在 SageMaker AI 上用 vLLM-Omni 生成图像与视频（第二部分）
这篇教程演示在 Amazon SageMaker AI 上用同一个 AWS vLLM-Omni DLC 部署两个端点：实时端点运行 FLUX.2-klein-4B 生成图像，异步端点运行 Wan2.1-VACE-1.3B 将图像生成为视频，MP4 结果存入 Amazon S3。
#视频
#视频
今日 0 条AWS Machine Learning BlogAI 评分4242
Google ResearchAI 评分5858 Google Research 推出 AI 视频 Co-Director 多智能体框架，生成连贯的分钟级长视频
Google Research 发布 AI 视频 Co-Director 研究，在 Gemini 与 Veo 之上构建统一多智能体框架，通过全局优化与世界状态追踪生成连贯的分钟级多镜头视频。
OpenAI NewsAI 评分2121 invideo 如何借助 GPT‑6 Astra 将调色效率提升 3 倍
invideo 使用 GPT‑6 Astra 提升视频编辑精度，色彩校正与调色效率提升三倍，并可在一天内制作 50 个自定义特效。
OpenAI NewsAI 评分2222 Higgsfield AI 借助 GPT-6 Astra 一天内上线新视频功能
Higgsfield AI 使用 GPT-6 Astra 在一天内推出新的视频功能，为小企业简化视频广告制作，并更快地将新创意工具推向市场。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Gemini Omni 1.1 Flash，强化生成视频创作控制
Google DeepMind 发布 Gemini Omni 1.1 Flash，通过 Gemini API 和 Google AI Studio 面向开发者提供更可控的生成视频能力。
推荐理由：官方发布了能力细节和 API 用法，开发者可以据此评估它在视频生成工作流中的可控性和成本。
Google DeepMindAI 评分4848 Google DeepMind 与 A24 宣布首个此类研究合作
Google DeepMind 与 A24 宣布达成首个此类研究合作，围绕多个项目展开长期研发协作，帮助电影人开发新的工作流程与技术。Google 同时对 A24 进行了投资。双方将共同测试、迭代并构建新工具，以拓展未来娱乐创作的可能性。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）和 Gemini Omni Flash（gemini-omni-flash-preview）。
推荐理由：官方同时给出两款模型的定价、延迟数字和已知限制，开发者可以直接据此评估是否替换现有图像与视频工作流。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini Omni Flash 多模态视频生成模型
Google DeepMind 发布 Gemini Omni 系列首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本输入生成视频，并支持自然语言多轮编辑。
推荐理由：官方说明了视频生成与对话式编辑的具体能力和订阅范围，读者可以据此判断它是否适配现有创作流程。
Hugging Face Blog精选AI 评分6666 NVIDIA 发布 Nemotron 3 Nano Omni 全模态模型，覆盖文档、语音、视频与 GUI 智能体
NVIDIA 发布 Nemotron 3 Nano Omni（30B-A3B）全模态理解模型，支持文档分析、ASR、长音视频理解和 agentic computer use，并在 Hugging Face 开放 BF16、FP8 和 NVFP4 权重。
推荐理由：原文给出完整基准对比和架构细节，读者可以据此评估它是否值得替换现有的多模态工作流。
Hugging Face Blog精选AI 评分6565 Overworld 发布实时视频世界模型 Waypoint-1.5，消费级 GPU 可本地运行
Overworld 发布实时视频世界模型 Waypoint-1.5，权重已上传 Hugging Face。在 RTX 3090 至 5090 桌面硬件上可实时生成最高 720p、60 FPS 的交互环境，另提供面向游戏笔记本等更广消费级硬件的 360p 档位，Apple Silicon 支持即将推出。
推荐理由：原文给出两档模型的具体硬件门槛、帧率分辨率和约百倍数据训练规模，读者可据此判断自己的设备能否本地运行。
OpenAI NewsAI 评分3939 OpenAI 以安全为核心构建 Sora 2 与 Sora 应用
OpenAI 表示，Sora 2 视频模型和 Sora 社交创作应用在开发之初就以安全为基础设计，以应对最先进视频模型和全新社交创作平台带来的新型安全挑战。其安全方案依托具体、明确的保护措施构建。
OpenAI NewsAI 评分1717 Sora 信息流的设计理念
OpenAI 阐述了 Sora 信息流的设计理念：通过个性化推荐激发创作、促进连接，同时保障使用安全。平台配备家长控制和严格的防护机制，让用户体验在创造力与安全之间保持平衡。
OpenAI NewsAI 评分2424 Higgsfield 如何用 GPT-4.1、GPT-5 和 Sora 2 把简单创意变成电影感社交视频
创作平台 Higgsfield 借助 OpenAI 的 GPT-4.1、GPT-5 和 Sora 2，让创作者用简单的输入生成电影质感、面向社交平台的视频。该方案面向内容创作者，降低了影视化视频制作的门槛。
Google DeepMindAI 评分5959 Google DeepMind 更新 Veo 3.1 Ingredients to Video，新增竖屏输出与 4K 放大
Google DeepMind 更新 Veo 3.1 Ingredients to Video，提升基于参考图生成视频的表现力、角色身份一致性和背景与对象一致性。
OpenAI NewsAI 评分3636 OpenAI 以安全为先负责任地推出 Sora 2 与 Sora 应用
OpenAI 发布 Sora 2 视频模型与 Sora 应用，并将安全措施作为产品基础，以应对先进视频模型和新社交创作平台带来的新型安全挑战。该方案以具体保护措施为锚点，强调在发布过程中对安全问题的重视。
OpenAI News精选AI 评分7676 OpenAI 发布 Sora 2 视频生成模型
OpenAI 发布 Sora 2，一个支持同步对话与音效的视频生成模型。同时原文提到 Sora 产品已不再可用。
推荐理由：官方宣布 Sora 2 带同步对话与音效的视频生成能力，读者可借此了解其与此前版本的能力差异。
OpenAI News精选AI 评分7474 OpenAI 发布 Sora 2 视频与音频生成模型
OpenAI 发布新一代视频与音频生成模型 Sora 2。相较初代 Sora，新模型具备更准确的物理表现、更强的真实感、同步音频、更高的可控性和更广的风格范围。
推荐理由：官方说明列出 Sora 2 在物理准确性、音画同步和可控性上的能力变化，可帮助读者比较视频模型迭代方向。
OpenAI NewsAI 评分2121 Invideo AI 使用 OpenAI 模型将视频创作速度提升 10 倍
Invideo AI 使用 OpenAI 的 GPT-4.1、gpt-image-1 和 text-to-speech 模型，将创意构思转化为专业视频，速度提升 10 倍，几分钟即可完成。
Hugging Face BlogAI 评分5252 Hugging Face 发布视频生成数据集构建工具与脚本
Hugging Face 作者 hlky 和 Sayak 开源了一套视频生成数据集构建工具，覆盖获取、过滤和处理三阶段，使用 yt-dlp 下载、LAION-5B-WatermarkDetection 检测水印、OpenCV 评估运动，并用 Florence-2 生成多种字幕。
Hugging Face BlogAI 评分3737 Hugging Face《AI 艺术工具通讯》创刊：回顾 2024 AI 艺术里程碑
Hugging Face 推出《AI 艺术工具》通讯第一期，回顾 2024 年 AI 艺术领域的关键进展。
OpenAI News精选AI 评分8080 OpenAI 发布视频生成模型 Sora，已上线 sora.com
OpenAI 宣布视频生成模型 Sora 上线，用户可在 sora.com 使用。支持生成最高 1080p、最长 20 秒的视频，可选宽屏、竖屏或方形比例，还可导入自有素材进行扩展、混剪与融合，或从文本生成全新内容。
推荐理由：官方公布视频生成的分辨率、时长与素材混用方式，读者可据此判断是否把 Sora 纳入现有视频创作流程。
OpenAI NewsAI 评分2727 Vallée Duhamel 谈用 Sora 构建新世界
电影制作组合 Vallée Duhamel 分享了他们如何借助 OpenAI 的 Sora 创作影像、构建新世界。该内容以 OpenAI News 的形式发布了这对双人组对 Sora 辅助电影制作流程的说明与创作经验。
OpenAI News精选AI 评分6767 OpenAI 发布 Sora 视频生成模型系统卡
OpenAI 发布 Sora 视频生成模型的系统卡。Sora 接受文本、图像和视频输入并生成新视频，建立在 DALL-E 和 GPT 模型的经验之上，旨在为人们的叙事和创意表达提供更多工具。
推荐理由：官方系统卡说明了 Sora 的输入输出形式和模型来源，读者可以据此了解其能力定位。
OpenAI NewsAI 评分1717 OpenAI 早期试用印象：Sora first impressions
自 Sora 上月亮相以来，OpenAI 一直与艺术家合作，探索 Sora 如何辅助他们的创作过程。 (注：正文仅一句话，摘要按原文事实压缩，未添加任何细节。标题中"OpenAI"为来源明确给出的主体，"初体验/印象"保留原标题的 impressions 类型，不改为"发布"。)
OpenAI News精选AI 评分8080 OpenAI 发布视频生成模型 Sora，探索视频生成模型作为世界模拟器
OpenAI 发布视频生成模型 Sora，在可变时长、分辨率和宽高比的视频与图像上联合训练文本条件扩散模型，并采用作用于时空 patch 的 Transformer 架构。Sora 可生成一分钟高保真视频，OpenAI 认为扩大视频生成模型规模是构建通用物理世界模拟器的可行路径。
推荐理由：官方说明 Sora 的技术路线和可生成一分钟视频的能力，适合关注视频生成与世界模拟器方向的读者。
Hugging Face BlogAI 评分3333 🤗 Diffusers 库发布一周年
Hugging Face 的 🤗 Diffusers 扩散模型库迎来一周年，回顾了一年来的主要功能更新。
Hugging Face BlogAI 评分4545 Hugging Face 构建 AI WebTV：用开源文生视频模型打造实验性直播流
Hugging Face 推出实验性演示 AI WebTV，循环播放由开源文生视频模型 Zeroscope（zeroscope_v2_576 生成 576x320、zeroscope_v2_XL 放大至 1024x576）生成的短视频，配乐由 MusicGen 生成，提示词由 ChatGPT 根据人工撰写的主题生成。
Hugging Face Blog精选AI 评分6161 Hugging Face 深入解析文本生成视频模型的现状与实践
Hugging Face 发布博客，梳理文本生成视频模型从 GAN、Transformer 到扩散模型的演进脉络，并对比文本生成图像任务解释其在计算成本、数据集和视频描述上的挑战。
推荐理由：系统梳理了文本生成视频模型的技术演进、数据集挑战与代表工作，并给出 Diffusers 上的可复用代码与演示入口。
OpenAI NewsAI 评分1717 微调 GPT-3 以规模化视频创作
OpenAI 通过微调 GPT-3 来驱动并规模化"全托管"视频创作服务。微调后的模型用于提升自动化视频生成的能力与可扩展性。