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
美团 LongCat-2.5发布了。
1.6T 总参、激活约 48B，原生多模态，主推长程智能体，全程国产算力训练。 图像量化成多级离散 token，Visual Coding 与 3D 受益。 大规模长程 RL，把失败轨迹转成可验证训练任务。 W4A4 推理，prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。
商汤开源 SenseNova Loop-9B-Preview。
它不堆参数，堆"层数"。32 层解码器，中间 4–27 层同权重跑两遍 → 前向 56 层计算，只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72，超 Qwen3.5-27B；Terminal Bench依旧落后。
