 媒体生成模型
Meta 发布图像生成模型 Muse Image 并预览视频生成模型 Muse Video，二者是 Meta Superintelligence Labs 开发的首批媒体生成模型。
推荐理由：图像模型以智能体方式调用搜索和代码工具，并用测试时算力换质量，读者可据此对比现有图像生成产品的技术路线差异。
Thinking Machines Lab · News精选AI 评分7272 Thinking Machines 宣布交互模型研究预览，TML-Interaction-Small 原生支持实时多模态协作
Thinking Machines Lab 宣布交互模型研究预览，从零训练出 TML-Interaction-Small（276B 参数 MoE、激活 12B），可实时接收音频、视频和文本并即时回应。
推荐理由：原文说明交互模型如何把实时互动内建到模型本身而非外部脚手架，并给出与主流实时模型在智能与响应上的基准对比。
GitHub Org · PKU-YuanGroupAI 评分4848 PKU-YuanGroup 的 Helios：真正的实时长视频生成模型（TPAMI 2026）
PKU-YuanGroup 在 GitHub 上发布 Helios，一个定位“真正实时”的长视频生成模型，相关论文入选 TPAMI 2026。原文信息有限，模型的具体参数、性能数据和可用方式未在资料中给出。