Google DeepMind 发布 Gemini Omni 1.2 Flash，支持 15 秒视频生成并降价 30%
Google DeepMind 正式发布 Gemini Omni 1.2 Flash，该模型在 Gemini API 和企业版中全面可用，原生支持最长 15 秒的视频生成与编辑。
推荐理由：原文明确了视频时长从 10 秒提升至 15 秒及价格下调 30% 的具体变化，读者可据此评估其在商业视频生成中的成本效益。
技术方向
AI 视频 最新动态
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变革的追踪。
6 条精选近 30 天 4 条共收录 14 条
更新
AI 视频的精选
Google DeepMind精选AI 评分8484
AWS Machine Learning Blog精选AI 评分6262 TwelveLabs Pegasus 1.5 上线 Amazon Bedrock，支持长视频结构化元数据生成
TwelveLabs 的视频语言模型 Pegasus 1.5 现已在 Amazon Bedrock 上可用，支持直接分析最长两小时的视频并返回带时间戳的结构化 JSON 元数据。该模型新增视频分段、多模态提示（支持参考图像）和即时处理功能，无需预索引即可从 Amazon S3 或 base64 字符串直接读取视频，数据保留在 AWS 数据边界内。
推荐理由：Pegasus 1.5 在 Amazon Bedrock 上支持直接分析长达两小时的视频并返回带时间戳的结构化元数据，为长视频检索提供了新的工程路径。
OpenAI News精选AI 评分6262 Higgsfield 接入 GPT-6 Astra 将 AI 视频时长扩展至 10 分钟以上
Higgsfield 宣布接入 GPT-6 Astra、GPT-Image-2.5 和 GPT-Live，将 AI 视频生成时长从 1 分钟扩展至 10 分钟以上。该更新同时引入了更精准的视觉控制和语音电影制作路径。
推荐理由：Higgsfield 接入 GPT-6 Astra 等模型，将视频时长从 1 分钟扩展至 10 分钟以上，并引入语音制作路径。
The Decoder精选AI 评分7878 Odyssey 发布世界模型 Odyssey-3 并开放免费研究预览
Odyssey 发布世界模型 Odyssey-3 并开放免费研究预览，用户可通过文本提示生成实时交互环境。该模型基于自回归扩散 Transformer，基础版拥有 140 亿参数，支持 832×480 分辨率视频生成。
推荐理由：Odyssey-3 开放了实时交互世界生成的免费预览，并展示了在机器人控制与游戏场景中的跨任务迁移能力。
The Decoder精选AI 评分7676 Anthropic 为 Claude 推出 Dashboards 和 Motion 两项 Beta 功能
Anthropic 为 Claude 推出 Dashboards 和 Motion 两项 Beta 功能。Dashboards 可连接 BigQuery、Databricks 等数据源并生成自动更新的实时仪表盘，Motion 则能根据文本、图表和图片生成可编辑的动画解释视频。
推荐理由：原文说明了新功能的适用计划与数据连接能力，读者可据此判断其对现有工作流的影响。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar 功能
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，通过原生结合低延迟流式视频与实时对话，为 Gemini 企业版引入具备视觉存在的多模态交互能力。
推荐理由：原文展示了低延迟视频流与实时对话的原生结合，并说明了异步工具调用与多语言唇形同步机制，为评估企业级多模态交互体验提供了具体技术细节。