changed-files 是一个 GitHub Action,用于跟踪分支相关的更改文件,支持多种匹配模式。awesome-sysadmin 提供适合 IT 专业人士的系统管理工具资源。Streamer-Sales 是一款卖货主播大模型,具备多种功能。MagicEdit 是高保真的视频编辑工具,支持多种编辑应用。prompt2model 能根据自然语言生成小型模型。
火山引擎推出AI MediaKit理解式视频编辑引擎,采用自研ReFM残差流匹配作为修复主干,解决字幕擦除难题。该方案通过多模态语义理解区分应擦除的后期叠加文字与应保留的场景固有文字,以残差编辑替代从噪声重建,结合局部与全局引导及Latent精准回贴,实现4步采样下的无痕修复。支持50多种语种,适配批量生产与多算力部署。
清华大学与生数科技推出 Vidu S2,包含 Avatar 和 Editing 两个模型,支持实时 720p 数字人生成、动态参考图更新、视频流风格迁移、虚拟试穿、人物与背景替换,以及实时空间视频生成。本周还推荐了 NCP-ArchPreview、SenseNova-U1.5、Benchmark Radar、Atria Dawn、Dream-RSI 等 8 篇 AI 前沿论文。
生数科技发布Vidu S2,包含Avatar和Editing两个模型。Avatar数字人支持语音控制动作、实时接收参考图,分辨率提升至720p;Editing支持视频边播边换装、换人、换背景、换画风,并支持实时空间视频。模型采用两阶段架构、时间戳对齐与强化学习,发布即全量开放。
DaVinci Resolve 21.1发布,为Linux用户带来重大更新,新增AI助手集成,支持Claude、ChatGPT Codex等工具,可整理媒体、批量渲染和删除片段,同时改进多机位工作流和图形工具,扩展摄像机支持,是原生Linux视频编辑的领先方案。
OpenShot 4.0 正式发布,主要升级至 Qt6 工具包,带来大量代码调整和界面改进,如新增录制视图、音频录制面板及实时多资源录制时间线预览。同时加入音频降噪、阴影发光效果、分析视图、胶片颗粒预设、YOLOv5 对象检测等新功能,并优化了 Windows 版本。用户可在 GitHub 获取源码和二进制文件。
MiniMax H3是2026年8月发布的通用多模态视频生成模型,能理解文本、图像、视频和音频,根据描述生成最高2K分辨率、15秒时长、带立体声的视频。它支持文本生成、图像参考、视频编辑等多种方式,引入多项技术提升质量和效率,可应用于广告、电商、影视等领域。HyperAI平台已支持在线体验和部署。
Google Flow推出Gemini Omni 1.1 Flash更新,新增视频编辑功能:支持起始和结束帧控制,保持角色叙事一致;可导出1080p或4K高清视频;支持360p快速草稿预览,再升级至720p下载。这些功能现已上线,旨在帮助创作者制作更精致、专业的视频。
Google DeepMind推出Gemini Omni模型,首个版本Omni Flash支持通过对话生成和编辑视频,简化创作流程。团队访谈强调其多功能性,未来将不断改进,潜力无限。
谷歌发布Gemini Omni Flash模型,支持通过对话生成和编辑视频,可切换视角、改变场景、动画化物体、应用不同风格。开发者已展示多种应用,如多角度拍摄、日夜转换、草图动画化等。该模型结合物理理解与真实世界知识,输出更逼真,现已在Gemini应用、Google Flow等平台开放使用。
字节跳动Seedance 2.5现已在AI Gateway上线,可生成最长30秒视频,支持镜头运动与连续性,无需后期拼接。支持文本、视频、图像和音频输入,可编辑已生成视频,支持十多种语言提示。提供代码示例展示视频生成、图像引用和视频编辑功能。
WebCut正在开发AI剪辑功能,用户可以通过对话进行视频编辑,无需界面操作。这一功能将提取WebCut的操作作为工具,确保系统灵活扩展,提升用户体验。
Google Photos推出了Video Remix功能,用户可以轻松将普通视频转变为精彩瞬间。该功能提供多种模板,支持电影级重光、背景更换和艺术效果。目前已向部分Google AI Plus、Pro和Ultra订阅用户推出。
FFmpeg在移动端集成面临交叉编译、JNI桥接和API复杂性等挑战。本文介绍了如何使用Claude Code创建跨平台的FFmpeg视频编辑封装,支持裁剪、旋转、缩放和倍速播放等功能,简化命令行操作,并提供了Android和iOS的具体实现示例及注意事项。
X平台推出新的视频编辑和录制工具,旨在减少用户盗用视频的现象。新工具包括多语言字幕和绿幕功能,鼓励原创内容创作,并提高不发布重复内容创作者的曝光率。
谷歌推出了Nano Banana 2 Lite和Gemini Omni Flash两个新模型,旨在加速图像生成和视频编辑。Nano Banana 2 Lite是高效的图像模型,适合高吞吐量需求;Gemini Omni Flash支持高质量视频生成和对话式编辑,允许用户通过自然语言修改视频。这两个模型结合使用,可实现快速的多媒体创作。
谷歌推出了Nano Banana 2 Lite和Gemini Omni Flash两个新模型。Nano Banana 2 Lite是一款高效的图像生成工具,适合快速原型设计;Gemini Omni Flash则支持视频生成和编辑。两者结合可提升多媒体创作的开发效率。
浙江大学和腾讯团队提出了JAVEdit-100k数据集及评测基准JAVEditBench,填补了音视频联合编辑的空白。研究表明,JAVEdit在评测中表现优异,音视频同步性提升26%。该工作为多模态编辑提供了高质量资源,并指出音频基础模型的不足,未来需加强音频编辑能力。
六月Pixel更新推出新功能,包括实时屏幕反应、视频编辑工具Gemini Omni、音乐生成和浮动窗口多任务处理。Voice Translate功能扩展至Pixel 10a,支持多语言实时翻译。紧急共享功能增强,自动通知紧急联系人。Google Photos新增“Ask Photos”功能,用户可通过自然对话编辑照片。
字节推出了开源视频生成与编辑框架Bernini,强调“先理解再生成”。该框架利用多模态大模型进行语义理解,并通过扩散模型实现高质量渲染,解决视频编辑中的一致性和自然性问题。Bernini支持多种编辑选项,如天气、风格和焦点,能够处理复杂视觉效果,提高创作的可控性和稳定性。
完成下面两步后,将自动完成登录并继续当前操作。