← 全部日报

AIGC 信息日报

2026 年 11 月 13 日 周五

行业与平台

Industry

Google 发布 Gemini 4 Hydrogen 全渠道开放

Google AI 宣布 Gemini 4 Hydrogen 即日起可用:消费者端在 Gemini App 和 Google Search 对所有用户开放,Google Sheets 中的 Gemini 面向 Google AI Pro 和 Ultra 订阅者;开发者与企业可通过 Google AI Studio 和 Android Studio 中的 Gemini API 构建,Google Antigravity 及 Gemini for business 面向付费 Pro 和 Ultra 订阅者。官方博客同步放出介绍页。

Gemini 4 Hydrogen 即日起在 Gemini App、搜索、Sheets、AI Studio、Android Studio 和 Antigravity 全线可用,做 AI 工具链的可以先去 AI Studio 接 API 跑一轮,看它在自己那套流程里顶不顶得上。

点击打开原文

火山引擎发布 Seedance 2.5 flash,速度翻倍降价约34%

火山引擎正式推出 Seedance 2.5 flash 视频生成模型,生成速度较 Seedance 2.5 提升一倍,720P 下文生视频、图生视频价格约 0.99 元/秒,较前代降低约 34%。对需要大批量出镜头的短剧团队和制片来说,速度与单价同时下探直接影响单集成本核算和试错次数。

Seedance 2.5 flash 速度翻倍、720P 文生/图生视频约 0.99 元每秒,比 2.5 便宜约 34%。做短剧和批量出片的制片先算一遍单集成本,再拿同一批镜头跑新旧两版比废片率。

点击打开原文

黄仁勋辞任 Nvidia CEO,CFO 接任临时掌门

Tomasz Tunguz 分析黄仁勋即日辞任 Nvidia 总裁、CEO 及董事,CFO Colette Kress 出任临时 CEO。文中列出 Nvidia 过去两年的资金盘子:420 亿美元并购与技术收购、610 亿美元入股 229 家初创和 13 家上市公司、1645 亿美元租约担保与云容量兜底,上季度还把 112% 的经营现金流投进股权与并购。作者判断若新管理层收紧投资与账期,AI 基建扩张会随之放缓。

VC 视角拆 Nvidia 手里的钱怎么撑起 AI 生态:两年 420 亿美元并购、610 亿股权投资 229 家初创、1645 亿租约担保。做 AI 制片和短剧的看这条,是判断明年算力和工具价格会不会变脸。

点击打开原文

World Labs 的 Atlas 向所有人开放

World Labs 宣布 Atlas 即日起向所有人开放访问,团队已提供应用和 API 端点。用户提交构建 3D 世界的想法后,可获得关键帧、视频片段或 3D Gaussian splats 三种输出形式。对做场景概念设计、虚拟制片和 3D 预演的创作者来说,这是把文字想法直接转成可看画面和可导入三维资产的一条新入口。

提交一个 3D 世界的想法,能拿回关键帧、视频片段或 3D Gaussian splats,应用和 API 都开了。做场景概念和虚拟制片的可以拿它试一轮,看能不能替掉部分搭景和概念图环节。

点击打开原平台查看,能否访问取决于网络环境

Google Gemini 开始全渠道推送

Google DeepMind 宣布 Gemini 开始向各渠道推送:开发者可在 Google AI Studio 和 Android Studio 中通过 Gemini API 调用,付费 Google AI Pro 与 Ultra 订阅者可在 Google Antigravity 中使用;企业可通过 Gemini for business 和 Google Antigravity 部署;所有用户可在 Google Search 和 Gemini 应用的模型下拉菜单中访问。

Gemini 这次是铺渠道不是发新模型,AI Studio、Android Studio、Antigravity、搜索和 Gemini App 下拉菜单一起开。做工具链的可以看看 Antigravity 那条线能不能接进自己的流程。

点击打开原平台查看,能否访问取决于网络环境

百度上线 Token Exchange 模型交易平台

百度发布 Token Exchange(词元所),把 AI 模型服务商和客户接到一个入口:客户可并排对比模型、查看定价与性能数据并直接调用。上架前核验服务商资质、比对模型指纹以检测换模和虚标参数,上架后定期抽查并维护公开信用记录。上线一个月已有超 100 个模型资源,日均调用超 50M 次、700B tokens。

一个入口横向比模型、看定价和性能,还查服务商有没有偷换模型、虚标参数。要批量跑短剧、按调用量算成本的团队,可以拿它比价选模型。

点击打开原文,能否访问取决于网络环境

ElevenLabs 开放 Marketplace 应用市场

ElevenLabs 正式开放 Marketplace,汇集基于 ElevenLabs 构建的智能体与应用,覆盖医疗、金融服务、保险、教育、零售等领域,入口为 elevenlabs.io/marketplace。对做配音、虚拟角色对话和语音交互的创作者来说,这是一个现成方案的集散地,可以看别人怎么把语音能力包成可交付的产品。

ElevenLabs 把基于自家语音能力做的智能体和应用收进一个市场,覆盖医疗、金融、教育、零售等行业。做配音和虚拟角色对话的可以翻一遍,看有没有能直接接进自己流程的现成方案。

点击打开原文,能否访问取决于网络环境

Anthropic 推出 Claude Meetings 会议中协作生成文档

Anthropic 推出 Claude Meetings,把 Claude 加入团队视频通话后,它能在对话进行中与团队共同构建文档、白板等 artifacts。该功能正以 beta 形式在 Team 和 Enterprise 计划上逐步推出。

开会时把 Claude 拉进视频通话,边聊边出文档和白板,Team 和 Enterprise 计划 beta 可用。做项目会多的制片和团队负责人可以试,跟拍片剪辑关系不大。

点击打开原平台查看,能否访问取决于网络环境

Salesforce 开源语音转写模型 SOV-Transcribe-1 登顶

Artificial Analysis 公布 SOV-Transcribe-1 成为新的第一开源权重语音转文字模型,AA-WER 指数得分 2.3%,活跃参数 4.6B,在含闭源在内的 44 个模型中总排名第 7。该模型由 Salesforce 与 Missionforce Sovereign AI 团队发布。对做短剧字幕、访谈转写、批量素材整理的后期团队来说,这是一个可自部署的开源选项,错误率数据可直接与闭源模型横向对比。

开源权重、4.6B 活跃参数,AA-WER 错误率 2.3% 拿下开源第一、全榜第 7。做 AI 短剧字幕和批量转写的可以拉下来跑一遍自家素材,看口音和嘈杂环境扛不扛得住。

点击打开原文,能否访问取决于网络环境

Sume Director Studio 1.0 上线:免订阅按 Seedance 原价

David Im 宣布推出 Sume Director Studio 1.0,称其流程与 Higgsfield Cinema Studio 相同,但按 Seedance 的原始成本计费,无需订阅,对所有用户开放。原文未列出具体功能清单、支持的模型版本或价格数字。

主打「同样的流程、Seedance 原始成本、不用订阅」,对标 Higgsfield Cinema Studio。做短剧和批量出片的可以算一下账,看省下的订阅费值不值得换工具。

点击打开原平台查看,能否访问取决于网络环境

Runway 用 LLM 重做内容审核,政策更新只需数分钟

Runway 官方说明其内容审核系统已从两年前的第三方分类器(按「血液」「武器」等固定类别打分)改为基于自有政策的 LLM 判断,政策更新最快只需数分钟,并能区分奇幻战斗与真实暴力。Runway 称误拦和漏拦两个方向都更准确,同时承认仍受第三方模型自带审核、LLM 误判和上下文缺失限制。

Runway 官方讲审核系统怎么从第三方分类器换成自家 LLM 判政策,奇幻战斗和真实暴力能分开,误拦漏拦都降了。做暴力、冲突题材的团队值得看一眼边界在哪。

工具与能力

Tools

Lemo-opuscar 2.0 更新:风格库扩到 99 支

Lemo-opuscar 项目 GitHub 星标达 15K,发布 2.0 版本:新增 33 个风格,总风格数达 99 个,以科普、教育、解说类内容为主,另有少量绘画与视觉艺术风格。本次用 Fable 5.2 审计并优化了风格提示词,部分 demo 影片重新制作渲染,并启用全新分组体系;gallery 网站重做,视频直接嵌在网页里。项目为 Claude 插件,官方称 Fable Opus 与 Sonnet 可稳定使用、建议开 high 档位,其他模型未适配。风格库定位是提供稳定的风格与导演镜头指导,剧情和出片细节仍需自行调试;作者鼓励提取风格提示词和导演指南融合进自己的流程,也鼓励改造成个人风格固化复用。2.0.0 版修改了商用授权条款,老 fork 不受影响。

开源风格库一次加了 33 个新风格,主打科普、教育、解说类,还重做了带视频的 gallery 网站。做知识类口播和讲解视频的可以扒它的风格提示词和导演指南,改成自己的一套。

点击打开原平台查看,能否访问取决于网络环境

Google 推出 Orchestrator 智能体调度功能

Google 宣布 Orchestrator 智能体调度功能今日起向 Google AI Ultra 订阅用户推送,企业用户可在 Gemini for business 中使用,官方称未来将支持更多模型和套餐。原文仅给出上线范围与博客链接,具体调度能力、支持的任务类型与调用方式需看博客正文。

Google 把多智能体调度做进 Gemini,今天起对 AI Ultra 订阅用户开放,企业版也能用。自己搭过多步生成流程的可以点进博客看它怎么串任务。

即梦画布两周内上线 20 多个生图新功能

X 用户 @aiwarts 称,即梦在过去两周为自家画布陆续上线 20 多个新功能,覆盖生图常用操作,基本把常用功能补齐。原文只给出功能数量与「画布」这一载体,未逐项列出具体功能名称与参数。做视觉开发、KV 和角色设定的可以进画布逐个试,判断哪些环节能省掉外部工具切换。

两周堆了 20 多个生图功能,等于把常用修图、扩图、改图动作都塞进画布。做视觉开发和 KV 的可以进去把常用动作过一遍,看哪些能替掉现在外挂的工具。

点击打开原文,能否访问取决于网络环境

Claude 托管智能体支持自托管内测

Claude Devs 宣布自托管版 Claude Managed Agents 进入内测。用户可把智能体运行框架、沙箱和会话历史托管在自己的云端或本地环境,并自行选择向 Claude 发送请求的位置。对需要把 AI 智能体接进内部素材库、又受限于数据不能出内网的制作团队,这条给出了一个可自控部署的选项。

智能体的运行框架、沙箱和会话历史都能放在自己云上或本地,请求发往哪里也自己定。团队自建批量出片流程、又卡在数据不能出内网的,可以申请内测试。

点击打开原文,能否访问取决于网络环境

LiveKit Cloud API 开放测试,编码智能体可代办控制台操作

LiveKit 宣布 LiveKit Cloud API 进入开放测试,让 Claude Code、Codex、Cursor 等编码智能体代办控制台里几乎全部操作:创建并配置项目、选择数据区域、开启 PII 脱敏与 Agent Observability、邀请成员、添加并测试 webhook,还能读取通话的 transcript、日志、trace 和录音。所有操作以本人身份登录执行,权限受角色限制。不用编码智能体也能直接调这套 API。

做实时语音 Agent 的团队可以看:建项目、拉成员、配 webhook、取通话录音和日志都能让 Claude Code 这类智能体代跑,不用来回切控制台。

点击打开原文

Figma 3D transforms 开放测试,文本图像可空间旋转

Figma 宣布 3D transforms 进入 open beta,面向所有 Full seat 用户开放。可在空间中倾斜、旋转、排布文本、图像、矢量与框架,并叠加 perspective 透视效果,效果为非破坏性,原稿保持可编辑。品牌团队同步分享了用它制作发布视频的过程。

Figma 把 3D 变换和透视效果做进设计稿,文字、图片、矢量都能在空间里倾斜旋转,且原稿保持可编辑。做 KV、海报、片头视觉的可以拿它排立体字和版式。

点击打开原文

Recraft 上线 Vectorizer Pro 矢量化更干净

Recraft 在 Studio 里上线 Vectorizer Pro,所有套餐用户默认可用,选中图片点 Vectorize 即调用,无需额外开关。官方用同一批图对比新旧两版并放大展示差异。适合扁平插画、Logo、图标、贴纸和边缘清晰的线稿;照片和重纹理图会碎成大量小形状,需先简化或改用提示词直接生成矢量。矢量化后可在编辑器里调色、拖动单个锚点,导出 SVG、PDF、Lottie,也可导出 PNG、JPEG、TIFF(含 CMYK)。

同一张图分别用新旧两版矢量化再放大对比,官方直接给了差异图。做 Logo、图标、贴纸和扁平插画的视觉师可以拿手头的位图跑一遍,看边缘和色块干净多少。

方法与经验

Methods

GPT-Image-2.6 实测:10 个 GIF 玩法提示词

作者实测前两天上线的 GPT-Image-2.6,整理出 10 个 GIF 玩法提示词,覆盖黏土定格动画、表情包、剪辑贴纸、loading 图、PPT 动态图表、爆炸拆解图等方向,并测试了该模型的三项新能力。做视觉开发和后期物料的可以直接拿这批提示词当模板跑一遍,看动态图产出稳不稳。

黏土定格、表情包、剪辑贴纸、loading 图、PPT 动态图表、爆炸拆解图,10 个 GIF 提示词直接抄,做视觉和后期物料的当模板存下来。

点击打开原文,能否访问取决于网络环境

Luma 博客盘点角色一致性工具,提及 Ray 3.2

Luma AI 官方博客发布角色一致性工具盘点,把当前做法归为三类:上传参考图锁定身份、用角色特征训练专属模型、以及同时覆盖图片与视频的参考式角色提示。文中点名视频向工具 Ray 3.2 可在逐帧生成中维持角色身份,并指出品牌吉祥物要出十二个社交版本、动画主角要撑起三分钟宣传片时,身份漂移会直接拖垮制作节奏。

角色一致性是短剧和广告能不能成系列的关键,这篇把参考图锁定、自训模型、图视频通用几条路子摆在一起对比,做角色 IP 和系列片的可以照着挑工具。

点击打开原文

创作者用 Fable 5.2 加 Higgsfield MCP 一键出预告片

创作者 Alex Patrascu 展示了一条全自动出片流程:输入一份脚本,由 Fable 5.2 调用 Higgsfield MCP 完成画面生成,同时处理配乐、调色和动态图形,全部一次跑完,调用的是他自己搭的 /film-trailer 技能。适合想研究「脚本到成片」自动化串法的编导和后期参考。

一条脚本进去,配乐、调色、动态图形一次出来,靠的是自建的 /film-trailer 技能串起 Higgsfield MCP。做预告片和后期流程的可以拆一下这个串法。

点击打开原平台查看,能否访问取决于网络环境

Luma 官方梳理 AI 视频转视频:重打光、换风格、免重拍

Luma AI 官方博客梳理 AI 视频转视频工具的价值:不重新生成,而是在保留原表演的前提下改光线、风格和画面情绪。文中提到 AI 重打光会重建阴影、高光和环境色,而不是套滤镜;Luma Layers 支持改动画面中的单个元素、其余构图保持不变。文章还强调同一支已过审的镜头可衍生出不同视觉方向,用于本地化版本和临时改稿,省掉召回演员重拍。

讲的是已有素材怎么改光改风格而不动表演,后期和视觉师能直接对上自己手上的返工场景;Luma Layers 那段可以顺手试。

点击打开原文

创作者用 Fable 5.2 一条提示做出 GTA6 概念驾驶片段

创作者 Polinaa 称用 Fable 5.2 生成了一段 GTA 6 概念驾驶片段:45 秒、4K、60fps、共 2733 帧,画面包含湿沥青反射天空与车辆、亮尾灯的黄色两厢车与 GTA VI 车牌、对向车流与横穿路口的卡车、紫色蓝花楹山坡与电线杆水塔天际线、钢桁架桥的梁影扫过路面、路面与护栏的运动模糊。制作方式为 1 条主提示加 14 次追问、耗时 3 小时,作者强调这是概念驾驶片段而非可玩游戏,只有一辆车一条路线。

45 秒 4K 60fps 的概念驾驶片段,1 条主提示加 14 次追问、3 小时做完,湿沥青反光、车灯、桥影这些细节都点名了。做视觉开发和概念预演的可以拉片看它怎么用文字堆出镜头细节。

点击打开原平台查看,能否访问取决于网络环境

创作者用脚本控制 Seedance 2.5 演员动作

作者用 Seedance 2.5 做了一段动作控制测试:开场 30 秒只用一张演员肖像,环境、服装、道具全部由文本提示生成;第二段把前一段当视频输入接着做。他重点试了同一机位下多个动作状态之间的镜头延续,用 [BLOCK] 子状态定义位置和移动,并建议逐帧暂停看动作状态、看头帧判断镜头有没有做到。作者自评生成并不完美。

用「作者脚本」拆动作状态、靠同一机位串起前后镜头,还给了 [BLOCK] 子状态定位置和走位。做分镜和镜头调度的编导可以照着这套写法试一遍。

点击打开原平台查看,能否访问取决于网络环境

MiniMax 官方放出 35mm 胶片慢门追随摄影提示词

MiniMax 官方在 X 上分享一条用于生成复古运动摄影效果的提示词,配图是 Hailuo AI 生成的骑行者慢门追随画面。提示词要求:慢快门配合与运动方向精确匹配的追随拍摄、主体轮廓保留而肢体与环境产生自然运动模糊、背景沿运动方向拉成连续横向色带、低角度暖侧光、去饱和 35mm 胶片色调,并明确排除高速定格、数字速度线和商业广告式锐化。

官方给了一条完整可抄的提示词,慢门追随、背景拉丝色带、去饱和胶片色调都写死了,还专门列了要避免的「数字速度线」和广告式锐化。做视觉和分镜的可以拿去 Hailuo 跑几版,看运动模糊能不能出光学味。

点击打开原文,能否访问取决于网络环境

Vadoo AI 演示如何做超写实 AI 网红

Vadoo AI 官方账号发布演示,展示一个全 AI 生成的虚拟网红形象:雀斑、自然卷发、黄金时刻光线、面部表情以及说话方式均为 AI 生成,连她所在的布鲁克林公寓场景也是虚构的,并附上「如何用 Vadoo AI 制作自己的超写实 AI 网红」的教程入口。对做虚拟人设、数字网红和角色 IP 的团队来说,这条的价值在细节层——皮肤质感、发丝、光线和表情这些「不像 AI」的地方怎么处理。

雀斑、自然卷、黄金时刻光、说话神态全 AI 生成,做虚拟人设和数字网红的可以看它怎么把细节堆到「不像 AI」。

点击打开原平台查看,能否访问取决于网络环境

Gemini 4 Hydrogen 智能指数 54,成本仅 Sonnet 三成

Artificial Analysis 评测 Google 新发布的 Gemini 4 Hydrogen:新增 xhigh 推理档在 Intelligence Index 得 54 分,比 Claude Sonnet 5.5 (max) 和 GPT-6.1 Sol (max) 低 1 分,每任务成本约为 Sonnet 的 32%,但约为 GPT-6.1 Sol 的 2.5 倍。默认 high 档得 51 分;high 档下与 Gemini 4 Argon 智能持平,成本约为其 19%。长文档视觉推理基准 GDP.pdf 上 medium 档全通过率 33%,并列第一,强项是视觉推理、演示文稿和低幻觉。

第三方评测机构 Artificial Analysis 的跑分:xhigh 档 54 分,比 Sonnet 5.5 和 GPT-6.1 Sol 低 1 分,成本约 Sonnet 的 32%。做 Agent 批量跑活的可以拿成本表算算账,拍片的先不用急。

点击打开原文,能否访问取决于网络环境

OpenRouter 算自托管 LLM 与 API 的盈亏平衡负载

OpenRouter 发布成本对比方法:盈亏平衡负载 = GPU 每小时租金 ÷ 同一小时 token 走 API 的费用,低于该负载用 API 更便宜。按 2026 年 10 月 8 日价格,Qwen3.8 27B 跑在单张时租 0.50 美元的 RTX 3090 上,约 6-12% 负载即回本,但每用户只能分到约 15(原文截断);DeepSeek V4.1 Flash 在四张 H200 上永远打不过最便宜的零数据留存接口,换两张 B200 需 76% 负载才持平。文中还说明其数据管控如何覆盖隐私需求。

OpenRouter 用「GPU 时租 ÷ 同小时 API 费用」算盈亏平衡点:Qwen3.8 27B 单张 RTX 3090 约 6-12% 负载回本,DeepSeek V4.1 Flash 四张 H200 永远打不过最便宜的 ZDR 接口。自己搭推理服务的团队可以拿这套算法核一遍账。

点击打开原文

作品与案例

Works

B站UP主做西游第一人称AI短片,从花果山打到天庭

B 站 UP 主 Sora_Vex 的 AI 短片,采用沉浸式第一人称视角,设定观众是孙悟空的生死兄弟,剧情从远渡重洋拜菩提祖师、花果山起兵一路打到天庭。属于「AI 全民制作人」活动投稿,归在影视剪辑分区。看点在第一人称主观镜头如何承载西游神话的大场面打斗与叙事推进。

西游题材的第一人称视角 AI 短片,走的是「假如你是孙悟空的生死兄弟」这条代入线,从花果山一路打到天庭。做 AI 短剧和第一人称叙事的可以拉片看它怎么用主观镜头撑起打斗段落。

点击打开原平台查看

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