跳到正文

#视频

今日 0 条
9月25日周五
  1. Google Research50

    Google Research 介绍自动生成连贯长视频的 AI 协同导演框架

    Google Research 介绍基于 Gemini 与 Veo 的 AI 视频协同导演，用多智能体编排规划多镜头长视频的视觉连续性。该套件包括将于 COLM 2026 发表的 Co-Director、将于 EMNLP 2026 发表的 CANVAS，以及 A²RD 与 VQQA，分别处理创意配置、持久视觉记忆、分段生成和提示词闭环修正，并继承 SynthID 水印。

  2. Google DeepMind60

    Gemini 3.8 Live 推出 Live Avatar，为企业对话加入近实时视频形象

    Gemini 3.8 Live 即日起在 Gemini Enterprise 提供 Live Avatar，把近实时视频生成与语音结合，为对话带来可听、可看、可说的动态视觉形象。

    推荐理由：Live Avatar 把近实时视频形象接到 Gemini 3.8 Live 语音对话中，使企业能在不中断交流的情况下后台调用工具并跨 97 种语言同步口型与表情。

9月2日周三
  1. Google DeepMind69

    Gemini 3.7 Flash 等模型上线智能体式视频理解

    Google DeepMind 今天在 Gemini 3.7 Flash、3.6 Flash 与 3.5 Flash-Lite 上线智能体式视频理解，视频分析的 token 消耗最多降低 88%，成本最多降低 66%，准确率最多提升 7%。

    推荐理由：智能体模式让模型按目标选择画面、音频或文字稿并只读取所需片段，长视频分析不必再整段按固定帧率消耗大量 token。

8月28日周五
  1. Google DeepMind63

    Google DeepMind 推出 Gemini Omni 1.1 Flash，强化生成视频控制

    Gemini Omni 1.1 Flash 现已推出，开发者可通过 Gemini API 做场景延续、首尾帧插值和最高 4K 放大。场景延续能分析最多 10 秒前文，而不只参考最后 1 秒，并按 10 秒一段把视频延到累计 40 秒；360p 预览成本为标准 720p 的三分之一，生成最高快 60%，成片可输出 1080p 或 4K。

    推荐理由：开发者现在可以用最多10秒前文把已有视频按10秒一段延续到累计40秒，再以360p三分之一的成本和最高快60%的速度试稿后放大到4K。

8月12日周三
  1. Google Research67

    Google Research 推进 AMIE 实时视频问诊，模拟研究中与全科医生评分相当

    Google Research 展示基于 Gemini 与 Project Astra 的 AMIE（Video），在100个情景、300次模拟实时视频问诊中，被20名全科医生评为在病史采集、诊断准确性、处置适当性和沟通质量上与10名视频问诊全科医生相当。

    推荐理由：随机研究把AMIE视频版、纯文本版和全科医生放在同一评分框架下，从而呈现视听观察和虚拟查体的评分差异以及演员模拟边界。

7月1日周三