让静态图片“演”起来
字节的 即梦数字人 工具更新了 OmniHuman 1.5 模型，只需一张图+一段音频，就能生成带表演情绪的动态视频。
它不再是简单的对口型：
1️⃣ 理解语义：根据音频情绪自动调整表情和演技。
2️⃣ 多人群戏：自动识别多人，安排互动表演。
3️⃣ 场景交互：能与环境物体互动，甚至走位。
🔹 官网（ https://jimeng.jianying.com ）可直接上传图片和音频尝试。
让静态图片“演”起来
更多动态
Gemini 现已支持在 Canvas 中一键生成演示文稿
，能把长文自动转为PPT（幻灯片） 它提供两种输入方式： 1️⃣ 提示词：输入一个主题，AI 自动生成框架、内容和配图。 2️⃣ 文档：上传 PDF、Word 或报告，Gemini 会自动提取要点，转化为逻辑清晰的幻灯片。 🔹 适合学生快速转换论文、职场人处理工作报告。 🔹 Gemini 负责处理 80% 的内容组织和设计工作，节省大量时间。 在 Canvas 中快速调整 AI 生成的内容结构，再导出至 Google Slides 进行精细的视觉微调和协作。 由 Gemini 2.5 Pro 驱动，Gemini Advanced 用户已在10月更新中率先推送。
在消费级 GPU 上跑 4K AI 视频
Lightricks 新发布的 LTX-2 是首个完整的开源 AI 视频基础模型，实现了音视频同步生成。 1️⃣ 音视频原生同步：模型一次性处理画面、对话和音效，无需后期手动对齐，解决一大痛点。 2️⃣ 性能与速度：支持原生 4K / 50fps。生成 6 秒 1080p 视频仅需 5 秒（Sora 2 需 1-2 分钟），迭代效率高。 3️⃣ 成本与架构：计算成本降低 50%，消费级 GPU 可跑。它使用 DiT (Diffusion Transformer) 架构，可理解为在“压缩空间”里学习时空关系，因此高效。 核心组件已在 GitHub，可通过 ComfyUI, Replicate, Fal 的 API 接入。API 起步价 $0.04/秒。 官网：https://ltx.video
claude申诉失败了。
订阅费也没法儿退，我甚至怀疑申诉邮件就是钓鱼的，有追踪IP地址。 dhh是美国开发者，前段时间来深圳交流，演示了自己怎么用claude code。 目前最稳妥的方式就是参考dhh方法，把Claude code放在海外机器上，用tailscale远程连接使用。 那就得租一台有家宽的海外机器，在那台机器上注册和登录claude。
分享下现在的纯手机端工作流。
九月底前我都是坐在电脑前开着terminal指挥着pi，跑多subagent，最后再自己看diff，提pr，经常一坐就是一天。 九月底，我工作流改成在手机端用hermes指挥pi，完全解决了久坐电脑前的痛苦，用到现在还挺舒服。 Hermes用旗舰模型（gpt-6-astra/opus-5.5），pi尽量不装插件，用中端模型（ds-v4.1-flash/sonnet/terra），二者间用a2a通讯。 hermes负责分析issues，拆分成多个小任务，然后给每个小任务创建worktree，并在里面派遣pi去完成小任务。 每个pi完成任务都会通知hermes，由它判断提pr还是返工给pi。基本逛一天景点，或一觉醒来十几个pr搞好了，舒服得很。 就是过程太黑盒了，心路历程有点像早期的vibe coding，那会diff至少自己会看一下，现在diff也黑盒，完全交给旗舰模型，属于盒中盒了。 如果没数据焦虑，其实可以直接用grok-bot或者chatgpt-dot，开箱即用，里面内置了grok-cli和codex，原生agents通讯。弊端就是数据不在本地，有监管，万一被封号一切归零。
