可灵拆解 Kling 4.0 制作 AI 短片《The Beat》
可灵 AI 拆解 AI 短片《The Beat》的制作过程，该片全网曝光超 500 万。Kling 4.0 支持单次原生生成最长 30 秒视频、单次任务最多 15 项参考素材、最多 10 张关键帧输入，并提升了大动态运镜稳定性与口型匹配。Kling 4.0 Flash 已向黑金年卡会员开放抢先体验，Kling 4.0 将于 10 月正式上线。
#视频
科技媒体 RSSAI 评分6060 arXivAI 评分2626 基于控制的动态优化实现多样化运动定制
针对视频生成中运动定制的内容泄漏问题，研究者提出 Control-based Motion Customization（CMC）训练框架，将泄漏归因于生成过程向参考视频坍缩，即学习目标被表述为对参考视频的直接回归。CMC 通过基于控制的动态优化实现结构上对内容泄漏的鲁棒性，并支持多样化运动定制。
科技媒体 RSSAI 评分4242 Kandinsky 6.0 上线 fal，分 Pro 与 Lite 两档并支持原生同步音频
Kandinsky 6.0 已在 fal 上线，分为面向电影级高保真生成的 Pro 和面向快速低成本迭代的 Lite 两档。该版本支持原生同步音频，并内置放大功能，另提供独立的 VSR 和 VSR Lite 用于视频超分辨率。
科技媒体 RSSAI 评分4242 fal 上线 Kandinsky6 视频模型
fal 已上线 Kandinsky6 视频模型，提供 Text-to-Video Lite、Image-to-Video Lite、Text-to-Video Pro 和 Image-to-Video Pro 四种版本。
arXivAI 评分1212 Emoception：面向游戏画面玩家唤醒度变化识别的视频 Vision Transformer 选择性情感层微调
研究提出选择性情感层微调框架 SALFT，用于视频 Vision Transformer 从游戏画面识别玩家唤醒度变化，通过短暂适配后层参数 L2 范数变化来筛选微调层，避开计算昂贵的全量微调。在 Arousal Video Game AnnotatIoN 数据集上五折交叉验证显示，SALFT 性能与全量微调相当。
arXivAI 评分3131 SUTURE：从 Rollout 组进行结构化验证的视频时序定位方法
SUTURE 提出基于 rollout 组的结构化验证方法，用于视频时序定位的强化学习可验证奖励（RLVR）框架。现有重叠验证器通常独立评分每个 rollout，未利用 rollout 组的联合结构；SUTURE 在 rollout 间分歧和覆盖两个尺度上利用该结构，分歧控制目标重加权强度。
Hugging Face Daily PapersAI 评分3434 CtrlCache：用控制感知缓存加速交互式视频世界模型
CtrlCache 是一种免训练缓存方法，利用交互式视频生成中控制信号先于去噪到达的特点，按控制变化决定复用策略，从而加速交互式视频世界模型的逐块自回归生成。现有缓存策略仅依据模型内部去噪动态做复用决策，未显式考虑控制切换。
科技媒体 RSSAI 评分5555 Manus 推出视频编辑器
Manus 推出视频编辑器，官方称做出一条好视频不只是生成素材，还需要浏览互联网了解什么内容在走红、写代码制作动态图形和版式地图路线，并在每一步使用合适的模型和工具。相关说明见 manus.im/blog/introducing-video-editor。
arXivAI 评分2727 视频世界模型对隐藏物体保留了什么：V-JEPA 2 追踪能力研究
研究将物体从冻结的 V-JEPA 2 预测器中隐藏，对比其对隐藏区域的预测与编码器对两个仅该区域不同世界的表征。预测器部分保留静止物体，对容器内携带的物体完全不保留，运动物体在 0.3 秒内丢失（V-JEPA 自带 tube mask 下为 0.5 秒；ViT-H 在预训练 90% 掩码率下可保持 1.1 秒）。
科技媒体 RSSAI 评分2222 Viggle Animate 一键重现梵高
Viggle Animate 支持一键用用户喜欢的角色重现梵高作品。该工具主打动画生成，官方以“梵高依然是最伟大的作曲家”作为示例宣传，并附上使用链接。
Hacker NewsAI 评分3030 用 Claude Code + Opus 5.5 以「video as code」方式制作 Linux 35 年历史视频
开发者用 Claude Code + Opus 5.5 制作了一部 Linux 35 年历史动画视频，采用「video as code」工作流，源码、提示词、素材和渲染脚本都存放在 Git 中，最终视频作为生成产物。该视频对应 1991 年 10 月 5 日 Linux 0.02 发布至今满 35 年，项目已在 GitHub 开源并发布到 YouTube。
arXivAI 评分2222 MC-Sparse：弥合 Diffusion Transformer 中稠密与稀疏注意力的差距
针对稀疏注意力在高稀疏度下导致 Diffusion Transformer 生成质量下降的问题，研究者通过受控 oracle 对比将其归因于 token 分组约束、交互选择不准确以及被丢弃 token 的注意力贡献丢失三个来源，并提出免训练的 Meta-Cached Sparse Attention（MC-Sparse）框架。
科技媒体 RSSAI 评分4242 Krea Agent 登陆 After Effects，可制作动态图形并处理音视频
Krea AI 宣布 Krea Agent 进入 After Effects，可在其中制作动态图形、调整视频尺寸，并处理声音、图像等内容，目前已开放免费试用。
科技媒体 RSSAI 评分2222 长时程自回归视频生成的新蒸馏法：Rollout-Marginal Distillation
一篇论文提出 Rollout-Marginal Distillation，用于长时程自回归视频生成的蒸馏。该方法针对自回归视频生成在长时程上的误差累积问题，通过 rollout 边际分布进行蒸馏。
科技媒体 RSSAI 评分2222 Higgsfield AI 生成爆款网红视频
Higgsfield 上线 AI 网红视频生成功能，用户可用自己的脸或从零开始制作，并借助 Genjutsu 跟进爆款趋势，最多可免费试用 5 次生成。该功能现已在 Higgsfield 上线，并可通过 ChatGPT Extension 使用。
科技媒体 RSSAI 评分4242 Manus 将两小时旅行素材剪成 vlog
Manus 把近两小时、125 段旅行素材，用一个提示词剪出 12:48 的初剪版本，并自动配上字幕、音乐和特效，最终成片是一支有故事的 vlog。该演示由创作者 @Nin19536 提供素材。
arXivAI 评分2929 面向视频分类的联合类别-时间学习：多实例偏标签学习
针对多实例偏标签学习（MIPL）中包级标签无法显式监督候选类别与时间证据对应关系的问题，研究者提出联合类别-时间分配方法，将标签消歧与时间证据分配耦合起来。该方法通过占用正则化的球面匹配关联上下文化视频特征，同时学习非均匀时间质量分布并抑制过度集中。
科技媒体 RSSAI 评分3838 PixVerse 插件让 AI 智能体生成动态图形
PixVerse 推出插件，让 AI 智能体根据文字简述生成动态图形。用户可描述视觉元素、它们的运动方式以及想要的时间节奏。
科技媒体 RSSAI 评分4141 斯凯孚用 AI 复活已故影星嘉宝拍广告，引发赞许与争议
瑞典轴承制造商斯凯孚（SKF）用 AI 生成已故好莱坞影星葛丽泰·嘉宝的形象拍摄广告，项目已获嘉宝遗产管理方及家属授权。图像由字节跳动 Seedream 5 Pro 和谷歌 Gemini 的 Nano Banana Pro 生成，动作用 Seedance 2、Seedance 2.5 和快手可灵 AI，语音基于嘉宝早年影片原声训练，未使用存档照片或历史影像。
arXivAI 评分3838 ReMem：长上下文保留的流式视频理解
针对现有 VLM 面向离线场景、难以低延迟处理在线流式视频的问题，研究提出 ReMem，通过保留长上下文实现流式视频理解。探测实验发现，多数现有记忆与 token 压缩方法会随输入流变长而逐步丢失长上下文信息。
arXivAI 评分2626 TasteRoute：面向视频生成的个性化路由
TasteRoute 是一个个性化视频生成路由器，根据输入请求、用户偏好和可用生成预算联合选择生成模型。研究发现，即便以其他标注者的共识作为 oracle，其与每位标注者自身偏好的一致率也仅为 34-55%。
arXivAI 评分3131 HLA-WM：面向长时程视频世界模型的混合线性注意力
针对 Gated DeltaNet（GDN）在长时程视频世界模型中的严重长程遗忘问题，研究者提出免训练的混合线性注意力框架 HLA-WM，将 Softmax 注意力与循环线性注意力结合，在保持低内存成本的同时缓解远距离场景信息被后续状态更新逐步衰减的问题。
科技媒体 RSSAI 评分4040 Manus 2.0 集成 H3 Max 视频模型
Manus 团队宣布，其后训练的视频模型 H3 Max 已集成进 Manus 2.0。
Hacker NewsAI 评分3838 你的 AI 智能体制作的解说视频与产品演示，免费且开源
一款免费开源工具可让 AI 智能体自动生成解说视频和产品演示。该消息来自 Hacker News，目前仅有这一句产品定位描述，未披露具体模型、功能细节或可用方式。
Hugging Face Daily PapersAI 评分3131 S2PD：串行到并行扩散实现物理与逻辑一致的视频生成
S2PD 提出串行到并行扩散（Serial-to-Parallel Diffusion），在高噪声阶段做自回归扩散、低噪声阶段切换为并行扩散，以串行计算协调相互依赖的事件并产生有效状态转移，再由并行阶段联合精修整段视频并减少采样开销。该方法针对双向视频扩散模型即便在程序生成器近乎无限的分布内数据上训练仍违反物理规律和简单符号规则的问题。
Hugging Face Daily PapersAI 评分2222 DeCoPrune：基于去噪一致性的自回归视频扩散 KV-Cache 剪枝
DeCoPrune 是一种免训练的自回归视频扩散 KV-Cache 压缩方法，将缓存压缩视为去噪一致性问题，利用去噪难度作为 token 信息量的代理指标。现有方法要么用固定窗口丢弃历史，要么依赖局部注意力和相似度信号选 token，无法直接衡量当前 chunk 是否提供了超出保留上下文的信息。
arXivAI 评分6262 Kandinsky 6.0 Video 发布：同步音视频生成基础模型
Kandinsky 6.0 Video 是一组用于同步文本到音视频生成的基础扩散模型，包含 3B 参数的 Lite 版和 29B 参数的 Pro 版。两个模型都能生成 5 秒视频并同步 44 kHz 音频，支持唇形同步，提供文本到音视频（T2AV）和图像到音视频（I2AV）两种模式，内置超分辨率模型可将输出提升至 Full-HD（1920×1080）。
科技媒体 RSSAI 评分3434 PixVerse 推出广告变体插件 pixverse ad variants
PixVerse 推出面向 AI 智能体的插件 pixverse ad variants，可从一支已有广告生成营销活动所需的任意多个版本。该插件支持替换出镜人物、服装、产品或背景，同时保持构图、镜头运动、节奏和灯光不变，为不同市场、季节和受众产出新变体。
科技媒体 RSSAI 评分5050 可灵 4.0 短片《The Beat》播放破 500 万幕后解析
可灵 Kling 4.0 制作的短片《The Beat》社交平台曝光量突破 500 万，官方发布幕后解析。影片开场 30 秒连续长镜头依托 Kling 4.0 原生 30 秒生成能力实现，Omni Reference 单任务支持最多 15 个多模态参考，Multi-Keyframe 支持最多 10 个关键帧，并采用 10-bit HDR 输出与升级立体声音频。
Hacker NewsAI 评分2525 ViralReel：60 秒生成爆款 Hotel Lobby AI 模板视频
ViralReel 在 Show HN 发布，可让用户上传两张照片，在 60 秒内生成爆款的橙色电话亭 Hotel Lobby AI 模板视频。该工具支持自动对口型、手势与光照处理，适用于情侣、宠物和婴儿。
Hacker NewsAI 评分3636 Telegram AI 视频生成机器人：在聊天中生成 AI 视频
一款 Telegram 机器人可直接在聊天中根据文本提示词或图片生成 AI 视频，支持 Kling、Runway、Seedance、Veo、Wan、Hailuo、MiniMax 和 Grok 共 8 款模型。无需桌面软件，与机器人对话即可在数秒内获得视频。
arXivAI 评分3232 CASE：面向高效长视频智能体的成本感知停止框架
CASE 是一个即插即用的终止框架，把长视频智能体"何时看够了可以作答"的决策建模为策略条件下的序贯停止问题。它在每个因果检查点结合对已积累证据的辅助选择题评估与宿主智能体的执行状态，并从完整原生轨迹中构建成本感知目标，比较"现在作答"与"沿同一搜索路径稍后停止"的代价。
科技媒体 RSSAI 评分6262 Tavus 发布人类交互模型 Griffin，近半数测试者误认为在跟真人通话
美国 AI 视频公司 Tavus 于 10 月 1 日发布名为 Griffin 的模型，并将其定义为全球第一个人类交互模型（Human Interaction Model，简称 HIM）。
arXivAI 评分2424 几何如何进入生成运动？九款图生视频模型的几何-运动关系评测
研究固定物理定律与初始状态，仅改变首帧绘制的几何形状，将九款图生视频模型生成的轨迹与模拟器预测逐一对比。成对干预每次只改一处：局部凸起、障碍高度、提示词措辞、片段长度。结果显示几何信息被保留并塑造了运动。
arXivAI 评分3131 VideoResearchAgent：面向开放网络视频研究的任务合成与 Sim-to-Real 强化学习
VideoResearchAgent 通过可扩展的任务合成与 Sim-to-Real 强化学习，训练能在开放网络上自主发现视频、导航时序内容并基于视觉证据作答的研究智能体。现有深度研究智能体主要面向文本和图像网页，视频推理系统则通常假设相关视频已预先提供。该工作针对实时视频交互慢且不可靠、固定本地模拟易产生检索捷径而难以迁移到开放网络的问题提出解决方案。
arXivAI 评分2222 QASLR：用查询感知流式潜在推理增强长视频 VLM 嵌入
研究者提出 QASLR（Query-Aware Streaming Latent Reasoning），一个后训练框架，在固定嵌入大小下跨视频片段累积证据，解决长视频嵌入中稀疏查询相关证据难以捕捉的问题。该方法选取有界帧集合、恢复其时序顺序，并用视觉语言骨干逐片段处理，避免均匀采样漏掉短视频事件，也无需在单一上下文编码更多帧而增加内存与计算。
科技媒体 RSSAI 评分2222 Tripo 推出新动画功能：文本到动作只需几秒
Tripo 推出全新动画功能，支持从文本直接生成动作，整个过程只需几秒。该功能还提供多阶段动作能力，创作者 @justinryanio 已参与体验。
科技媒体 RSSAI 评分6262 MiniMax 发布 M3.1 Flash 模型，主打高性价比与生成速度
MiniMax 发布 M3.1 Flash 模型，在保持接近 Opus 5.5 性能的同时，以极高性价比和生成速度降低 AI 视频创作的落地门槛。作者通过手账风格、小蝌蚪找妈妈、纽约天际线等多个测试案例，展示了该模型在视觉风格一致性、角色运动流畅度和字幕叙事连贯性方面的能力。
科技媒体 RSSAI 评分2222 SenseNova 6.8 动态设计功能预览
SenseNova 6.8 Flash Preview 驱动的 Dynamic Design 功能预览显示，可将静态图像转为动态场景：沙粒旋舞、溪水流淌、鸭子游动、雪花飘落，同时保持建筑静止不动。小红书创作者 @Muzlz8888（Mr.木子李子）用该功能实现了从一张静态图像到富有律动场景的转换。
科技媒体 RSSAI 评分6262 可灵 Kling 4.0 进入封闭测试，计划今年 10 月正式发布
可灵 Kling AI 官宣 Kling 4.0 进入封闭测试，计划今年 10 月正式发布。新版本带来更稳定的动态运动、高质量立体声与更准的口型同步，支持最高 4K 分辨率与 10-bit HDR 输出，可生成最长 30 秒视频。