AIGC 信息日报

腾讯混元开源 Hy-Nomas 交互式视频世界模型

腾讯混元开源交互式视频世界模型 Hy-Nomas，支持用文本提示词和相机轨迹自由交互，具备带世界记忆的长时程生成能力，提供轻量 LoRA 适配机器人等专用领域，并针对消费级 GPU 推理做了优化，GitHub、Hugging Face 和在线 Demo 均已开放。

文本加相机轨迹就能自由操控画面走向，还带世界记忆做长时程生成，做分镜预演和虚拟场景的可以下下来跑一遍，看镜头调度能不能真按轨迹走。

点击打开原平台查看，能否访问取决于网络环境

月之暗面发布 Kimi K3.1 Pro 开放权重模型

Kimi K3.1 同日在 11 个第三方平台上线可用：权重模型 / Moonshot AI / Kimi / Oran / Rohanpaul / Testingcatalog / API / MarkTechPost / The Decoder / 百万上下文 / Pro 网页端与移动端陆续。

Kimi K3.1 当天在这 11 个平台都能用上，按手上已开通的账号挑一个直接测，不用等单一渠道。

点击打开原文，能否访问取决于网络环境

MiniMax M3.1 Flash 开放权重，Together AI 首日托管

MiniMax 官方宣布 M3.1 Flash 开放权重，Together AI 作为首日合作伙伴提供全托管服务。据 Together AI 介绍，该模型代号 space bunny，面向智能体任务、编码、计算机使用和网络安全，支持 1M 上下文窗口与视觉能力，定价为缓存输入 $0.15/1M、输入 $0.15/1M、输出 $0.60/1M。

面向智能体、编码和计算机操作的语言模型，1M 上下文加视觉，输出 $0.60/1M。做创作自动化流程、要自己部署模型的技术整合者可以看，纯拍片的编导这条用不上。

点击打开原文，能否访问取决于网络环境

Jack Dorsey 发布全双工语音模型 Dessa

Jack Dorsey 宣布全双工语音模型 Dessa，仅用语音对话数据训练，未使用文本数据或任何预训练模型。目前只放出演示样本，据称在情感表达和自然感上明显强于其他模型。全双工意味着可边听边说、支持打断式对话，适合实时配音、虚拟角色对谈、短剧同期声等场景。

纯语音数据训练、不碰文本和预训练模型，全双工对话，目前只有演示样本。做 AI 配音、虚拟角色对话、短剧对白的可以蹲一波听感。

点击打开原平台查看，能否访问取决于网络环境

Suno 推出虚拟说唱歌手 DEATHPIXIE

Suno 官方发布虚拟说唱歌手 DEATHPIXIE，人物设定来自一座名为 New Tokyo 的黑暗、犯罪猖獗的城市，官方同时介绍了将她「带入现实」的团队。这是 Suno 在音乐生成之外做虚拟艺人角色包装的一次尝试，把人物世界观和音乐人设绑在一起。做虚拟偶像、AI 音乐和角色 IP 的可以关注其设定与呈现方式。

Suno 官方造了个虚拟说唱歌手 DEATHPIXIE，设定在犯罪横行的 New Tokyo，还带团队出镜。做虚拟艺人、AI 音乐和角色 IP 的可以看看它怎么把人物设定和音乐绑在一起。

点击打开原平台查看，能否访问取决于网络环境

Krea 在 Grok 内上线图像视频生成 bot

Krea AI 官方宣布推出 Krea for Grok bot，用户可直接在 Grok 内生成图像和视频，官方称调用的是「全球最好的模型」。官方未说明具体接入哪些模型、额度与付费方式，也未给出分辨率、时长等参数。对常用 Grok 做前期构思的创作者，等于多了一个不切站就能出图出片的入口。

Krea 把出图和出视频的能力塞进 Grok 对话框，不用切站就能生成。习惯在 Grok 里聊创意的视觉师可以先试一轮，看它调的是哪家模型、出片稳不稳。

点击打开原平台查看，能否访问取决于网络环境

PixVerse 联手 OpenAI 直播演示创意简报出片

PixVerse 官方宣布与 OpenAI 联合直播，主题是从提示词到成片：演示一份创意简报如何通过 ChatGPT + PixVerse 插件生成一支完整视频。亚太场 10 月 28 日中午 12 点 GMT+8，美国场 10 月 29 日上午 10 点 PT，参会者可得免费 PixVerse 积分，并有机会抽 1 个月 ChatGPT Pro。

PixVerse 和 OpenAI 一起开直播，演示一份创意简报经 ChatGPT + PixVerse 插件直接出成片，做短剧和广告的可以蹲一下这套流程能不能省掉中间环节。

点击打开原文，能否访问取决于网络环境

MiniMax Design 上线 MCP，可在 Codex 等智能体里直接创作

MiniMax Design（Hailuo_AI）宣布 Design MCP 上线，可在 Codex 及其他智能体中直接调用 Design 进行创作，产出会自动同步到 Design Canvas，省去工具间来回切换。官方表示附有上手步骤，但正文未展开具体接入方式与支持范围。

设计能力接进 Codex 等智能体，做出来的东西自动同步回 Design Canvas，不用在工具间来回倒。自己搭流程的可以接上试，看能不能把出图环节塞进现有自动化里。

点击打开原文，能否访问取决于网络环境

Grok Bots 推出团队版，面向 Teams 与 Enterprise 开放

Grok Bots 推出 Team Bots 版本，面向整个团队共享使用，目前仅对 Teams 与 Enterprise 客户开放。官方发布 8 分钟讲解视频，分 8 个章节：简单示例、能力说明、连接你的工具、如何创建、复杂示例、适用场景判断、底层原理、总结。

Grok Bots 加了团队共享版，官方配了 8 分钟分段讲解（怎么建、怎么接工具、什么时候该建）。做团队协作自动化的可以看下接工具的段落，纯拍片的用不上。

点击打开原平台查看，能否访问取决于网络环境

Figma code layers 开放测试，六家团队试用

Figma 宣布 code layers 进入开放 beta，并公开 Superside、Dell、Cox Automotive、Rocket Money、Merkle、Checkout.com 六家团队的实验用法，包括用提示词给静态设计加交互动效、用开发者同款 React 组件搭可输入对话的原型。

Figma 把设计稿直接变成可交互原型，六家团队在试。做 AI 产品界面和交互 demo 的可以看看，纯拍片的用不上。

点击打开原文

可灵汇总 Kling 4.0 专业团队反馈：废片量减半

可灵AI公众号汇总各领域专业团队对 10 月 15 日全量上线的 Kling 4.0 的实战反馈：韩国导演金性洙用它重启停摆半年的 AI 短片《Worm Train》；Fountain 0 联合创始人 Ash Koosha 称制作流程中废弃素材量至少减少 50%；柳翠虎、陆川肯定其在表演、长文本指令遵循和多关键帧控制上的升级；耀客传媒 AI 导演佟光宇测试中生成的素材绝大多数可直接剪辑。

韩国导演金性洙拿它重启停摆半年的短片，Fountain 0 联合创始人称废片量至少减半，陆川、佟光宇点名表演和长文本指令。做 AI 短剧和长片的可以按这几条去实测。

点击打开原平台查看，能否访问取决于网络环境

OPUS 自主调用 Seedance 2.5 等工具做出发布视频

作者 @AIWarper 给 OPUS 开放了 Seedance 2.5、Kling 4.0、GPT Sunburst、DaVinci Resolve 和 Suno（浏览器控制）的访问权限，让它为一个虚构的搞笑产品独立完成一支创始人发布视频，作者称整支视频由模型自己做完。这是一次把生成、剪辑、配乐交给同一个 Agent 调度的实测。

作者把 Seedance 2.5、Kling 4.0、GPT Sunburst、达芬奇、Suno 全交给 OPUS，让它自己串起一条从生成到剪辑配乐的流程。想搞自动化出片的团队可以看它怎么分工。

点击打开原平台查看，能否访问取决于网络环境

可灵官方拆解 Kling 4.0 短片 KING CARD 运镜方法

可灵官方发布 Kling 4.0 制作解析，拆解短片 KING CARD 的动态运镜与环境变换方法，该片在各社交平台累计 500 万次观看。解析以官方文章形式发布，聚焦镜头运动与场景转换的处理思路。

官方亲自拆 KING CARD 的动态运镜和环境变换，做分镜和视觉的可以照着研究镜头怎么走、场景怎么换。

点击打开原文，能否访问取决于网络环境

Codex 联动 DaVinci 自动剪辑，Slack 推送审片

OpenAI 开发者体验团队的 Dominik Kundel 分享个人体验：拍完素材把 SD 卡插进笔记本后离开工位，由 dot 和 Codex 调用 DaVinci Resolve 自动完成剪辑，并通过 Slack 定期推送进度供审阅。这条内容属于个人使用体验分享，没有给出具体配置、脚本或参数。对后期和剪辑团队来说，它提供了一个可参考的方向：把粗剪交给 Agent 跑，人只负责审片。

OpenAI 开发者体验团队的 Dominik Kundel 演示了一条流程：插上 SD 卡走人，Codex 调 DaVinci Resolve 自动剪，进度通过 Slack 定期推给你审。做后期的可以顺着这个思路搭自己的自动粗剪。

Audible 团队用可控 TTS 与 BookLLM 改进有声书语音合成

Audible 技术团队公布可控 TTS 方案：用「whispering nervously」「shouting in anger」这类自然语言描述控制对白表达，并在整本书层面固定每个角色的声音档案，保证从头到尾音色一致。BookLLM 组件自动识别书中角色并标注对白，25 本英西语书籍上角色识别准确率分别为 97% 和 94%；MUSHRA 听感测试中对白区分度提升 3.7 分，十种声音里八种获得统计显著改善。

做有声书、广播剧和 AI 配音的可以看这套做法：用自然语言描述控制语气，角色声音在整本书里保持一致，角色识别准确率 97%。

点击打开原文

有人用 HyperFrames 复刻 Kurzgesagt 剪辑风格

Bin Liu 转述：HyperFrames 团队的研究工程师 @WaterrrMiao 用 HyperFrames Studio 与 Opus 5.5 做了一支 10 分钟以上的视频，被形容为完整学会了 Kurzgesagt 的剪辑风格、看起来像原作者出品，这也是它走红的原因。这条本身是解释走红原因的转述，不是作品发布。

有人用 HyperFrames Studio 加 Opus 5.5 做出 10 分钟以上、被评价为「像 Kurzgesagt 原班出品」的视频，做科普动画和长片后期的可以顺着作者 @WaterrrMiao 蹲后续。

点击打开原平台查看，能否访问取决于网络环境

Shopify 用小模型做 GraphQL 子 Agent，快 7 倍成本降九成

Shopify 工程团队在 NVIDIA GTC Berlin 2026 介绍电商助手 Sidekick 的分工：前沿模型负责对话、规划和调工具，读多写少的 GraphQL 子 Agent 交给自己后训练自托管的开源模型。选型为 Nemotron 3.5 Lightning（总参数 300 亿、每 Token 激活 30 亿的 MoE），不做预训练。每晚由 LLM 评审抽查生产对话，失败案例交前沿模型给提示、模拟商家重跑，通过后匿名化入训练集，86 晚修复 59535 条对话。6 轮训练后评审分从 37.7 升到 74.5，超过前沿模型的 73；中位响应 0.87 秒对 6.50 秒，成本低 90% 到 98%。

Shopify 把 300 亿参数 MoE 小模型后训练成 GraphQL 专家，评审分 74.5 反超前沿模型 73，中位响应 0.87 秒对 6.5 秒。自建推理流程的团队可以看它那套「失败案例自动变训练数据」的循环怎么跑。

点击打开原文，能否访问取决于网络环境

卡兹克整理 Claude Opus 5.5 的 8 个创意玩法

卡兹克（@Khazix0918）整理了 8 个基于 Claude Opus 5.5 的创意案例：120 页手写笔记转个人字体、16 岁高中生 2 天构建古希腊世界、16 天做出的小王子 3D 剧情游戏、成都城市讲解视频《一座城的年轮》、一句话生成火烧前的圆明园视频、指环王故事视频、逆向自家电视，以及 Nenly 用 Claude 和 Codex 等工具花 298 天做出 Steam 好评率 98% 的游戏《群侠传：幸存者》。

8 个案例里，一句话生成圆明园火烧前影像、成都城市讲解片、指环王故事视频这几条跟影像创作直接相关，编导和视觉可以挑着看别人怎么把一句话变成片子。

点击打开原文，能否访问取决于网络环境

Cactus Compute 的 Whistle 语音模型实测对比 Whisper

MarkTechPost 的实测教程：在 Apple M4 的 CPU 上跑 Cactus Compute 的 16.9 MB 语音转写模型 Whistle，与 Whisper tiny、base 对比 WER 和速度，用配对说话人聚类 bootstrap 加 Holm 校正做统计，并测试流式转写与工具调用。做字幕、配音对轴、批量转写的后期可以关注小模型在本地 CPU 上的实际表现。

16.9 MB 的模型在 M4 CPU 上跑转写，还带流式和工具调用，做字幕和配音对轴的可以看看它跟 Whisper base 的差距到底在哪。

点击打开原文

硅基流动对比 DeepSeek V4.1 Flash 与 GPT-6 Astra

硅基流动（@SiliconFlowAI）官方发布并排对比：同一提示词分别交给 DeepSeek V4.1 Flash 1017 和 GPT-6 Astra，两者都用 Three.js 构建同一个交互式 3D 世界（DeepSeek V4.1 Flash 1017 该产品 10 月 18 日已发布）。作者称两者质量几乎相同甚至更好，成本比 Astra 低 50% 以上，提示词放在评论区。产出是网页 3D 场景代码，不是影像素材。

同一提示词让两个模型用 Three.js 搭交互式 3D 世界，作者称质量接近、成本低一半以上。做网页 3D 或互动装置的可以看并排效果，拍片流程用不上。

点击打开原平台查看，能否访问取决于网络环境

B站UP主单人完成AI短片《后室里的乌鲁鲁3》

B站UP主「沙雕Sanscul」自编自导自剪的AI短片《后室里的乌鲁鲁3》，导演、编剧、剪辑、AI素材、美术设计、执行制作全部由一人完成。作者在简介中说明本期花费2.7万元，其中2.5万为AI积分、2000为人力成本，并提到这个制作质量与成本继续做下去可能要贷款。

一人包办导演编剧剪辑美术的AI短片续作，作者自曝花了2.7万（2.5万AI积分+2000人力），做AI短片想算成本的可以拉片看这钱花在哪。

点击打开原平台查看

B站UP主造梦师希希发布AI短片

B站UP主「造梦师希希」发布的AI短片，标题围绕「喝醉后把陌生人配对、星座决定配对对象」的轻喜剧设定，属于个人创作者的AI短片作品。

星座配对题材的AI短片，做轻喜剧向短内容的可以看看它怎么把互动梗拍成片子。

点击打开原平台查看

B站UP主花火之原发布13分钟AI视频

B站UP主「花火之原」发布的AI古装题材剧情视频，标题指向县长与街头女性角色的情节设定，成片，属个人创作者的长篇AI叙事作品。

B站UP主「花火之原」的AI古装剧情长片体量在个人AI作品里算长的，做AI短剧的可以拉片看长叙事怎么撑住。

点击打开原平台查看