← 全部日报

AIGC 信息日报

2026 年 5 月 23 日 周六

行业与平台

Industry

Gemini Omni combines an understanding of physics with…

Google 发布 Gemini Omni,将物理理解能力与 Gemini 的通用知识结合,支持通过自然语言指令(如“调暗灯光”“放入黑白棋盘格房间”)生成符合物理逻辑的视觉内容,画面能对动作指令做出实时响应。该模型面向 AI 视觉创作和交互式场景生成场景,官方推文附有演示链接。

Google 把物理理解塞进 Gemini,画面能根据指令实时响应逻辑动作。做 AI 短剧和视觉开发的可以直接上手试,看场景交互和物理一致性够不够稳。

Nano Banana for video is here 🍌🎥

Google 发布 Gemini Omni 模型,主打视频生成与编辑的对话式交互,用户可通过自然语言指令直接创建和修改视频内容,无需传统剪辑工具。该模型将视频创作流程简化为实时对话,适用于快速原型、短剧制作、镜头调整等场景。

Google 把视频生成和编辑做成交互式对话,编导和短剧团队可以直接用自然语言改镜头、调节奏,不用切工具。

RT @GoogleDeepMind: Project Genie 🤝 @GoogleMaps Street View

Google DeepMind 宣布 Project Genie 与 Google Maps Street View 集成,用户可将美国真实街景地点一键转化为可交互的 3D 世界。该功能基于 Genie 的生成式交互环境技术,目前面向美国地区开放。

Google DeepMind 把 Genie 接入了地图街景,真实地点一键转成可交互的 3D 世界。做视觉开发和场景设计的可以直接拿真实街景当素材库,省掉搭场景的功夫。

RT @GeminiApp: Gemini Omni is here, and we’ve been seeing…

Google DeepMind 官方宣布 Gemini Omni 正式上线,并展示了一周内用户产出的多模态创作案例。该模型支持文本、图像、音频、视频的混合输入与生成,官方精选案例覆盖了从视觉风格实验到短叙事片段等方向。

Google 官宣 Gemini Omni 上线,并晒了一周内创作者产出的优秀案例。做 AI 视觉和短剧的可以点进去看看官方精选的创作方向,当风格参考和灵感库用。

工具与能力

Tools

Edit your own videos with Gemini Omni

Google 官方宣布 Gemini Omni 新增视频编辑功能,用户可通过自然语言指令对已有视频进行局部修改或整体重拍,无需传统剪辑软件。该能力基于 Gemini 的多模态理解与生成模型,将用户拍摄的视频作为起点,生成原本无法实拍的内容,支持局部修改、整段重拍、风格融合及自定义虚拟形象生成。

Google 把 Gemini 的视频理解能力直接做成剪辑工具,改局部或重拍整段都能在对话里完成,做后期和短剧的可以上手试一轮,看废片率能降多少。

Voice creators set the terms

ElevenLabs 推出声音创作者控制新规:声音所有者可自主选择授权对象、使用场景、设置通知期限(以年为单位),并可设定缓冲期后主动退休声音。所有授权与撤回权完全归声音创作者本人,平台不干预。

ElevenLabs 把声音授权控制权完全交给创作者,谁用、用在哪、用多久、怎么退休,全由声音本人定。做配音、短剧、虚拟角色的后期和制片可以直接套用这套授权模板,省掉自己拟合同。

Imagination

LumaLabs 官方宣布 Seedance 2.0 已集成至 Luma Agents 产品中,支持人像、风景、科幻、奇幻等多种风格的高质量镜头渲染,用户可直接在 Agents 工作流内调用 Seedance 2.0 生成画面,无需切换工具或额外配置。

Seedance 2.0 正式集成进 Luma Agents,做 AI 短剧和视觉开发的可以直接在 Agents 里跑高质量镜头,不用切工具链了。

3️⃣ Goal mode is now available in the Codex app, IDE…

OpenAI 在 Codex 应用、IDE 扩展和 CLI 中上线 Goal mode 功能,支持用户设定一个目标后让 Codex 自主工作数小时甚至数天,无需逐条指令干预。该模式面向需要长时间、多步骤 AI 编程任务的场景,如批量处理、自动化工作流编排等,已开放使用。

Codex 的 Goal mode 让 AI 编程从单次指令变成持续数小时甚至数天的自主任务,做 AI 短剧工具链和自动化工作流的可以直接接 API 测一周,看能不能把批量生成脚本、分镜、字幕的流程串起来跑通。

方法与经验

Methods

What if your best workflow could be reused by anyone, in…

FLORA 发布 Technique 功能,允许用户在画布上构建可复用的创作工作流,输入素材后一键输出成品,无需每次重新编写 prompt。该功能面向批量生产场景,降低重复劳动,适合短剧、视觉物料等需要统一风格和流程的创作任务。

FLORA 推出可一键复用的创作工作流模板,输入素材直接出成品,不用每次从头写 prompt。做 AI 短剧和视觉的可以点开链接看怎么搭,适合批量出片场景。

From storyboard to cinematic short:

PixVerse 官方发布一条工作流演示:用 GPT Image 2 生成分镜图,再通过 Seedance 2.0 转成动态短片,主题为一只柯基独自在家的日常。推文附有工作流链接,需关注、转发、评论后获取。该链路展示了从静态分镜到 AI 视频成片的完整流程,适用于短剧和视觉开发场景。

PixVerse 官方演示了一条从分镜到成片的完整工作流:GPT Image 2 出分镜图,Seedance 2.0 转成动态短片。做 AI 短剧和视觉开发的可以直接套用这个链路,跑一遍看自己项目出片稳不稳。

WorkFlow

PixVerse 官方账号分享 AI 动画工作流:先用 GPT Image 2 生成角色设定三视图(固定风格化 3D 参考图),再输入视频生成模型进行动画制作。核心思路是在动画前先明确角色定义,让视频模型保持角色一致性。具体案例为 BAOBAO 和主厨两个角色的固定风格参考图制作。

做 AI 动画的可以直接抄这个工作流:先用 GPT Image 2 定角色三视图,再喂给视频模型,角色一致性比直接生视频稳得多。

A realistic fighter vs a fully anime-styled character…

ComfyUI 官方演示:用 Seedance 2.0 生成写实格斗家与全动漫风格角色对比,结合详细提示词和参考图,工作流内嵌 LLM 辅助提示词生成,旨在实现更可控的影视级画面输出。该工作流已公开,适合在 ComfyUI 内复现。

ComfyUI 官方演示 Seedance 2.0 结合 LLM 提示词的工作流,做视觉和短剧的可以跑一遍看风格控制效果。

HeyGen MCP: How to integrate AI video into your workflows…

HeyGen 官方发布 MCP(Model Context Protocol)集成教程,指导开发者如何将 AI 视频生成能力接入自定义工作流。

HeyGen 官方出的 MCP 集成教程,做 AI 视频工作流编排的技术整合者可以直接跑一遍,看怎么把 AI 视频生成塞进现有工具链。

作品与案例

Works

中专生10天手搓AI短片火爆全网,凭实力让老外折服

B站UP主「有料唐呱呱」用10天时间独立完成一部AI短片,引发国内外关注,播放量近7万。题材和视觉风格偏向剧情向,角色一致性、镜头语言和叙事节奏是可拆解的核心看点。

中专生10天用AI搓出短片,海外也有热度。做AI短剧的可以拉片看低成本叙事和角色一致性处理,编导关注节奏和镜头语言怎么在有限资源下撑起来。

点击打开原平台查看

2/3 The sitcom you wish was real

Pika Labs 官方发布 AI 生成情景喜剧片段(系列第 2/3 集),延续其 AI 视频生成模型在叙事性内容上的探索,主打角色互动与场景一致性。

Pika 官方发的 AI 情景喜剧片段,做 AI 短剧和视觉的可以拉片看角色互动和场景一致性处理。

Check out these incredible clips from @TheJunkyardGold and…

Pika 官方账号转发用户 @TheJunkyardGold 及其 Pika 智能体 Curly Joe 生成的多段 AI 短片片段,涵盖动画、超现实游戏秀、真人情景剧等多种风格,展示了 Pika 模型在角色一致性和风格多样性上的能力。

Pika 官方精选的 AI 短片合集,从动画虫虫到超现实游戏秀到真人情景剧,风格跨度大,做视觉和编导的可以当风格参考拉片看。

微信公众号 光影漫游AI 二维码
觉得日报有用的话,欢迎关注微信公众号,AI 影视创作的内容都在那里。
光影漫游AI
微信内长按二维码识别,或复制名称到微信搜索