Mise-en-Video 提出多镜头视频生成的细粒度 3D 控制框架
arXiv 论文提出 Mise-en-Video（MeV），一个让创作者先在 3D 空间里编排分镜、再生成多镜头视频的框架。它把用于多级叙事一致性的分层注意力机制与 3D 感知的布局引导结合，实现逐镜头的精确空间控制。
推荐理由：做多镜头视频的团队可参考其分层注意力与 3D 布局引导设计，评估这套空间分镜控制能否接入现有生成管线。
#视频
#视频
今日 0 条arXiv cs.AI / cs.LG 最新精选AI 评分6565 The DecoderAI 评分7373 可灵（Kling）发布 4.0 版本，新增立体声与十多种语言口型同步并推出 Flash 轻量版
Kling AI 发布视频生成模型 4.0，单次可生成长达 30 秒的视频，提示词理解扩展到 8,000 tokens。升级后的 Omni Reference 一次最多接受 15 个参考素材，包含 10 张图片、合计最长 30 秒的 5 段视频和 7 个元素，并新增双声道立体声与覆盖德语、英语、日语、韩语、西班牙语等十多种语言的口型同步。
arXiv cs.AI / cs.LG 最新AI 评分6262 SpriteStage：用渐进式场景编程与回放生成长篇动画
arXiv 论文提出 SpriteStage，一个渐进式场景编程框架，用逐场景生成加引擎重编排来制作长篇动画。每场戏从已验收的世界检查点和叙事快照出发，在共享空间舞台上执行，再依据运行时与视觉反馈修订动作或剧情节点，验收结果成为下一场的起始状态。
OpenAI NewsAI 评分2323 Pollo AI 借助 OpenAI 将创意想法转化为营销活动
Pollo AI 借助 OpenAI 的 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5，帮助创作者将大胆创意转化为细节丰富的图像和电影感视频广告。其用途是推动创意想法落地为营销活动。
OpenAI NewsAI 评分3030 Higgsfield AI 借助 GPT-6 Astra 一天内上线新视频功能
Higgsfield AI 借助 GPT-6 Astra 在一天内上线了新的视频功能。这些功能面向小微企业，让视频广告制作变得更简单。Higgsfield AI 也能借此更快将新的创意工具推向市场。
Google DeepMind精选AI 评分7474 Google 发布 Gemini Omni 1.1 Flash，新增场景延展与首尾帧插值
Google DeepMind 推出 Gemini Omni 1.1 Flash，面向开发者提供更强的生成视频控制能力，已通过 Google AI Studio 的 Gemini API 提供。
推荐理由：开发者可用 Gemini API 先出 360p 草稿验证分镜，再对选定镜头做 4K 放大。
Hugging Face Blog精选AI 评分6666 NVIDIA 发布 Cosmos-H-Dreams 实时手术机器人生成式仿真器
NVIDIA 发布 Cosmos-H-Dreams，这是面向手术机器人的动作条件化实时生成式仿真器，把 Cosmos-H-Surgical-Simulator 蒸馏为少步因果学生模型，经 FlashDreams 在单张 RTX PRO 6000 上达到约 160 帧每秒。
推荐理由：做手术机器人策略研究的团队可以用它把真机试错搬到单卡实时仿真里，先跑通闭环评估和失败样本生成再上硬件。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash 两款生成模型。Nano Banana 2 Lite（gemini-3.1-flash-lite-image）4 秒生成一张图，每张 1K 图片 $0.034，已上线 Gemini API、AI Studio 并接入搜索、Gemini app 等消费级产品。
推荐理由：做电商或室内设计素材的团队可先在 AI Studio 用 Nano Banana 2 Lite 低成本出图，再串联 Omni Flash 转成短视频打样。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini Omni 系列首个模型 Gemini Omni Flash
Google DeepMind 发布 Gemini Omni 模型系列，首个模型 Gemini Omni Flash 已在 Gemini app、Google Flow 和 YouTube Shorts 上线。
推荐理由：短视频创作者可以在 YouTube Shorts 里用它按提示词生成视频，再逐轮改写动作和环境，替代素材拼接的第一轮草稿。