

> 聚光灯下的红毯不再是人类专属的舞台。Kling模型进军戛纳标志着视频生成技术正式跨越玩具阶段，影视行业的传统工种正面临一场不可逆的结构性洗牌。

## 从分镜到成片 体验切片里的工作流革命

传统的电影制作是一场漫长且昂贵的重资产劳作。从剧本确认到概念图绘制，再到堪景、置景和实地拍摄，每一个环节都堆砌着高昂的时间与人力成本。而Kling AI在戛纳的亮相，不仅仅是向全球影人展示了几段逼真的生成视频，更是直接将一把锋利的手术刀递给了导演，精准切入传统制片流程的赘肉。

体验切片特写　想象一位独立导演在深夜的酒店房间里，不需要打电话召集分镜师，只需在界面输入他对一场追车戏的构想。几分钟后，Kling不仅生成了具备精准运镜逻辑的分镜视频，甚至连光影变化与物理碰撞的物理引擎效果都已渲染到位。过去需要数十人团队耗时一周才能完成的预演（Previs），如今被压缩到了喝一杯咖啡的时间。这种即时反馈的创作体验，彻底打破了灵感与执行之间的壁垒，让影像表达的成本无限趋近于零。

![22.png](https://static.downly.cn/images/926ad37808b9ba51044af469f6d4bbbb.png) <center>图源备注 图片由AI生成</center>

## 剧组外包终结者 谁的饭碗正在被吞噬

技术平权的背后，必然伴随着旧秩序的崩塌。当Kling能够生成长达数分钟、物理规律自洽且支持多角度机位切换的高清视频时，首当其冲被吞噬的将是影视工业链条底端的庞大外包群体。

高危职业盘点　传统的中低端视觉特效（VFX）制作人员、背景绘景师（Matte Painter）、以及专门负责群演调度和空镜拍摄的B组摄制团队，正处于被裁员的风暴中心。当一个模型能够完美生成“一万名中世纪士兵在暴雨中冲锋”的画面时，制片人再也没有理由去支付高昂的群演费用和后期抠像成本。传统影视基地的实景租赁生意将面临凛冬，因为虚拟制片的门槛正在从昂贵的LED环形屏幕，降维到一台配置尚可的工作站。

![23.png](https://static.downly.cn/images/b0bc39c7a35ed917e00f98b020b184ff.png) <center>图源备注 图片由AI生成</center>

## 审美权力的下放 创意阶层的新旧交替

Kling在戛纳获得的关注，实际上宣告了电影工业正在经历一次史无前例的“审美权力下放”。过去，电影是少数掌握资本和人脉的精英阶层的特权；现在，决定作品上限的不再是预算，而是纯粹的想象力与提示词的精确度。

未来预测　在未来三到五年内，我们将见证一种全新形态的“一人剧组”崛起。这批创作者可能完全不懂摄影机的焦段原理，也从未踏入过真实的片场，但他们凭借对AI工具的熟练驾驭和极其敏锐的故事嗅觉，将产出能够冲击院线甚至国际电影节的极客电影。戛纳的红毯或许依然铺设在海滨大道上，但走上红毯的人，将不再局限于传统制片厂体系内打怪升级的幸存者，而是手握算力与算法的新一代数字造梦师。

戛纳电影节迎来AI踢馆 Kling如何重塑影视工业流水线



> 针对 AI 视频生成中常见的“角色崩坏”与“环境闪烁”痛点，字节跳动联合南洋理工大学推出了 StoryMem 系统。该方案通过模拟人类记忆机制，构建混合记忆库，成功实现了跨场景的长视频内容一致性，且训练成本极低。

## 记忆引擎 混合记忆库锁定视觉核心

在 Sora、Kling 等现有模型中，随着视频时长的增加，多镜头叙事往往会导致角色长相突变或背景细节丢失。StoryMem 的核心突破在于引入了独特的“混合记忆库”（Hybrid Memory Bank）设计。

系统摒弃了将所有历史帧强行塞入模型的低效做法，转而采用双重过滤器机制：首先通过语义分析挑选出最具代表性的视觉核心帧，随后利用质量检测剔除模糊图像。这种选择性记忆策略，既保留了关键叙事线索，又避免了计算成本的指数级增长，从根本上保证了角色形象在不同场景间的稳定性。

![Google_AI_Studio_2026-01-04T06_29_41.534Z.png](https://static.downly.cn/images/02309cc955cff3a08d11a1dc9a082f5a.png)
 <center>图源备注：图片由AI生成</center>

## 算法创新 负时间索引重塑时空逻辑

StoryMem 的另一大创新是引入了 RoPE（旋转位置嵌入）技术，并创造性地赋予记忆帧“负时间索引”。这一操作引导 AI 模型将参考帧识别为“已经发生的过去”，从而在生成新场景时，能够基于“记忆”进行连贯推演，而非凭空捏造。

该系统基于阿里巴巴开源的 Wan2.2-I2V 模型构建，在140亿参数的基础模型上仅增加了约7亿参数的 LoRa 权重，展现了极高的训练效率。在 ST-Bench 基准测试中，StoryMem 的跨场景一致性提升了28.7%，在美学得分与用户偏好上全面超越了 HoloCine 等竞品。目前，该项目已在 Hugging Face 开放权重，为开发者探索长视频叙事提供了强有力的工具。

字节跳动发布 StoryMem：引入记忆机制 解决 AI 视频角色走样难题




> 今日科技圈迎来多重震动，OpenAI 模型迭代大幅缩减科研时间，微软 Windows 11 深度集成 GPT-5.1 普惠用户。与此同时，字节跳动与快手在视频生成与理解领域展开激烈角逐，谷歌 TPU 新品发布引发算力市场价格战，多模态与硬件生态正加速重构我们的数字生活。

## 豆包手机助手技术预览版上线 携手努比亚开启系统级AI体验

豆包团队近期联合手机厂商，正式推出了基于大模型和系统底层授权的豆包手机助手技术预览版。这款助手旨在通过高效的交互方式和丰富的功能体验，改变用户与手机的互动模式。目前，首批搭载该技术的工程样机 nubia M153 已经面向开发者和技术爱好者进行了少量发售，预示着移动端原生 AI 时代的加速到来。

![image.png](https://static.downly.cn/images/719e078cd7ce3d6558336cf204bbbc55.png)
<div align="center">图源备注：图片由AI生成</div>

## 谷歌推出 TPUv7 铁木处理器 挑战英伟达霸主地位

谷歌宣布推出代号为“铁木”的 TPUv7 处理器并正式对外销售，这一举措直接剑指英伟达在 AI 计算领域的市场垄断地位。随着新硬件的入场，AI 计算市场的价格战已初现端倪。据报道，OpenAI 通过采用该技术，成功节省了约 30% 的计算成本，这为大型模型训练的降本增效提供了新的思路。

![image.png](https://static.downly.cn/images/6f4470f6d25f1e3d7f1a9f9c5e930bfa.png)
<div align="center">图源备注：图片由AI生成</div>

## 真假难辨 实验显示绝大多数人无法区分AI音乐

Deezer 与 Ipsos 联合进行的一项实验显示，高达 97% 的参与者无法准确分辨 AI 生成的音乐与人类创作的音乐。不过，该结论引发了一些争议，因为测试标准相对宽松，参与者只要猜错一首即被判定为“无法辨别”。尽管如此，这一数据依然反映出 AI 音乐生成技术在逼真度上已经达到了极高的水平。

![image.png](https://static.downly.cn/images/9e1186e0e7876a80517f39cb6d9c8a00.png)
<div align="center">图源备注：图片由AI生成</div>

## 快手 Kling Omni 即将发布 打造导演级视频控制能力

快手科技宣布其多模态视频模型 Kling Omni 本周即将亮相。该模型不仅支持文本、图像和视频的混合输入，更具备了“导演级”的精准控制能力。它能够无缝融合视频生成与后期编辑，甚至可以生成长达 2 分钟且带有原生音频的长视频，旨在为创作者构建一个全能的创意宇宙。

![image.png](https://static.downly.cn/images/a5e9cd4fc6cee90a127ac2f087505368.png)
<div align="center">图源备注：图片由AI生成</div>

## 豆包 App 语音功能大升级 支持四种方言打破沟通壁垒

为了助力老年人跨越数字鸿沟，豆包 App 新增了基于方言迁移技术的语音对话功能。目前已支持粤语、四川话、东北话和陕西话四种方言。用户现在可以使用名为“温柔桃子”的音色，进行更加亲切、智能且流畅的方言交流，让科技产品变得更有温度。

![image.png](https://static.downly.cn/images/4a620ddf8c195a58610f1be60a4d5edf.png)
<div align="center">图源备注：图片由AI生成</div>

## 字节跳动 Vidi2 模型问世 120亿参数革新视频自动化编辑

字节跳动重磅推出了拥有 120 亿参数的视频理解模型 Vidi2。该模型的核心突破在于其精细的时空定位功能，能够处理长达数小时的原始视频素材，深刻理解故事脉络。它可以根据用户指令，自动化生成 TikTok 短视频或电影片段，这一技术有望彻底革新视频编辑领域的工作流程。

![image.png](https://static.downly.cn/images/f49e182a8273c10ef4a5025f66068e91.png)
<div align="center">图源备注：图片由AI生成</div>

## GPT-5 展现卓越数学天赋 复杂科研任务几小时搞定

OpenAI 研究员布贝克分享了与 GPT-5 协作的惊人体验。他表示，该模型展现出了卓越的数学能力。原本需要花费研究人员一个月时间的复杂方案设计与模拟验证任务，GPT-5 仅用一个下午就高效完成了。这一案例生动展示了新一代大型语言模型在科研辅助领域的巨大潜力。

![image.png](https://static.downly.cn/images/84447c6309c3b4d7d5d0028e87639ff2.png)
<div align="center">图源备注：图片由AI生成</div>

## Meta AI 推出 Matrix 框架 解决合成数据生成瓶颈

Meta AI 推出了全新的 Matrix 框架，旨在革新多智能体合成数据的生成方式。通过去中心化的设计，Matrix 将合成数据调度中的控制与数据流序列化为消息并进行分布处理。这种方法有效解决了传统中心控制器导致的 GPU 资源浪费和协调开销问题，显著提升了数据的新鲜度和多样性。

![image.png](https://static.downly.cn/images/05db59ba47537bafef19a9eb4a13bc45.png)
<div align="center">图源备注：图片由AI生成</div>

## 微软 Win11 Copilot 免费解锁深度思考功能 集成 GPT-5.1

微软为 Windows 11 Copilot 用户推送了重磅更新，免费开放了 GPT-5.1 模型，并解锁了原付费功能“Think Deeper”深度推理。此外，更新还增设了“Labs”实验区，首批上线了实时画面解析组件，并计划在后续加入 3D 生成等更多前沿功能，极大地丰富了桌面 AI 体验。

![image.png](https://static.downly.cn/images/0fb6e4be109c00f2494f7cc0df6f44a2.png)
<div align="center">图源备注：图片由AI生成</div>

每日AI资讯1201：GPT-5展现卓越数学能力 字节跳动重塑视频编辑



  >AI领域热点频发，技术创新与行业竞争交织上演。美图推出MOKI工具，旨在通过一张图颠覆传统视频广告制作流程。腾讯开源音乐模型LeVo，以卓越性能挑战Suno的行业地位。快手Kling AI上线视频转音频功能，进一步拓展AI在多媒体领域的应用。与此同时，科技巨头间的人才争夺战愈演愈烈，OpenAI据传正积极调整薪酬，以应对Meta的猛烈挖角。

 ## 一张图生成爆款 美图MOKI让视频创作触手可及

 美图公司近日发布了其AI视频生成工具[MOKI](https://www.moki.cn/home)，并宣布开启限时免费。这一工具极大地简化了视频广告的制作流程。用户只需上传一张静态图片，并从内置的免费模板库中进行选择，系统便能迅速生成具有电影级运镜水准的专业创意广告。据悉，MOKI集成了业界七大主流的视频生成模型，为创作者提供了一个一站式的便捷创作平台。

![image.png](https://static.downly.cn/images/a40e03c5b8dedbcc7b5173e551ec210f.png)

 ## 腾讯开源LeVo模型 剑指Suno的音乐生成王者宝座

 腾讯公司在AI音乐生成领域投下重磅炸弹，正式开源了其先进的歌唱模型[LeVo](https://levo-demo.github.io/)。该模型在性能上直逼当前行业标杆Suno V4.5，并显著超越了其他所有开源模型。据了解，LeVo的训练数据集包含了高达200万首歌曲，使其能够支持中英双语演唱，并展现出惊人的音乐理解和生成能力。目前，该模型已提供在线体验，让人人都能感受顶尖AI音乐的魅力。[体验地址](https://huggingface.co/spaces/tencent/SongGeneration)

![image.png](https://static.downly.cn/images/d0df39d92572906d7d5d19f464af2307.png)

 ## 快手Kling AI新功能上线 视频轻松转音频
<video src="https://static.downly.cn/images/1ca99e85b872a10d480dbb382d68f5b3.mp4"  title="30767711929-1-16.mp4"></video>
 快手旗下的AI视频生成工具Kling近期再度升级，推出了备受关注的视频转音频新功能。这一实用功能的上线，意味着用户可以轻松地从视频文件中提取独立的音频轨道，无论是提取对话、背景音乐还是声音特效，都变得异常简单。快手方面表示，该功能目前正处于限时免费体验阶段，鼓励广大用户尝鲜。

 ![image.png](https://static.downly.cn/images/8c0da1e44d1253cf2306557468739bb3.png)

 ## 人才争夺白热化 OpenAI调整薪酬以应对Meta挖角

 据外媒报道，随着AI领域的人才竞争日趋激烈，OpenAI正在积极采取行动以留住其核心研究人员。此前，竞争对手Meta成功从OpenAI挖走了数名资深研究员，引发了行业震动。为了应对这一挑战，OpenAI高管已向内部团队保证，公司领导层正在重新校准薪酬待遇体系，以确保其人才激励方案在市场上具备足够的竞争力，打响这场关乎未来的“人才保卫战”。

![image.png](https://static.downly.cn/images/5975b8ebc4b73e2401e6ef60724d36aa.png)

 ## 虚拟脱衣模型引发关注 技术伦理引深思

 一款名为 not-flux-kontext-dev-clothes-remover 的虚拟脱衣LoRa模型近期出现在公众视野中。相关信息显示，该模型能够对图片进行处理，实现“虚拟脱衣”的效果。尽管相关实验展示了其技术上的可能性，但这类模型的出现也迅速引发了关于技术滥用、个人隐私和伦理边界的广泛讨论与深切忧虑。

 ![image.png](https://static.downly.cn/images/f09e164810778daf73b3863226483806.png)



AI每日资讯0630

> AI界风起云涌：谷歌推出命令行AI助手Gemini CLI，旨在成为开发者的“全能代理”；腾讯开源轻量级混元大模型，单卡即可部署，大幅降低AI应用门槛；可灵AI则在音视频多模态领域取得新突破，推出“视频生音效”功能；与此同时，AI巨头Anthropic陷入舆论漩涡，因训练模型销毁百万书籍引发版权争议，并同时启动项目以应对AI对就业市场的潜在冲击。

封面图提示词：一张充满未来科技感的数字艺术作品，融合了代码流、声波图形和大脑神经元网络等多种元素，中央有一个发光的AI核心标志，整体色调为深蓝和紫色，呈现出创新、变革与思考的动态感。

## 谷歌Gemini CLI上线引热议 是“换皮”还是“全能AI代理”

谷歌近日发布了一款名为Gemini CLI的全新开源工具，它是一个可以通过自然语言交互的命令行AI助手。  与市面上专注于代码生成的工具不同，Gemini CLI的定位更侧重于成为一个灵活的“AI代理”，能够处理文本、文件、网页乃至本地工具等多种任务，旨在将AI更无缝地融入开发者的日常工作流中。  尽管该产品发布初期遭遇了一些登录和Bug问题，但其开放的设计和覆盖多应用场景的巨大潜力，被认为标志着AI正从单一功能工具向全能工作助手的方向演进。 

![image.png](https://static.downly.cn/images/2bece80c9208e28cc1bfa2cf6bd75be4.png)

## 腾讯开源混元新模型 单张入门显卡即可驱动

腾讯正式发布并开源了其混元大模型家族的新成员——混元-A13B。  该模型基于先进的专家混合（MoE）架构，虽然总参数规模达到800亿，但激活参数仅为130亿，从而显著降低了运行成本。  最引人注目的是，该模型在极端条件下仅需一张中低端GPU卡即可完成部署，极大地降低了个人开发者和中小企业使用前沿AI技术的门槛。  在性能方面，混元-A13B在数学、科学及逻辑推理等任务上表现出色，同时支持快、慢两种思考模式，以兼顾效率与深度。  为促进开源生态，腾讯还同步开源了两个分别用于代码和Agent场景评估的新数据集。 

![image.png](https://static.downly.cn/images/3e275dafd50b39ef86090624fc4c0669.png)

## 可灵AI推出“视频音效”新功能 实现音画同步新体验

视频生成模型可灵AI（Kling）近日宣布其全系列视频模型已正式上线“视频音效”功能，让用户在生成视频时能够同步获得立体声音效。  与此同时，平台还升级了“音效生成”功能，新增“视频生音效”模块，用户可以上传自己的无声视频或调用历史作品，一键匹配音效。  这项功能的核心是可灵自研的多模态视频生音效模型Kling-Foley，它能确保音效与视频画面实现帧级别的精准对齐，创造出“所见即所听”的沉浸式视听体验。  目前，这项创新功能已向所有用户限时免费开放。 

![image.png](https://static.downly.cn/images/0054d9babb8ed2a0d11316622d025a60.png)

## AI训练与版权冲突升级 Anthropic销毁百万书籍引争议

AI公司Anthropic最近在一场版权纠纷中被揭露，其为了训练语言模型Claude，曾购入数百万本实体书籍，在将其数字化扫描后进行了物理销毁。  尽管法官裁定，这种先毁后用的数字化处理方式构成了“合理使用”，但这一行为依然引发了巨大争议。  批评者担忧，即便AI生成了独特内容，其在训练过程中仍有可能逐字复制受版权保护的材料。  值得注意的是，虽然Anthropic在此次判决中部分胜诉，但它因依赖盗版图书库训练模型，仍需在12月面临版权审判，这给生成式AI行业的未来发展蒙上了一层阴影。 

![image.png](https://static.downly.cn/images/87a19da0e6379ea4094b816601f435b2.png)

## AI引发失业担忧 Anthropic启动经济影响追踪计划

在全社会对人工智能可能取代数百万工作岗位的警告日益增多之际，AI公司Anthropic于周五宣布启动其“经济未来计划”。  这是一项旨在支持和推动相关研究与政策制定的新举措，以应对AI技术可能带来的广泛经济影响。  该计划的启动，表明头部AI公司也开始正视其技术可能带来的社会经济后果，并试图主动参与到解决方案的探索中。 

![image.png](https://static.downly.cn/images/087f3a4a1775969789a7c0c4acf970e4.png)

AI每日资讯0628



> 科学探索的未来图景正因人工智能而变得愈发清晰。在周一举行的公司 Build 2025 大会上，科技巨头微软 throw a spotlight on its ambition to revolutionize scientific discovery, 正式揭开了其全新平台 Microsoft Discovery 的神秘面纱。这款平台旨在 harnessing the power of agent AI，全面加速和 transformar 科学研究的过程，预示着科学发现将迎来一个由AI驱动的崭新纪元。

## Microsoft Discovery 亮相Build 2025

在备受瞩目的年度开发者大会 Build 2025 上，重点介绍了 Microsoft Discovery 平台。这款平台被微软定位为一项 strategically important initiative，其核心目标是利用前沿的代理AI技术，显著提升科学研究的效率和能力。

![image.png](https://static.downly.cn/images/20250520030705.012878741.png)

微软表示，Microsoft Discovery 平台具备“可扩展性”（scalable），这意味着它能够适应不同规模和复杂度的科研项目需求。更引人注目的是，该平台被设计用于“端到端”（end-to-end）处理某些与科学相关的工作负载。这表明 Microsoft Discovery 不仅仅是一个数据分析工具，更是一个能够覆盖从实验设计、数据收集、处理分析到结果解读、甚至论文撰写等科研流程多个环节的 comprehensive solution。

## 代理AI赋能 变革科学发现流程

Microsoft Discovery 的关键在于其对“代理AI”（agent AI）的运用。传统的AI模型往往专注于特定任务，而代理AI则更具自主性和协同性，能够像智能助手一样理解并执行复杂的指令，甚至与其他AI或工具进行交互，以完成更为宏大的目标。

在科学发现领域，代理AI可以扮演多种角色 它可以自动检索和分析海量的学术文献，发现不同研究之间的关联性；可以 design and optimize experimental protocols，减少人工试错；可以运行复杂的模拟和计算，探索新的理论模型；甚至可以 based on 实验结果自动调整研究方向。

![image.png](https://static.downly.cn/images/20250520030648.803094887.png)

例如，在药物研发领域，代理AI可以分析大量的生物数据，预测潜在的药物靶点，设计合成路线，并模拟药物与靶点的相互作用，从而大大加速药物筛选和优化的过程。在材料科学领域，代理AI可以探索全新的材料结构，预测其物理化学性质，并指导实验合成。

微软认为，通过利用代理AI的自主性和端到端处理能力，Microsoft Discovery 将能够显著缩短科学发现的周期，降低研究成本，并 enabling 科学家 tackling 以前因复杂性过高而难以解决的问题。

## 构建开放可扩展的科研生态

Microsoft Discovery 不仅是一个技术平台，微软还希望围绕它构建一个开放、可扩展的科研生态系统。这意味着该平台可能不仅仅对微软内部的研究开放，未来也 likely 会向外部科研机构和科学家开放。

通过开放平台和API，科学家可以将自己的数据和模型集成到 Microsoft Discovery 中，利用平台的计算能力和AI能力加速自己的研究。微软也可能提供针对特定科学领域的专业模块和工具，满足不同学科的需求。



这种开放模式有助于促进全球科学界的合作与创新，打破信息壁垒，加速知识的传播和共享。通过汇聚全球智慧，Microsoft Discovery 有潜力成为推动科学进步的重要引擎。

## 挑战与未来愿景

Microsoft Discovery 的发布标志着微软在AI应用于科学发现领域的雄心迈出了重要一步。然而，将这样一个宏大的平台 fully realize 并使其 widespread application，仍然面临一些挑战。

首先，需要 further develop 和 refine 代理AI的能力，使其更能理解和处理科学研究中固有的不确定性和复杂性。其次，数据的标准化和共享仍然是关键问题，需要建立更为完善的数据基础设施和合作机制。此外，确保AI在科学研究中的应用符合伦理规范和安全标准也至关重要。



尽管如此，Microsoft Discovery 的愿景令人振奋。微软希望通过这个平台，让AI成为科学家的强大助手，让他们能够将更多精力投入到创造性的思考和实验设计中，而将繁琐的数据处理和计算工作交给AI完成。如果这一愿景得以实现，我们将 witnessing a significant acceleration in the pace of scientific discovery，为人类社会的发展带来 profound impact。Microsoft Discovery 的推出，无疑是开启AI驱动科学发现新纪元的关键一步。

微软Build 2025重磅发布 Microsoft Discovery AI驱动科学发现新纪元开启

Google Veo 3 / 3.1 是 Google DeepMind 推出的最新一代生成式视频模型。

搜索结果: Kling