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。
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。
最新精选
第 1–6 条 · 共 6 条Google DeepMind精选AI 评分6262
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。
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。