跳到正文
AI 资讯
今天11月19日周四2 条
  1. The Verge · AI60

    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。

11月18日周三
  1. The Verge · AI76

    Suno推出Visuals,为AI音乐生成视频和图像

    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。

  2. AIHOT69

    Suno 发布 Visuals 音乐视频与图像创作工具

    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。

11月17日周二
  1. Latent Space59

    Black Forest Labs 访谈解读 FLUX 3 的视觉智能训练思路

    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。

11月14日周六
  1. The Decoder69

    Runway 开源 Praxis-1 机器人控制模型

    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。

11月13日周五
11月12日周四
11月11日周三
11月10日周二
11月6日周五
  1. TechCrunch · AI65

    Meta向美国用户开放Muse AI智能体视频聊天功能

    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。

  2. Google DeepMind79

    Google DeepMind 发布 Gemini Omni 1.2 Flash,支持最长 15 秒视频生成

    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。

  3. AIHOT83

    Google 发布 Gemini Omni 1.2 Flash,开放至多款产品

    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》

11月5日周四
11月3日周二
11月1日周日
10月30日周五
10月28日周三
  1. Google DeepMind75

    Google DeepMind 发布 Genie 4 实时世界模型

    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。

10月27日周二
10月26日周一
  1. AIHOT61

    Kling 4.0 首日上线 Runware API,支持 30 秒 1080p 原生音频视频

    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。