通义实验室发布 Wan-Streamer v0.2，将听、看、说、演统一进单个 Transformer 的端到端全模态模型。端到端响应延迟仅 550ms，输出分辨率从 v0.1 的 192×336 提升至 640×368 @ 25FPS，采用 Thinker-Performer 双通路架构在提升画质的同时维持极低延迟。
通义把听、看、说、演统一进一个模型，550ms 延迟意味着实时互动角色可以边听边看边回话。做虚拟角色对话、AI 直播、实时配音的团队可以接 API 测一轮，看画质和延迟能不能直接上生产。
点击打开原文
TapNow 发布 Creative OS，定位为覆盖电影制作全流程的 AI 原生操作系统，从创意开发、内容生成到后期制作，支持从想法直接推进到最终剪辑。需查看官网了解。
TapNow 把电影制作全流程塞进一个 AI 原生 OS，从创意到成片不用切工具。做 AI 短剧和独立制作的可以点开看看管线怎么串的，省掉自己拼工作流的时间。
点击打开原平台查看，能否访问取决于网络环境
Luma 官博发文盘点 Sora 关停后的替代方案，重点推荐自家 Ray 3.2 平台，强调 Draft Mode 快速迭代、原生 HDR 输出和多模型路由能力。文章面向品牌广告、产品宣发和预可视化团队，属于厂商视角的迁移指南，非独立评测。
Sora 关停后的替代方案盘点，Luma 官博自己写的迁移指南，做品牌广告和产品宣发的团队可以当工具选型参考，但别当客观评测看。
点击打开原文
Patreon 与 Cloudflare 合作，从依赖 robots.txt 转向主动拦截未经授权的 AI 训练爬虫，以保护创作者内容不被 AI 模型抓取训练。此举是平台层面对抗 AI 数据爬取的最新案例，直接影响依赖 Patreon 分发付费内容（如角色设定、剧本、美术资产）的 AI 创作者。
Patreon 联合 Cloudflare 主动拦截 AI 爬虫，不再依赖 robots.txt。做 AI 短剧和 IP 的，如果素材/角色图/剧本存在 Patreon 上，这条直接关系到你的内容会不会被拿去训练模型。
点击打开原文
HeyGen 正式上线 Batch APIs 功能，支持单次请求批量提交最多 100 个视频生成、翻译、唇形同步或上传任务，完成后通过单一 webhook 回调通知结果。面向需要批量处理视频内容的团队，可嵌入自动化生产管线，减少逐条调度的重复操作。
HeyGen 开放批量 API，一次提交 100 个视频/翻译/唇形同步任务，一个 webhook 收全部结果。做短剧批量生产和后期流水线的可以直接接 API 测一周，省掉逐条调度的重复劳动。
点击打开原平台查看，能否访问取决于网络环境
Skywork Video 升级，新增无限画布（infinite canvas）用于创意构思、故事板（storyboard）用于组织场景、视频编辑器（video editor）用于精修成片，将规划、分镜和剪辑整合在同一工作流中，无需切换多个工具。
Skywork Video 把分镜、剪辑、画布整合进一条工作流，做短剧和长叙事的不用来回切工具了，值得上手跑一遍看流程顺不顺。
点击打开原平台查看，能否访问取决于网络环境
ElevenLabs 在 ElevenReader 上架了由迈克尔·凯恩爵士（Sir Michael Caine）AI 语音授权的《奥德赛》有声书，免费收听。这是 ElevenLabs 首次将好莱坞级演员的 AI 语音授权用于完整有声叙事作品，展示了高知名度 IP 语音在 AI 配音场景下的落地形态。
ElevenLabs 把迈克尔·凯恩爵士的 AI 语音授权做进了有声书，做 AI 配音和有声内容的后期团队可以听听这个级别的授权语音质感，看能不能接进自己的项目。
点击打开原平台查看，能否访问取决于网络环境
NVIDIA 与 Hugging Face 联合发布 NeMo Automodel 与 Diffusers 的集成方案，支持 FLUX.1-dev、Wan 2.1、HunyuanVideo 等主流扩散模型的分布式微调，提供内存高效分片、潜在缓存、多分辨率分桶等能力，可从单 GPU 扩展到数百 GPU。面向需要批量定制视觉模型风格或角色一致性的技术团队，降低了大规模微调的门槛。
NVIDIA 和 Hugging Face 联手把 FLUX/Wan/HunyuanVideo 的微调管线标准化了，做视觉风格微调或模型定制的技术整合者可以直接套用这套方案，省掉自己搭分布式训练框架的功夫。
点击打开原文
Fish Audio 官方宣布其语音克隆功能已上线，用户可克隆自己的声音用于 TTS 生成。该功能面向配音、有声内容制作等场景。
Fish Audio 的语音克隆功能，做配音和后期声音设计的可以直接用起来，省掉找声优和录音棚的环节。
点击打开原平台查看，能否访问取决于网络环境
ZCode 宣布即将为其 AI Agent 增加浏览器使用和计算机使用能力，Agent 可自动完成导航、点击、输入和运行任务等操作。目前仅发布预告。
ZCode 即将上线浏览器和计算机使用 Agent 能力，能自动导航、点击、输入和运行任务。做自动化工作流集成的可以关注上线后实测，看能不能塞进创作管线里的批量操作环节。
点击打开原文，能否访问取决于网络环境
AI 视频配乐工具，可分析黑白默片等视频内容，自动生成全片音效和背景音乐，并支持通过对话式 Agent 进行添加和编辑修改。工作流链接已公开，后期和声音设计团队可实测成品质量。
AI 视频配乐工具，能分析画面自动生成全片音效和音乐，还能跟 Agent 对话修改。做后期和声音设计的可以直接跑一遍工作流，看成品质量能不能直接用。
点击打开原平台查看，能否访问取决于网络环境
fofr 使用 Omni 原型演示了通过直接操控实现的交互式实时视频生成概念，展示了用户可实时干预画面生成过程的交互形态。该演示为概念验证性质。
fofr 用 Omni 原型演示了直接操控的交互式实时视频生成，编导和视觉师可以看看这种实时反馈的创作形态，想象空间比成片本身大。
点击打开原平台查看，能否访问取决于网络环境
Luma 官方博客发布 Luma Ray 3.2 与 Google Veo 的对比评测。Ray 3.2 支持单次生成最多 16 个关键帧、原生 16-bit HDR 色彩空间和 EXR 导出，可直接进入后期调色和 VFX 合成；Veo 支持同步生成 48kHz 音频、原生 4K 输出，通过场景链式扩展可达 140 秒以上。Luma 单次生成 10-20 秒连续片段，Veo 基础片段 4-8 秒。
Luma 官方博客的横向对比，把 Ray 3.2 的多关键帧控制、HDR 色彩空间、EXR 导出和 Veo 的原生 4K、同步音频、场景扩展拉到一起比。做广告和品牌内容的编导和后期可以直接当选型参考，省掉自己两边实测的时间。
点击打开原文
FLORA 官方推文展示其「技术链」功能：将多个 FLORA 技术（如风格迁移、角色生成等）串联成链，形成连贯叙事或探索创意方向。推文附有工作区链接，可查看具体创建过程。该功能面向 AI 叙事和视觉创作场景，强调链式组合而非单点使用。
FLORA 官方演示把多个技术链在一起做叙事，做 AI 短剧和视觉叙事的可以进工作区拆解具体链式工作流。
点击打开原平台查看，能否访问取决于网络环境
Suno 官方发布案例，音乐人 Printz Board 展示如何将 Suno AI 生成的音乐与现场录音室录制（live studio tracking）结合，形成混合工作流。
Suno 官方分享的 AI 音乐+实录混音工作流，做 AI 配乐和后期声音的可以点开看具体怎么接轨。
点击打开原平台查看，能否访问取决于网络环境
邵猛（@shao__meng）发布开源 Agent Skill "infocard-skills"，让 AI 自动将自然语言内容排版为杂志级 HTML 信息卡。内置六步工作流与质量红线（标题不改写、不留大片空白、模块有主次），支持 3:4、16:9 等多种画幅渲染，适用于知识卡片、榜单总结等内容封面制作。
开源 Agent Skill，让 AI 自动把文字排成杂志级信息卡，内置六步工作流和质量红线。做视觉和后期封面的可以直接装进工作流，省掉手搓排版的时间。
点击打开原文，能否访问取决于网络环境
Runway 官方发布客户案例，广告公司 R/GA 使用 Runway Characters 功能为品牌构建「活着的遗产」项目。案例展示了如何利用角色一致性工具在多个场景中保持同一数字角色的外观和风格，用于品牌叙事和长期 IP 资产建设。
Runway 官方客户案例，讲 R/GA 用 Characters 功能做品牌项目。做 AI 短剧和视觉的可以看看大广告公司怎么把角色一致性工具塞进商业项目，当工作流参考。
点击打开原文
Qwen3 ASR 配合 Qwen3-ForcedAligner 模型，解决 Whisper 时间戳不准、中英文混排支持差、不直接支持发言人识别三大痛点。0.6B 参数版本即可本地运行，资源占用低。发言人识别可借助 Pyannote + WeSpeaker 等开源模型，或使用火山引擎豆包录音文件识别模型 2.0 等云端方案。
做 AI 字幕和后期转写的可以直接换掉 Whisper，Qwen3 ASR 词级时间戳准很多，0.6B 本地就能跑，后期团队值得实测一轮。
点击打开原文，能否访问取决于网络环境
DAIR.AI 创始人 Elvis Saravia 将实验室全部运营工作交给 AI 员工 Viktor，在 Slack 内端到端执行周报撰写、社区协调、合作跟进等流程，输出提案供人工审核。据测算，上线后新增年经常性收入 133,752 美元。
DAIR.AI 创始人把实验室运营全交给 AI 员工 Viktor，年增收超 13 万美元。做 AI 短剧或内容工作室的制片人可以参考这个模式——把周报、社区协调、合作跟进这类重复运营流程交给 AI Agent，自己腾出手做创作决策。
点击打开原文，能否访问取决于网络环境
fofr 分享了一种「概念锻造」图像提示技术，利用卡巴拉智能体技能将任意两个创意概念通过强制桥梁融合。输入「evangelion/metztli」后，智能体自动生成融合描述和包含琥珀色液体、玉石座椅等细节的提示词，基于 Nano Banana 2 Lite 模型。
一种用卡巴拉智能体做概念融合的提示词技巧，输入两个想法就能自动生成带细节的视觉描述。做概念设计和视觉开发的可以当灵感生成器用，省掉自己硬想融合点的时间。
点击打开原文，能否访问取决于网络环境
Google 联合历史学家、专家及贝利家族，使用 Google DeepMind 技术，将贝利 60 年前在 Rua Javari 球场的「遗失进球」传奇时刻复原为影像短片。该片已发布，展示了 AI 在历史影像修复与视觉风格化上的应用能力。
Google 用 DeepMind 技术复原贝利 60 年前的「遗失进球」，做 AI 历史影像修复和视觉风格化的可以拉片看技术选型和叙事处理。
点击打开原文，能否访问取决于网络环境
创作者 Gabriel 发布 Sora 2 视频深度克隆演示，捕捉到人物面部肌肉运动和走路姿态的细节，声称单帧截图已无法分辨真伪。展示了 Sora 2 在人物视频克隆上的能力上限。
Sora 2 的视频深度克隆效果，面部肌肉和步态细节都还原到位。做 AI 视觉和角色 IP 的可以拉片看一致性上限，做短剧的可以评估数字演员的可用性。
点击打开原平台查看，能否访问取决于网络环境
创作者 @Diesol 发布个人最长全 AI 短片《Plume》，自编自导自剪，使用全 GenAI 工具链完成。短片为长叙事形式，验证了个人创作者用现有 AI 工具实现长片级叙事的可行性。
个人创作者用全 AI 工具链完成的最长短片，做 AI 短剧和长片的可以拉片看叙事节奏和角色一致性处理。
点击打开原平台查看，能否访问取决于网络环境
B站UP主发布的AI生成短剧《百万英镑，但是过于嚣张》，改编自马克·吐温同名小说，风格偏喜剧夸张。视频标注含AI生成内容，登上全站排行榜第26名。
B站AI短剧，改编自经典小说《百万英镑》，风格偏喜剧夸张。做AI短剧的可以拉片看叙事节奏和角色表演的一致性处理。
点击打开原平台查看
新片场发布国风木偶动画 AI 短片《琴中魄》第四部分，融合崂山道士与偷桃两个传统故事。作品主打木偶动画风格，在 AI 生成中保持角色与场景的视觉一致性是看点。
国风木偶动画 AI 短片，崂山道士+偷桃题材，做 AI 短剧和视觉的可以拉片看风格化角色和场景一致性处理。
小红书作者「Ksting」发布个人首部AI短片《守望星河》，耗时5天制作。
个人创作者5天出片，做AI短片的可以点开看看视觉风格和叙事节奏，当个参考案例。
点击打开原文
