MiniMax H3 武打动作 LoRA 发布：全量 int8 DiT 训练
作者在 Hugging Face 发布了一个基于 MiniMax H3 的武打动作风格 LoRA（wushu action），使用 924 段精选武打片段、以全量 int8-convrot DiT 加 bf16 Qwen3-VL 文本编码器训练 1000 步，主打 ComfyUI 即插即用。作者表示该版本表现仍未达预期，计划继续整理素材并训练包含更多运动动作
AI 视频
技术方向 · 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 · 共 21 条
只展示置信度达到公开门槛且每篇排名前三的主题标签，降低泛化误贴。
9月25日周五 · 1 条
正文结构化主题已通过公开置信门槛
9月16日周三 · 1 条
正文结构化主题已通过公开置信门槛
Hearmeman 发布 MiniMax-H3 NSFW LoRA 适配器集
HearmemanAI 在 Hugging Face 上发布了针对 MiniMax-H3 视频生成模型的 NSFW LoRA 适配器集合，包含动作类（如 HMNSFW V2.5、HMCumshot）和解剖类（如 HMPussy、HMBreasts）两类适配器，可叠加在角色或场景 LoRA 上使用。这些权重与 CivitAI 上的发布版本通过 SHA-256
9月15日周二 · 1 条
正文结构化主题已通过公开置信门槛
LTX-2.5 无审查视频模型 v1.1 FP8 版发布
Hugging Face 用户 ChrisColeTech 发布了 LTX-2.5-uncensored-v1.1-FP8，这是基于 Lightricks/LTX-2.5 的预合并量化版本，将 Eros10 NSFW、DMD 蒸馏、IC-LoRA、IC-LoRA Detailer 和 Img2Vid 五个微调 LoRA 直接烘焙进权重。模型提供 GGUF 与
9月10日周四 · 1 条
正文结构化主题已通过公开置信门槛
NVIDIA 在 IBC 推出实时 AI 技术，助力广播、体育和流媒体
NVIDIA 在 IBC 2026 大会上宣布扩展其 AI for Media 产品组合，推出多项用于广播、体育和流媒体的实时 AI 技术，包括合成视频检测器（SVD）、3D 人体姿态估计、视频帧生成（VFG）、视频超分辨率（VSR）和 TrueHDR。这些技术已被 Dalet、TwelveLabs、Wowza、Vizrt 和 Ross Video 等公司集
9月9日周三 · 2 条
正文结构化主题已通过公开置信门槛
亚马逊Prime Video推出AI口型同步配音技术
亚马逊Prime Video推出新AI功能，利用AI和视觉特效技术使演员口型与配音音频同步。该功能目前仅适用于德国剧集《Maxton Hall》的英语配音版，但计划未来扩展至更多内容。此前，Prime Video已在12部影视作品中试验AI辅助配音，而Meta和YouTube也推出了类似的口型同步自动配音功能。
正文结构化主题已通过公开置信门槛
跨模态扩散模型对抗攻击与防御综述
这篇综述首次统一回顾了扩散模型在图像、视频和3D三种视觉模态下的对抗攻击与防御研究。文章提出了一种以任务为中心的全面分类法，按模态、攻击/防御和生成任务组织文献，并深入分析了评估设置，包括数据集、指标和基准。最后，作者指出了若干开放挑战并提出了具体的未来研究方向。
9月7日周一 · 1 条
正文结构化主题已通过公开置信门槛
RA-GRPO：基于反思的偏好优化用于视觉生成
本文提出了一种名为 RA-GRPO 的强化学习偏好对齐框架，用于扩散生成模型。该方法通过引入 Diffusion Reflection 机制，利用逆向扩散过程修正中间采样轨迹，并借助 Counterfactual Path Synthesis 将修正后的轨迹蒸馏到策略中，以提升文本到图像和文本到视频生成的语义保真度和视觉真实感。实验表明，RA-GRPO 在缓
8月22日周六 · 1 条
正文结构化主题已通过公开置信门槛
LTX-2.3 无审查版 v1.4 发布：融合 NSFW 与蒸馏 LoRA
ChrisColeTech 发布了 LTX-2.3-uncensored-v1.4-fp8 模型，基于 Lightricks 的 LTX-2.3 并融合了 Eros10 极端 NSFW LoRA 和 DMD 蒸馏 LoRA，支持文本到视频、图像到视频等多种模式，并提供了 GGUF 和 FP8 量化版本。该模型宣称可在 4-8 步内生成高质量视频，并支持长达
8月21日周五 · 1 条
正文结构化主题已通过公开置信门槛
LTX-2.3 22B uncensored 量化版发布：支持本地视频生成
ChrisColeTech 发布了 LTX-2.3 22B uncensored 模型的 GGUF/FP8/INT8 量化版本，提供六种量化格式及配套的文本编码器、VAE、蒸馏 LoRA 和空间放大模型，用于本地运行文本到视频和图像到视频生成。该仓库提供了详细的推荐参数（如 1024×576 分辨率、12 步采样）和实测性能数据（RTX 5090 上生成 5
8月20日周四 · 1 条
正文结构化主题已通过公开置信门槛
Google Gen AI Python SDK v2.19.0 发布，新增多项配置与状态功能
Google 发布了 Gen AI Python SDK 的 v2.19.0 版本，新增了音频转录配置中的模式枚举、工具并行搜索的数据保留设置、强化学习超参数中的步数计数、实时连接状态中的 IDLE 状态，以及视频分辨率和扩展任务参数等功能。这些更新增强了 SDK 的功能性和灵活性。
8月14日周五 · 1 条
正文结构化主题已通过公开置信门槛
MiniMax-H3 GGUF 量化版发布，支持 ComfyUI 运行
joeygambino 发布了 MiniMax-H3 的 GGUF 量化版本，支持在 ComfyUI 中运行，并提供 fl2va 和 ref2va 两种模型。该版本解决了 ComfyUI-GGUF 的架构识别问题，并提供了多种量化选项以适应不同显存。此外，还提供了剪枝版本的替代方案，并解释了 K-quants 不可用的原因。
8月13日周四 · 1 条
正文结构化主题已通过公开置信门槛
物理模拟与扩散模型结合的视频去反射新框架
Hugging Face 每日论文介绍了一项关于视频反射去除的研究。该研究提出了一个闭环框架，包含基于物理的反射视频合成（S2R-Synthesis）、基于扩散模型的视频去反射模型（S2R-Removal）以及新的基准（S2R-Bench）。实验表明，该方法在多个基准上达到了最先进性能，且推理速度更快。代码和预训练权重即将发布。
8月12日周三 · 1 条
正文结构化主题已通过公开置信门槛
NVIDIA JetPack 7.2.1 新增 Agentic 视频技能与 PyNvVideoCodec 支持
NVIDIA 发布 JetPack 7.2.1，首次在 Jetson 平台支持 PyNvVideoCodec 2.2，提供硬件加速视频编解码的 Python 接口，并引入基于 agent 的视频技能，帮助开发者自动配置、验证和基准测试编解码流程。该版本旨在加速 Jetson 上的 AI 应用开发，提升视频处理管线的效率和可复现性。
8月11日周二 · 2 条
正文结构化主题已通过公开置信门槛
Vercel AI SDK v6.0.248 发布：视频生成支持自适应宽高比
Vercel AI SDK 发布 v6.0.248 版本，主要更新为视频生成功能：在 generateVideo 和 VideoModelV3CallOptions 中支持 aspectRatio: 'adaptive'，允许视频模型根据输入自动推导输出比例，特别适配 BytePlus Seedance 2.5 模型。该更新避免了显式宽高比时的类型断言，但支
正文结构化主题已通过公开置信门槛
视觉世界搜索：持久视觉记忆、分层索引与源证据
本文提出了一种面向持续视觉数据流的搜索基础设施模型，包括分析器定义的场景、持久理解工件、视觉记忆和分层索引。作者开发了VideoDB数据格式（VDB）并在生产中实现，通过类型化搜索界面支持规划检索、状态调查、直接访问和基于证据的综合。在四个公共数据集上的9800多个查询对比中，通用组件流水线在Recall@1/@3/@10上优于商业视频原生引擎，表明视觉世界
8月8日周六 · 1 条
正文结构化主题已通过公开置信门槛
Vercel AI SDK 7.0.58 发布：新增自适应视频宽高比支持
Vercel AI SDK 发布 ai@7.0.58 版本，主要更新包括：尊重代理设置中的 ToolLoopAgent 超时；为 generateVideo 添加 'adaptive' 宽高比支持，适配 BytePlus Seedance 2.5 等模型；通过使 Zod v4 导入可树摇动来减小包体积。
8月6日周四 · 1 条
正文结构化主题已通过公开置信门槛
金刚GC3芯片发布：RISC-V数据流架构重新定义视频AI算力
在CCF Chip 2026大会上，中科通量发布了全球首款RISC-V数据流架构视频智能AIGC芯片金刚GC3，该芯片采用12核设计，支持128路1080P硬解码，INT8算力达200 TOPS。金刚GC3通过数据流架构优化视频处理效率，旨在解决通用芯片在视频AI场景下的能耗和延迟问题，标志着国产RISC-V高端算力在视频专用领域的商业化提速。
8月5日周三 · 1 条
正文结构化主题已通过公开置信门槛
MiniMax-H3 GGUF 量化版发布，支持文本生成视频
realrebelai 在 Hugging Face 上发布了 MiniMax-H3 模型的 GGUF 量化版本，支持文本到视频生成，并提供了 ComfyUI 的目录结构。该模型基于 Comfy-Org/MiniMax-H3，包含 UNet、文本编码器和 VAE 组件，用户需从 Comfy-Org 获取 VAE 文件。发布者声称已获得 MiniMax 的许可
8月2日周日 · 2 条
正文结构化主题已通过公开置信门槛
Pippa以收入分成吸引艺术家，但伦理AI之路仍艰难
AI视频生成初创公司Pippa推出收入分成模式，每次用户生成基于艺术家风格的内容，艺术家即可获得报酬，试图以更道德的方式吸引艺术家。然而，其技术仍基于未经明确同意抓取的网络数据训练的开源模型，且目前仅有4位签约艺术家和约800名订阅用户。联合创始人认为这能改变AI行业的'血腥历史'，但面临艺术家社区的质疑和竞争压力。
正文结构化主题已通过公开置信门槛
xAI 发布 Imagine Video 1.5 更新，支持图像语音参考和1080p
xAI 发布了 Imagine Video 1.5 的更新版本，新增了图像和语音参考功能，支持文本、图像和语音生成视频，并原生支持 1080p 分辨率。该功能在美国率先面向 SuperGrok Heavy 和 SuperGrok Plus 用户推出，随后将向所有用户开放。同时，xAI API 也已支持图像参考、文本转视频和原生 1080p，语音参考需申请。