Google 旗下 YouTube 在本周于纽约举行的年度 Made on YouTube 活动上，公布面向观众与创作者的一系列 AI 功能，希望加快内容制作，并帮助观众更精准地找到所需视频。CEO Neal Mohan 表示，平台自年初以来已推出超过 3,000 项产品更新与改进，并称其 AI 策略是以负责任的方式增强人类创造力。 面向观众，主要变化是 Custom Feeds：用户可用文字描述兴趣或需求，例如寻找新的 DIY 创作者或适合 30 分钟通勤收听的机智播客，平台据此生成相应标签页，并持续刷新相关内容。Ask YouTube 也将增加追问能力和更具体的搜索功能。 面向创作者，YouTube Studio 现可为视频节奏和结构提出建议，并协助自动进行缩略图 A/B 测试；未来还将支持视频 A/B 测试，使不同受众看到不同内容版本。平台也在推出可通过自然语言提示词操作的对话式剪辑助手。此外，需主动选择启用的 AI 评论审核功能正在开发中，新的语音检测工具也将加入现有的形象检测计划。
由电影制作人 Dan Hartley 与前 Prime Video UK 董事总经理 Chris Bird 创立的影视制作 AI 平台 CineMe 将于 10 月 1 日上线，并提供多个订阅层级。曾任 Sky 原创电影总监、现负责 Studio TF1 国际电影战略的 Julia Stuart 已加入 CineMe 顾问委员会。 据创始人介绍，CineMe 可将剧本转化为照片级写实图像和视频，并在同一协作工作空间内继续处理预算、排期和融资。平台面向电影制作人与内容创作者，可用于制作故事板、预演和提案材料，帮助项目争取融资、吸引演员，并协调创意与制片团队。Hartley 将其定位为低成本制作电影原型、提高创作目标并降低财务风险的生产级工具中心；这些效果与定位均为创始人的表述，正文未提供独立测试结果或具体订阅价格。 未来数月，Hartley 与 Bird 还将规划 CineMe 5% Fund，兑现把公司 5% 股份置于慈善信托的创立承诺，目标是让影视行业从业者获得企业级人工智能工具。Hartley 表示，该计划也意在回应疫情和罢工后自由职业者面临的财务压力，并为英国影视制作行业当前及未来的人才建立技术应用与培养路径。
据 Variety 标题，曾在 1971 年版《Willy Wonka & the Chocolate Factory》中与 Gene Wilder 合作、饰演 Oompa-Loompa 的 Rusty Goffe，听到 AI 重现的 Wilder 声音后“流下了一滴眼泪”，并表示再次听到这个声音“很美好”。 正文仅取得开头且在提到 Netflix 的收购事项时截断。已提供部分还写到，Goffe 本月早些时候接受 Zoom 采访，结束通话时以影片风格的用语“Have a scrumdiddlyumptious day!”道别；除此之外，材料未提供 AI 声音重现的制作方法、使用场景或 Netflix 所收购对象等完整信息。
Beeble 发布视频转视频模型 SwitchX 2.0，可在保留原始主体和表演的同时修改灯光、背景、道具等元素；新版支持原生 4K 输出、最长 20 秒的 24fps 片段和 10-bit 色深，并改进摄像机跟踪、快速运动处理、运动保真度与 lipsync。 新的 Up-rez 高分辨率完成工作流允许创作者先以 720p 进行更快、消耗更少 credits 的迭代，再回到原始源素材生成最高 4K 的最终结果，以保留源素材已有细节。Beeble 近期还推出由 World Labs 驱动的 3D Scene Generator，可从文本、图像、视频或全景图生成 Gaussian splat 环境，供用户在三维空间中探索并捕捉最高 4K 的镜头。 其他更新包括 Seedance 2.5 集成、将 SDR 素材转换为 16-bit HDR EXR 的 SwitchHDR，以及扩展的图像、视频和 upscaling 工具。这些能力接入 Beeble 的节点式合成环境 Canvas，将生成、VFX 与完成工具连接在同一工作流中。SwitchX 2.0 已在 Beeble 平台提供。
Evoto AI 于 9 月 22 日在纽约发布 Evoto 8.0，新增人像修图、视频插件、故事化批量筛片、移动端联机拍摄和 Asset Hub，现已可用，价格从每月 7.99 美元起。公司称，Evoto 已处理超过 12 亿张照片，服务 120 万名专业摄影师和 6 万家工作室。 Evoto Desktop 8.0 新增雀斑与痤疮精细修饰、面部阴影去除、服装摩尔纹去除、液化背景修复、汗渍去除及 Generative Expand，并改进背景提取，加入可识别画面方向的 AI Crop。重新设计的首页整合 Create Project、Tethered Shooting、Workflow 和 Asset Hub；内置助手 Evobot 可用自然语言回答问题并链接到相关控件。 核心人像修图现可直接在 DaVinci Resolve 时间线上处理片段中的面部和皮肤，插件支持 macOS、Windows 上的 DaVinci Resolve Studio 19 及以上版本，以及 Adobe Premiere Pro 25.6 及以上版本。Evoto Video 新增随面部运动跟踪的 Hair Shine、牙齿美白和 Facial Fullness；Match Color 可用静态图片作为参考匹配一个片段，再将该方向应用到其他片段。插件可导入 MP4、MOV、M4V，导出 MP4、MOV；导入支持 H.264 和 H.265/HEVC，导出支持 H.264。 Storyline Mode 可按摄影师指定的章节整理照片，不明确属于某章的画面会保持未分配；General Mode 则按主体、布置或场景归类相似照片，面向学校摄影、产品拍摄、房地产和活动等批量工作。Workflow 可保存从导入到交付的制作路径以供复用；Evoto SDK 能连接桌面应用并编写导入、应用预设和导出等重复步骤，但目前仅向企业客户提供。移动端新增联机拍摄、Hot Presets、人像修图、Match Color、完整色彩控制、Motion Blur 和 Relight。 Asset Hub 内置官方及创作者制作的预设、AI Looks、AI background fusions、背景和天空素材，截至 9 月 21 日上线超过 400 项精选资产；用户可在自己的图片上试用，导出时才检查购买权限。配套 Creator Program 设有 500,000 美元奖励池，创作者获得净销售额的 60%，无需上架费，并保留资产所有权及在其他平台非独家销售的权利。创作者可为预设设定 8至30 美元、AI Looks 49至199 美元、背景和天空 2至8 美元的价格；AI Background Fusion 暂不接受创作者投稿。桌面版可在 macOS 和 Windows 免费下载，移动应用可从 Apple App Store 和 Google Play Store 获取。
AudioShake 发布 Multi-Speaker 2.0，更新其对话分离工具，可将一段混合对话中的不同人声拆分为独立、干净的音轨，并针对笑声盖过对白、相邻领夹麦串音及多人重叠说话等 Crosstalk 场景隔离声音，同时尽量保留自然表达。 编辑可通过 AudioShake Studio 或 API 上传混合文件，导出与源素材采样率匹配的独立说话人音轨，以及包含房间声、交通声和背景噪声的独立环境声轨，用于压低、修饰或重建声场。系统还会提供定向置信度标记，把低置信度片段定位到 20 毫秒帧，便于编辑直接检查可能需要人工复听的位置。 报道称，2.0 版在嘈杂环境中的隔离更清晰，与 1.0 相比串音减少 32%，并提供 8 kHz 至 48 kHz 的全频段覆盖。AudioShake 称其采用纯声学模型而非预测式语言模型，以保留带口音的表达、多语言对话和重叠发声，避免产生臆造式编辑。Multi-Speaker 2.0 已在 AudioShake Studio 提供。
CaptionX 推出 Clips，可从最长三小时的视频或播客中提取完整、可独立发布的短片，并按相对质量排序。该功能仅依据带逐词时间戳的转录文本判断内容，不分析视频画面或音频波形；生成和预览免费，用户只为最终保留的短片付费。Clips 现已在 Adobe Premiere 内及浏览器中提供。 系统首先以规则将转录文本划分为完整句子，终止标点、约 0.75 秒的停顿或长度上限均可触发分句，同时标记因说话者换气而形成的虚假结尾。模型接收编号句子列表，为每段候选短片返回连续的起止句及一个承载吸引点的“峰值”句，而不直接返回时间戳；随后由独立的确定性引擎校验边界，拒绝从半句开始或以无实质内容的“yeah”结束，最后才从所选词语的真实时间戳换算成秒。 候选短片按吸引点、回报感、独立完整性、情绪、可引用性和节奏六个维度评分，再由代码确定排序。CaptionX 将分数定义为同一视频内的相对质量指标，而非播放量或传播潜力预测。 处理长文件时，浏览器分片读取文件，仅提取压缩音频并在本地重新编码为较小的语音级文件；两小时视频约生成 30MB 音频。转录文本按相互重叠的 10 分钟窗口分析，每隔八分钟滑动一次并行运行，因此厂商称三小时播客可在数十秒内完成。公司表示，生成的短片通常有 20%至40%会被用户舍弃。
Eddie AI v4 将基于提示词的辅助剪辑从依赖转录的粗剪扩展到视觉工作，可制作 B-roll 序列、蒙太奇及按音乐节拍剪辑的内容；CineD 在 IBC 2026 采访了联合创始人兼 CEO Shamir Allibhai，并观看了 Mac 应用演示。用户仍可导入最多 100 小时素材，由系统完成记录、片段同步、multicam 分组以及采访与视觉镜头分类，再以自然语言生成和修改剪辑。新版可使用用户提供或生成的音乐，按节拍剪辑、进行一次调色处理，并将结果发送至 NLE 或渲染为 MP4；Allibhai 称成片可继续推进至精剪，但也承认其“能力提升 10 倍”的说法可能有所夸张。 应用界面左侧管理 edits 和 media，右侧输入提示词，中间显示结果与选择逻辑。演示中的声画剪辑分别置于 V1 和 V2，导出支持范围现已包括 Avid Media Composer。Allibhai 表示，更好的视觉理解让系统能够更准确地安排 B-roll；Eddie AI 会连接 ChatGPT 和 Claude，并叠加公司自身技术与微调，其中说话者识别结合音频和视觉线索判断发言人。Backgrounder 在原有的人脸和行业词典上下文之外，新增导入视频文件或 XML 参考剪辑的能力，可读取宽景、近景及返回宽景等结构，并把该模式应用于新剪辑。 分析并非在本地完成。Eddie AI 会转码并上传低分辨率代理文件供服务器分析，全分辨率媒体保留在原位置；云同步使同一剪辑可在 Mac、PC、网页和 iPhone 应用中访问，也可从 ChatGPT 或 Claude 内驱动。Allibhai 称服务符合 SOC 2 Type II，且不会使用客户数据训练模型。 新版还提供可在剪辑中标记的专家 Agent，例如 MrBeastMethod Agent 可先评议时间线，再由 Eddie AI 执行修改。公司页面说明，这些 Agent 根据电影工作者的公开演讲及相关文章训练，相关人士未必给予认可；任何执行剪辑的 Agent 都会新建版本，不覆盖用户原有剪辑。另一项功能允许 Eddie AI 作为额外编辑加入 Blackmagic Cloud、Premiere Pro Productions 或其他团队协作项目，与人类实时工作；据 Allibhai 描述，该 Agent 会直接操作 NLE 图形界面，包括移动光标和点击。 Eddie AI v4 已可使用，并以按需购买的 credits 取代订阅。导入每小时源素材最多收费 2.50 美元，购买较大额度包时费用更低；提示词按工作量扣费，采访素材记录较便宜，生成 B-roll 较贵。额度包从 10 美元购买 1,000 credits 起，新账户获赠 1,000 credits，且 credits 不会过期；原有订阅用户已转换至新的额度体系。
推荐理由：文章结合现场演示与创始人访谈，具体拆解视觉剪辑、参考样片复用和协作型 Agent 的工作方式与数据边界。
shortshort 可从一段最长 3 小时或 2GB 的上传视频中选取独立段落，制作带逐字字幕的 9:16 竖屏短片，面向需要将访谈、座谈、会议和活动素材转为社交媒体内容的用户。系统先生成逐字转录文本，再由 AI 寻找语义完整且在句末结束的段落；为保持句子完整，成片时长可能比指定长度短或长最多 25%。 画面重构会跟踪屏幕中的人脸，每个镜头采用一个缩放级别，并将强调性推进限制在 x1.0 至 x1.6；宽景、双人镜头、幻灯片和屏幕共享会保持完整画面，不强行裁切到人脸。渲染前可以修改构图、关键帧、字幕样式和标题，手动编辑器及 MP4 导出无需账号。输出上限为 MP4、1080×1920、30 fps，不提供配音、自动发布或添加 B-roll。 服务按源素材分钟数而非生成片段数计费，同一小时素材生成 3 条或 20 条短片的成本相同。注册可免费获得 60 分钟额度且无需银行卡；免费方案每段视频最多生成 3 条并带水印，Starter 为每月 €12、240 credits、4 小时视频且每段最多 5 条，Creator 为每月 €29、800 credits、13 小时 20 分钟且每段最多 10 条，Studio 为每月 €79、3,000 credits、50 小时且每段最多 20 条。作者认为其定价相对于已有 NLE 工具提供的能力偏高，并对 AI 工具可能影响创意与岗位表达了担忧。
fxguide刊载GenAI工作流与色彩科学顾问JD Vandenberg的分析，认为在自有基础设施上部署开放权重模型，能为媒体与娱乐制作提供更稳定的版本、更可控的数据安全与成本，并更深入地接入既有后期管线；代价是团队需要相应的技术能力和自带基础设施。文章同时提醒，开放插件生态本身可能引入恶意代码，ComfyUI等工具及艺术家自行下载的软件会给内部网络带来审计压力，因此可信的本地方案仍需经过严格的软件审查。 在稳定性方面，托管模型可能在缺少完整变更记录的情况下更新，相同输入与seed未必继续产生相同结果，服务也可能停止。文中以Critterz为例称，OpenAI于3月关闭Sora应用和网页服务后，该项目错过原定的戛纳亮相并更换AI合作方，现计划于2027年初发布。本地保存并固定模型权重，则有助于维持制作期间的版本一致性。 在安全与成本方面，制作网络通常依照MPA和TPN内容安全要求限制数据外传，而调用托管模型会让尚未发布的素材穿过外部服务。文章认为，本地模型可以在完全隔离的网络内运行，不向第三方传输数据。生成式媒体又需要大量迭代，Shy Kids制作约90秒的Air Head成片时进行了数百次、每次10至20秒的生成；Patrick Cederberg粗略估计素材与成片比例约为300:1，即使按保守方式理解也超过80:1。按2026年8月约每秒0.05至0.75美元的API价格，成片成本还要乘以难以预估的生成比例。本地部署并不会让生成变得便宜，但可把成本约束在预先购置和运营的硬件范围内。 格式也是现有服务与专业后期之间的障碍。文中称，多数生成视频工具输出H.264、8-bit、4:2:0且为显示参照格式，缺少alpha、深度、cryptomatte和场景线性数据；Air Head的素材以480p生成后再由外部工具放大。相比之下，VFX交付常使用EXR，一个4K、三通道、half-float的未压缩帧约53MB，多层EXR达到每帧200MB并不罕见。本地模型可以直接置于团队的色彩管理和文件管线中，输出后续环节实际需要的格式，也可从Nuke节点或Resolve插件调用，通过既有渲染管理器排队，并沿用OCIO、ACES及资产版本管理体系。 硬件方面，Vandenberg称多数当前开放权重视频模型的量化或蒸馏版本可在单张RTX 5090的32GB VRAM上运行；RTX PRO 6000 Blackwell配有96GB VRAM，零售价约13,250美元。现有渲染农场、高端GPU工作站，以及运行FilmLight Baselight或Blackmagic DaVinci Resolve的多GPU调色系统，也可能在闲置时承担推理任务。 文章最后区分开放权重与开源。可下载模型参数并不自动授予微调、再分发或商业交付权利；不同模型可能采用Apache 2.0、带使用限制的社区许可、非商业许可，或要求另签商业协议。因此，团队需要在建立管线前核查具体许可，并归档制作实际使用的权重。文章并未主张全面取代网页或API服务，而是认为本地开放权重模型更适合重视版本固定、内容安全、成本边界和深度管线集成的制作环境。
推荐理由：文章从稳定性、安全、成本、格式与管线集成五方面比较本地开放权重模型和托管服务，为VFX团队评估部署路径提供框架。
Autodesk Flow Studio 通过新的 3D Editor 与 Canvas 工作流，把可交互的三维场景调度和生成式二维视频模型结合起来，让电影制作者先控制表演、场面调度、构图与摄影机运动，再生成和细化最终画面。fxguide 采访 Wonder Dynamics 联合创始人、现任 Autodesk 成员 Nikola Todorovic；他强调该系统并非用单条 Prompt“制作一部电影”，而是把 AI 纳入可指导、可修改的制作流程。 3D Editor 可使用角色、动画、动作捕捉数据、摄影机轨迹和生成环境组装镜头。表演与摄影机运动可以分别取自不同参考视频，摄影机也可直接设置关键帧；包括由 World Labs Marble 创建的 Gaussian splat 世界在内，具备空间一致性的环境可用于 blocking、布局与摄影机设计。随后，艺术家可进入基于节点的二维环境 Canvas 生成和调整画面，由当前 AI 视频模型处理灯光融合、氛围、模拟效果和电影化收尾。三维场景不一定直接输出最终像素，而是为生成结果提供表演、调度、构图和摄影机运动约束；追求速度时也可只使用 Canvas。 Todorovic 将 Prompt 工作流的问题概括为“80/20 规则”：AI 能很快生成图像的前 80%，但在移动物体、修改表演或细化摄影机路径且保留已有成果时，最后 20% 容易变得不可预测。Flow Studio 试图借助三维指导和二维生成的组合，使这类迭代更可控，并减少模型给出统计上安全但缺乏创作特异性的结果。 该流程优先使用录制的人类表演。视频和音频可驱动角色，在生成模型改变最终外观前保留表演者的节奏与意图；Todorovic 认为，仅靠音频或描述表演的 Prompt 难以稳定地产生鲜明表演，音频驱动动画也常出现泛化的手势和表情。音频整合仍在演进，目前视频模型可在收尾阶段生成声音，Autodesk 正在探索让更多源表演音频贯穿整体流程。 Flow Studio 基于云端，3D Editor 以保持高交互性为设计目标；Canvas 的生成时间取决于所选模型、镜头长度与分辨率，世界生成目前需要数分钟。平台面向个人制作者、3至5人的团队以及更大规模的工作室。Todorovic 将 3D Editor 视为原 Wonder Dynamics 平台的下一步，后者曾组合约 25 个机器学习、计算机视觉与生成系统，将 CG 角色置入实拍素材；新编辑器则把这些原本分离的输出集中到更易使用的导演环境中。
洛杉矶 VFX 公司 Impossible Objects 通过本地运行的定制 AI 模型与传统 CG、2D 合成相结合，扩展广告及影视项目的制作能力；本文由 HP 赞助，相关性能与工作流效果主要来自公司成员的介绍。团队在 ComfyUI 中建立面向制作的定制流程，使用内部拍摄素材微调开源模型，并以 Foundry Nuke、Adobe After Effects、SideFX Houdini 等工具完成传统 CG 和合成。 AI 负责人 Nhan Le 表示，通用 AI 视频模型尚不能满足汽车广告对写实度的要求，完全生成的镜头也受分辨率和色彩限制，因此团队不会直接向客户交付全生成镜头，而是提取生成式 AI 的可用部分并交由传统 2D 合成控制最终效果。内部模块可根据原始镜头随时间变化的灯光生成匹配结果，减少逐帧调整；针对汽车项目，团队还会持续调整模型对素材细节的记忆，以维持镜头中的细小特征一致性。 为满足本地计算与素材安全需求，工作室新增两台集成 NVIDIA GB10 Grace Blackwell Superchip 的 HP ZGX Nano G1n。团队使用 ZGX Toolkit 将 ComfyUI 任务发送到设备，并通过背部的 200 Gbps ConnectX-7 端口连接第二台设备；据 Le 介绍，这可增加可用内存，以加载更高分辨率模型和更长的 4K 视频片段，集成后吞吐量很快提升至原来的两到三倍。本地部署也让涉及品牌 IP 和专有设计的素材不必上传至云端模型，并可从内部拍摄到模型训练全过程追踪资产来源与所有权。 在虚拟制作方面，Impossible Objects 称其方法可从 LED volume 拍摄素材中推断和计算跟踪信息，用于场景延伸及 LED 画面清理，减少过去手工提取和重新应用跟踪数据的工作。公司未来计划把多台 HP ZGX Nano 组成统一集群，连接自有 NAS，并探索由多 Agent LLM 管理内部渲染农场；这部分仍处于搭建计划阶段。
Beeble 发布 AI 模型 SwitchHDR，用于从常规 SDR 视频推断 HDR 表示，并输出采用 AP0 色彩原色、符合 ACES2065-1 的场景线性 16-bit EXR 序列，面向电影、广告、修复、VFX 与其他专业后期流程。该模型已通过 Beeble 网页应用提供；fxguide 对其进行了测试，并采访了 Beeble 创始人兼 CEO Hoon Kim。 Beeble 称，SwitchHDR 使用真实 HDR 素材训练，目标不是把 SDR 信号简单扩展或映射到 HDR 容器，而是根据训练所得推断合理的 HDR 表示。文章同时强调这种重建无法找回画面中实际未被编码的信息，所得数值也未必在物理或数学上精确；其用途是为调色、合成以及将旧素材、档案影像、素材库内容、纪录片来源或旧 plates 纳入 HDR 母版提供更可信的处理余量。 SwitchHDR 支持由艺术家控制重建区域。用户可用亮度遮罩指定高光和阴影区域，再分别通过文本提示词引导重建；AI 处理可以只作用于选定区域，其余画面直接保留。这让创作者可以决定是否重建过曝窗口等区域，而不是完全依赖一键式黑箱转换。 fxguide 认为其结果优于许多自动 SDR-to-HDR 工具，但测试也发现，复杂纹理中的时间一致性仍有轻微问题。Kim 表示产品从后期需求出发，重点包括完整序列的时间一致性、ACES2065-1 16-bit EXR 输出，以及让艺术家通过遮罩和提示词决定在何处重建；仍然存在细节的区域由模型恢复，完全剪切的区域则交由艺术家控制重建方式。