Google 的 Gemini Omni 支持用对话编辑视频，用户可在多轮提示中重新构想动作、改变视角或调整光线。每次指令都会基于上一条，让角色保持一致、物理表现成立，并让场景记住先前内容。
推荐理由：原文给出多轮对话编辑视频的交互方式，读者可以了解角色一致性和物理表现在连续指令下的处理。
AI 视频
全部主题AI 视频生成与理解：文生视频模型、视频编辑工具与影视创作变革的追踪。
当前仅显示精选新闻最新精选
第 61–68 条 · 共 68 条@Google@google精选AI 评分6868 @berryxia@berryxia精选AI 评分6565 引用Yukang Chen (@yukangchen_)@yukangchen_🚀 Excited to release LongLive 2.0! 🎬 An end-to-end infrastructure for long video generation, with FP4 and parallelism at the core of both training and inference. ⚡45.7 FPS generation speed on 5B model⚡ ✨ LongLive 2.0 supports real-video training, few-step distillation, multi-shot training/inference, sequence-parallel acceleration, NVFP4 KV cache, and async VAE decoding deployment. 🧩 To our knowledge, this is the first open-source 4-bit long video generation infra that covers both training and inference. 🙌 Welcome to check it out, try it, and share feedback! 🔗 Code: github.com/NVlabs/LongLive 📰 Paper: huggingface.co/papers/2605.1… 🎥 Demo: nvlabs.github.io/LongLive/Lo… #LongVideoGeneration #VideoGeneration #Realtime #AIInfra #EfficientAI #FP4 #Parallel #NVIDIA Video
推荐理由：开源方案把 FP4 量化与并行加速同时用在训练和推理，读者可据此了解长视频实时生成的技术路线。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini Omni Flash，支持任意输入生成视频
Google DeepMind 发布 Gemini Omni 系列首个模型 Gemini Omni Flash，可将图像、音频、视频和文本组合为输入生成高质量视频。
推荐理由：官方宣布 Omni 家族首个模型，列明对话式改视频、物理理解、多输入融合等能力与各端开放范围，可据此评估对视频创作流程的影响。
Runway News精选AI 评分6464 Runway 发布 Runway Agent，对话式生成可发布的成片视频
Runway 推出 Runway Agent，一个智能体创意伙伴，可在单次对话中从想法产出可发布的成品视频，包含多镜头画面、旁白、对白和音乐。用户用自然语言描述需求，可上传参考图、选择画幅比例和时长，逐步对话确定概念与故事结构后生成视频，再用时间线编辑器做最终调整，官方称可在数分钟内产出高分辨率多镜头视频。产品面向品牌团队、营销人员、创意机构、社媒内容团队和影视创作者，现已开放使用。
推荐理由：Runway 官方宣布 Agent 上线并给出工作方式与适用场景，读者可以据此判断对话式视频生产对内容团队的适用度。
FireRedTeam GitHub 新仓库精选AI 评分6060 FireRedTeam 开源 FireRed-OpenStoryline 对话式视频创作工具
FireRedTeam 在 GitHub 开源 FireRed-OpenStoryline，通过自然语言对话完成视频创作，2026-02-10 正式开源，采用 Apache License 2.0。
推荐理由：官方仓库给出完整功能清单、架构说明和安装方式，读者可以据此判断它是否适配自己的视频创作流程。
ElevenLabs Blog精选AI 评分6161 ElevenLabs 推出 Image & Video（Beta），整合图像视频生成与语音制作
ElevenLabs 发布 Image & Video（Beta），在单一平台内整合图像与视频生成能力。可使用 Veo、Sora、Kling、Wan、Seedance 等模型生成视频，用 Nanobanana、Flux Kontext、GPT Image、Seedream 生成图像，并支持放大和用 ElevenLabs 语音添加 lipsync。
推荐理由：官方发布介绍了平台内聚合多家视频与图像模型并接续语音制作的完整流程，读者可以据此评估能否把现有分散的创作环节合并到一处。
Sam Altman Blog精选AI 评分6565 Sam Altman 宣布 Sora 首次更新，将给版权方更多角色控制并试点收入分享
Sam Altman 宣布 Sora 将进行两项调整：一是给版权方更细粒度的角色生成控制，类似肖像的 opt-in 模式，并特别提到用户与日本内容的深度连接；二是因用户视频生成量超出预期，计划很快开始与希望其角色被生成的版权方分享部分收入。他表示具体模式仍需试错，Sora 的迭代速度会很高，类似 ChatGPT 早期。
推荐理由：原文给出版权方控制机制和视频生成收入分享两项具体调整方向，读者可以据此了解 Sora 的治理与商业模式走向。
Sam Altman Blog精选AI 评分8383 OpenAI 发布 Sora 应用与 Sora 2 视频模型
OpenAI 发布 Sora 应用，结合新视频模型 Sora 2，提供视频创作、分享和观看功能，并支持把用户和朋友放入视频的 cameo 特性。团队已部署深度伪造防范、有害内容防护和用户情绪定期检查等缓解措施，并提出优化长期用户满意度、让用户控制 feed、优先创作和帮助长期目标四项产品原则。
推荐理由：原文来自当事方，给出了产品定位、cameo 功能和防沉迷设计原则，读者可据此判断其与常见短视频产品的差异。