美国国会推动限制强制仲裁并保护深度伪造受害者
美国国会议员在2026年底会期前推动多项法案,分别针对Roblox等平台使用强制仲裁及禁止非自愿私密深度伪造的受害者起诉权。参议员Josh Hawley与Dick Durbin提出法案,拟使涉嫌儿童性剥削或儿童网络伤害的仲裁协议无法执行,另一组议员提出覆盖数据隐私违规的类似方案。Paris Hilton称已有超过5000万人遭受性露骨深度伪造,自身遭遇了超过100000张AI生成图像和视频。
美国国会议员在2026年底会期前推动多项法案,分别针对Roblox等平台使用强制仲裁及禁止非自愿私密深度伪造的受害者起诉权。参议员Josh Hawley与Dick Durbin提出法案,拟使涉嫌儿童性剥削或儿童网络伤害的仲裁协议无法执行,另一组议员提出覆盖数据隐私违规的类似方案。Paris Hilton称已有超过5000万人遭受性露骨深度伪造,自身遭遇了超过100000张AI生成图像和视频。
Google DeepMind 开始向符合条件的 Google AI Ultra 订阅者推出新 Project Genie 体验,开放 Genie 4、Project Genie 智能体和社区画廊。
推荐理由:新体验集中展示了实时生成世界、智能体创作和社区分享的完整流程,为理解交互式世界模型的产品化路径提供了具体参考。
Suno推出Visuals功能,允许用户将歌曲生成自动对口型的AI视频片段,并根据提示词生成可作为缩略图或专辑封面的图像。Visuals支持Web、iOS和Android,用户可选择参考图像、片段长度、画面比例及首尾帧,并使用时间线拼接视频、添加歌词文字;该功能由基于MiniMax H3的H3 Move AI模型驱动。
推荐理由:Suno将音乐平台扩展到图像和视频生成,文章梳理了Visuals的使用流程、模型来源、审核措施与额外积分成本。
Suno 发布 Visuals 功能,可为歌曲生成最长 15 秒的视频片段,并支持根据歌词结构创作、唇形同步和从参考照片、提示词或预设角色开始。用户可在时间线上延长片段、调整歌词视频字体与颜色、选择时长和画幅比例,功能提供 Fast 与 Standard 两种质量档位。
Suno 发布 Visuals 创意工具,可将歌曲或灵感生成最长 15 秒的歌词视频、专辑封面和视频片段,并支持延长、编辑与文本提示。Visuals 目前上线网页版,iOS 和 Android 版本将在未来几周推出,视觉额度需单独购买。工具内置文本和图像过滤、上传前检查及嵌入水印等机制,以限制未经授权的肖像、作品和知识产权滥用。
Black Forest Labs 在访谈中介绍 FLUX 3 如何联合训练图像、视频与声音,以学习物体运动、视角变化和碰撞声音。团队认为普通二维视频可提供不同视角下物体外观的证据;其视频放大器沿用 FLUX 3 骨干,以减少逐帧增强导致的时间闪烁。FLUX Kontext 团队还分享了从关系标注实验到训练数据和模型的数月迭代,以及修复老旧家庭照片的实际用法。
Black Forest Labs 发布 FLUX 3,通过联合训练图像、视频与声音学习视觉智能,并展示运动视频生成效果。团队还介绍了基于同一 FLUX 3 backbone 的视频 upscaler,以减少逐帧增强造成的时间闪烁,并解释 FLUX Kontext 如何在编辑图像时保留其他内容。
Runway 发布 Praxis-1 机器人控制模型,以开放权重和 Apache 2.0 源码形式提供,并允许商业使用。模型接收摄像头图像、文本指令和机器人位置信息,预测环境变化并持续计算控制动作;其在 Nvidia RoboLab-120 上的成功率为 46.2%,实机十项任务共成功 88 次。
美团 LongCat 开源 LongCat-Video-Avatar 1.6,用于单人和多角色音频驱动视频生成。该版本提升了口型与音频同步、面部和身体动作协调及长视频一致性,支持生成超过 10 分钟的视频,并加入端到端推理优化。
World Labs 宣布世界模型 Atlas 面向所有用户开放,并提供应用和 API 端点。用户可用 Atlas 生成关键帧、视频片段或 3D Gaussian splats,李飞飞转发并期待用户借此构建内容。
Runway 宣布以 Apache 2.0 许可开放 Praxis-1 的权重、推理代码和微调代码,面向机器人开发者与研究人员使用。该模型是一个 27B 参数的 MoE 扩散 Transformer,在 RoboLab-120 上取得 46.2% 成功率,并可通过 GitHub、Hugging Face、vLLM-Omni 和 Runway Dev 获取。
Adobe 在 Max 大会上展示 Project Screen Test、Project Sight Span、Project Sound Bender 和 Project Rinse Repeat,分别探索角色对话式试镜、照片转 3D 场景、AI 音效混音与照片编辑复制。
Nvidia在GR00T 2研究报告中提出世界-动作模型,通过预测机器人即将看到的画面,将人类动作迁移到机械臂并生成相应控制指令。系统使用约400,000小时头戴摄像头视频训练,实验室任务成功率为10%至80%,部分任务经过不到3分钟常规训练后成功率由40%提升至95%。
Amazon旗下Ring成立机器人部门,并发布家用无人机Ring Drone Cam和企业安防机器人Ring Rover Cam。两款设备均采用Ring的自研AI Pilot,可结合视觉模型、传感器和云端处理自主巡检;Drone Cam支持2K夜视及Alexa Home Map控制,Rover Cam支持4K视频、人体检测录像、潜望摄像头和双向音频。
Adobe 在迈阿密 MAX 活动公布 Photoshop、Premiere、Illustrator、InDesign 和 Firefly 的 AI 功能更新,包括 Builder 原型设计工具、品牌图表生成、局部图像编辑和视频素材组装工具。
Adobe 在 Adobe Max 2026 更新 Creative Cloud 应用和 Firefly AI,新增对象移除、音频分离、图像修复及自动化工作流等能力。
数字生命卡兹克实测Claude Fable 5.2,考察视频动效、Three.js 3D场景和苹果静安店3D网页等10个任务。全部结果均一次直出,作者未在生成视频中发现事实错误。
Claude Fable 5.2 已上线 Higgsfield MCP,用户可免费不限量使用全部顶级视频和图像模型 3 天。Higgsfield 称这款 Anthropic 新模型擅长 3D 建模、视觉推理、computer use 和编码;引用内容还提到 Claude Fable 5.2 与 Claude Mythos 5.2 在编码、推理和视觉方面有提升。
Meta宣布,Muse Voice现已面向美国所有用户开放,用户可以通过视频或语音与Meta的消费级AI智能体Muse聊天。该功能由Muse Realtime Avatar和Muse Realtime Voice技术支持,支持定制人物、动物或其他角色形象,并可通过细微表情和手势配合对话;目前覆盖移动端、网页和Mac,后续将支持AI眼镜及Muse Charm硬件设备。
Google DeepMind 宣布 Gemini Omni 1.2 Flash 视频生成模型正式推出,生成的视频片段最长可达 15 秒,720p 视频价格降至每秒 $0.07。模型支持通过对话逐步修改背景、光线和画面比例,并可通过 Gemini API、Google AI Studio、Flow 等渠道使用,所有生成视频都带有 SynthID 水印。
Google DeepMind 开始推出 Gemini Omni 1.2 Flash,并通过 Gemini API 和 Gemini for business 正式全面开放。
Google DeepMind 开始推出 Gemini Omni 1.2 Flash,新增原生 15 秒视频生成、多轮对话式编辑和增强的参考图遵循能力。该版本支持 3 至 15 秒时长选择,720p 视频价格降至每秒 $0.07,较 Gemini Omni 1.1 降低 30%。
推荐理由:文章说明了 Gemini Omni 1.2 Flash 的时长、价格和编辑能力变化,并给出其在 API 与多款 Google 产品中的可用范围。
Google 宣布 Gemini Omni 1.2 Flash 从今日起在 Google Cloud、Flow、Google Vids、Google Ads、Google AI Studio 和 Gemini API 上推出。Gemini App 同时面向所有 Google AI 订阅者开放,Ultra 订阅者可生成 15 秒片段,详情见 http://goo.gle/4kzWTi3。
同一件事,精选收录的是《Google DeepMind 发布 Gemini Omni 1.2 Flash,支持最长 15 秒视频生成》
AI工作室Fable制作的科幻电影《Gods Don’t Give Gifts》加入Grimes,她将贡献肖像和声音表演,影片计划于12月4日在影院上映。影片被宣传为首部进入影院放映的AI电影,导演为Jack London,设定于身体可抛弃、意识被商品化的未来世界。
可灵AI 宣布 Kling 4.0 Flash 现已向所有用户全面开放,可通过 Kling AI 官网和 API 使用。该模型也支持通过 MCP、CLI 及 AI 插件接入,并可在 Adobe Photoshop、Premiere Pro 和 After Effects 中通过可灵插件调用,入口为 klingai.com。
Google将实验性AI应用Dreambeans扩展到印度,这是该应用在美国之外的首个市场,支持包括印地语、旁遮普语、泰米尔语、泰卢固语和孟加拉语在内的13种本地语言及英语。
Figma 发布 Weave 创作平台,以节点化工作流连接 Figma Design 与图像、视频生成及编辑流程。创作者可从同一素材建立不同分支、比较多个 AI 模型的结果,并将工作流封装为可由团队复用的 Weave tool,社区发布功能也已上线。
Google、Stanford、Oxford 等机构研究人员提出 StreamVibe,使视频智能体区分明确、隐含和变化中的用户意图,并自主决定保持沉默或提供帮助。
Pika Labs 基于 MiniMax H3 进行后训练,推出并开源视频生成模型 Pika H3 Flex。该模型将采样步数从 50 步压缩至 6 步,生成时间大幅降低,同时生成质量有所提升。
腾讯混元发布 Hy-Nomas 开源交互式视频世界模型技术报告(arXiv:2610.36729),并开源 Hy-Nomas-Bench 数据集以支持可复现研究。官方还使用 Hy-Nomas 重现 Genie 4 示例并发布对比视频,读者可通过 https://hy-nomas.hy.tencent.com/ 无需排队试用。
Google DeepMind 发布 Genie 4 世界模型,支持原生多模态生成与实时交互式世界模拟。模型结合 Gemini Omni、Gemini 3.8 Flash 等能力,可生成环境音效和交互对话,并模拟物理现象、人物动作及多步骤事件。
推荐理由:原文同时呈现了 Genie 4 的能力边界与可信测试反馈,便于理解实时世界模型当前的可用范围。
Apple 推出 Apple Creator Studio 更新,Final Cut Pro 集成 MotionVFX,Logic Pro、Pixelmator Pro 及 Keynote、Pages、Numbers 增加智能助手、图像生成与 MCP 支持。
Krea 发布 Krea for Adobe Premiere 插件,开放用户体验。用户无需离开时间线即可完成故事板、生成视频和添加音效。
Runware 宣布 Kling 4.0 发布首日上线其 API,可生成最长 30 秒的 1080p 视频,并支持原生音频。单个请求最多输入 15 个关键帧、参考图、参考视频或元素,也可基于提示词编辑已有片段,价格自 $0.133 每秒起,未来 7 天常规定价享 15% 折扣,已有用户可将模型 ID 切换为 klingai:kling-video@4.0。