从高拟真到真可用，LongCat-Video-Avatar 1.5 正式开源
美团技术团队2226 字 (约 9 分钟)
92
LongCat-Video-Avatar 1.5 开源版本在唇形同步、物理合理性、长视频稳定性等方面实现显著提升，支持复杂商业场景下的高质量数字人视频生成。
入选理由：采用 Whisper-large 编码器，提升唇形同步与动作稳定性。
精选文章#数字人#视频生成#AI模型#开源项目#美团中文
traeai 主题雷达
AI 视频生成、Website-to-Video 与内容自动化
关注 HeyGen、HyperFrames、网页转视频、数字人、视频生成模型与内容生产工作流。
搜索用户通常想解决什么
想了解网页、文章和产品内容如何自动生成视频，以及 AI 视频工具的最新能力。
为什么值得持续追踪
内容分发正在从图文扩展到视频，Website-to-Video 是 traeai 知识库的重要增长方向。
AI 视频视频生成HeyGenHyperFramesWebsite-to-Video网页转视频数字人video generation
长尾组合
这个主题可以沿着工具、实践、对比等搜索意图持续扩展，不靠空壳换词，而是用真实材料更新。
AI 视频 工具AI 视频 实践AI 视频 对比视频生成 工具视频生成 实践视频生成 对比HeyGen 工具HeyGen 实践
可自动化内容模块
精选材料
持续抓取与 AI 视频 相关的高分文章、播客、视频和推文。
趋势判断
把最近变化、反复出现的观点和争议点整理成稳定摘要。
实体关联
自动连接相关公司、模型、产品、人物和概念，形成可继续深挖的入口。
精选内容
按相关度、评分和更新时间筛出的可读内容。
#569. 深入 xAI：三个月打造 Grok Imagine、视频生成与世界模型之争，以及视频智能体
跨国串门儿计划3591 字 (约 15 分钟)
88
前Nvidia研究员解析xAI如何三个月打造Grok Imagine，揭示视频生成模型的训练链路、世界模型定义及Video Agent未来趋势。
入选理由：xAI在三个月内从零构建出Grok Imagine 0.9，关键在于人才密度、高效infra和低沟通成本。
精选播客#AI#视频生成#世界模型#深度学习中文
字节开源统一框架Bernini：给DiT配个“大模型军师”，AI视频编辑先理解再动手
量子位3715 字 (约 15 分钟)
87
字节跳动开源统一视频生成与编辑框架Bernini，通过多模态大模型（MLLM）先理解语义指令并规划，再由DiT扩散模型执行高质量渲染，实现从“听指令”到“先理解再动手”的AI视频创作范式升级，支持天气、风格、动作、视角等可控编辑及参考图/视频生成。
入选理由：Bernini采用MLLM-based planner + DiT-based renderer双阶段架构，实现语义理解与视觉生成的解耦。
精选文章#AI视频生成#视频编辑#Bernini#DiT#多模态大模型中文
Seedance 2.0 最强对手偷跑了
爱范儿2243 字 (约 9 分钟)
87
Google 推出 Gemini Omni 视频生成模型，实测在文本连贯性与物理逻辑还原上超越 Seedance 2.0，支持视频编辑与内容重混，虽短暂泄露后消失，但已引发行业震动。
入选理由：Gemini Omni 在数学板书视频中实现文本完全一致，解决 AI 视频长期存在的文字渲染缺陷。
精选文章#Google#Gemini#AI视频生成#Seedance 2.0#Omni中文
你的代理现在可为视频使用材质与着色器
Paul Couvert(@itsPaulAi)242 字 (约 1 分钟)
87
HyperFrames 支持通过 `npx hyperframes add <name>` 命令一键调用材质与着色器，助力 OpenClaw/Hermes 等 AI 代理高效生成视频内容。
入选理由：HyperFrames 支持 `npx hyperframes add <name>` 一键添加材质与着色器。
精选推文#HyperFrames#AI 视频#CLI 工具#着色器#材质英文
跨维智能DexWorldModel斩获榜首，世界模型真正的考场在机器人执行里
量子位5048 字 (约 21 分钟)
87
跨维智能DexWorldModel以机器人任务成功率为核心指标重构世界模型评价体系，通过四层协同架构解决表示、记忆、推理与数据瓶颈，推动具身智能从视频生成走向真机闭环执行。
入选理由：世界模型应以机器人任务成功率而非视觉质量为评价标准，避免指标错位导致落地失效。
精选文章#具身智能#世界模型#机器人#DexWorldModel#AI架构中文
HTML Is All Agents Need — James Russo, HeyGen
AI Engineer3384 字 (约 14 分钟)
85
HTML是LLM生成视频的原生语言，HeyGen通过Hyperframes技术实现多层视频构建，无需自定义DSL。
入选理由：HTML/CSS/JS是LLM的原生语言，适配性优于自定义DSL
精选视频#HTML#视频生成#LLM#HeyGen#前端中英混合
快一点！再快一点！快到世界能实时生成｜和生数科技张金涛聊：Vidu S1、推理加速、实时交互视频
十字路口Crossing2034 字 (约 9 分钟)
85
生数科技张金涛团队通过SageAttention、TurboDiffusion和TurboServe实现Vidu S1实时交互视频生成，生成速度超过播放速度。
入选理由：SageAttention使端到端推理速度提升一倍，仅需修改一行代码。
精选播客#推理加速#Vidu S1#SageAttention#TurboDiffusion#实时交互视频中文
Director by OpenArt
Riley Brown230 字 (约 1 分钟)
85
OpenArt推出的AI视频工具Director通过‘vibe directing’技术，实现连续视频生成，提升创作效率。
入选理由：Director支持生成长达5分钟的连续视频，无需拼接片段。
精选视频#AI视频生成#OpenArt#Director#创意工具英文
我和「二次元老公」约上会了！全球首个可以玩的实时交互模型，Xmax X2.0发布
量子位4303 字 (约 18 分钟)
85
Xmax X2.0实现毫秒级实时交互，支持角色替换、次元生物召唤等创新功能，通过流式生成架构突破视频模型性能瓶颈。
入选理由：X2.0实现960P@24fps实时渲染，延迟压缩至毫秒级
精选文章#AI模型#实时交互#Xmax X2.0#视频生成中文