跳到正文

#AI工作流

今日 0 条
当前 63 条精选

按 #AI工作流 标签筛选相关文章，全部摘要包含已公开的精选与非精选内容。

相关主题AI 影视制作

按本站收录时间排列，历史补录保留原文日期。

9月24日周四收录 / 归档
  1. ProVideo Coalition67
    原文发布

    Digital Anarchy 发布 Beauty Box v6.5，新增眼睛与牙齿美白功能

    Digital Anarchy 发布实时视频皮肤修饰工具 Beauty Box v6.5，新增利用机器学习识别眼睛、嘴部和牙齿的 Beauty Box Whiten 滤镜，并采用更快的本地 GPU 推理引擎。该版本现已面向 Final Cut Pro、Premiere Pro、After Effects、Resolve 和 Avid 用户提供。 Beauty Box Whiten 会为识别区域生成蒙版，让编辑者只对眼白或牙齿应用 Beauty Box 的色彩调整，无需手工绘制蒙版；用户仍可调整羽化以及扩张或收缩范围。新版面部检测提高了准确性和一致性，旨在多人画面中更稳定地跟踪单张面孔，这项技术也用于 Beauty Box Shine Removal。新的推理引擎由 Digital Anarchy 开发，用于改善不同宿主应用中的处理速度与显存管理，Whiten 和 Shine Removal 均可受益。 所有 AI 功能均在用户的计算机和 GPU 上运行，厂商称数据不会上传至云端，也不会用于训练其模型。在 After Effects 中，AI 蒙版可转换为可编辑蒙版，v6.5 还提升了相关功能的准确性和稳定性。新许可证价格为 199 美元，从 5.0 升级为 99 美元，从更早版本升级为 149 美元；该版本也包含在分为两个档位的 Anarchy Cloud 订阅中。

    推荐理由：更新兼顾局部美化、多人面部跟踪与本地推理，并交代宿主软件、升级价格和数据处理方式。

  2. CG Channel72
    原文发布

    Otoy 发布 OctaneRender 2027.1 Alpha 3，加入神经渲染与 SDF 网格烘焙

    Otoy 已开始公开发布 GPU 生产渲染器 OctaneRender 2027.1 的 Alpha 版本，目前更新至 Alpha 3；这一实验版本与稳定的 OctaneRender 2026 并行提供，主要加入神经渲染、AI Light 2.0、USD 导出，以及新的材质和几何处理功能。 Alpha 1 的神经渲染模式建立在 OctaneRender 2026 引入的 neural radiance cache 系统之上，并结合 NVIDIA DLSS 的 ray reconstruction 与 Otoy 自身研究。Otoy 称，该模式能以较低采样数实现接近无噪点的交互式渲染，包括复杂照明和次表面散射等材质效果；目前仅面向 Windows 和 Linux，Octane X 支持计划在后续更新中加入。该版本还增加 DLSS 4 和 AMD FSR 3，其中 FSR 3 因软件基于 CUDA 而仅用于 NVIDIA GPU。AI Light 2.0 则纳入发光图元的完整空间与方向信息，以降低多光源场景在给定采样数下的噪点。 USD 工作流新增几何体导出，并有限支持 USD Preview Surface 材质；独立版加入 USD Stage 编辑器，可直接选择场景变体和图层。MaterialX 支持扩展了三个 EDF 节点，单个图元允许的 UV 贴图数量由 3 个提高至 10 个。Alpha 2 新增 Physical Optics 材质，用于衍射、薄膜干涉和双折射虹彩等波动光学效果；还加入逆反射微表面模型，以及会增加 VRAM 占用的环境贴图可见性缓存，用于改善低照度室内 HDRI 采样。该版本也初步支持 glTF 2.0，并为 Octane X 加入 MetalFX upscaling。 Alpha 3 可将包括 Vectron 图元在内的 SDF 烘焙为多边形网格，生成可用于散布或物理模拟的代理几何体，并可选择局部或多个部分及调整细节等级；同时支持 OCIO 2.5。稳定版之前的路线图还列有 Anime and Sketch renderer、渲染至 3D Gaussian Splats、内置 PBR 材质生成及 Otoy Studio 集成，这些功能尚未在当前 Alpha 中全部提供。 OctaneRender 2027.1 公共 Alpha 支持 Windows 10+、Linux 和 macOS 15.0+。Studio+ 订阅价格为 €23.95/月或 €239.88/年，包含 21 款 DCC 应用的集成插件及第三方软件；免费的 OctaneRender 和 Octane X Prime 版仅支持单 GPU，并附带较少的 DCC 集成插件。

    推荐理由：文章按三个 Alpha 版本梳理渲染、材质与 USD 工作流变化，可用于评估测试版对现有制作管线的适配成本。

  3. Newsshooter71
    原文发布

    Adobe 完成收购 Topaz Labs

    Adobe 已完成对 Topaz Labs 的收购，将其 AI 图像与视频增强能力纳入 Adobe 创意生态。双方于 2026 年 6 月 25 日签署收购协议，此前交易尚待监管批准及其他惯常交割条件。 Topaz Labs 的产品包括 Topaz Video、Topaz Photo 和 Gigapixel，其技术已用于 Adobe Firefly 和 Photoshop，可提高图像与视频分辨率、增强内容，并用于修复档案影像或处理低分辨率素材。其 Neurostream 技术可在用户设备或 Topaz Labs 的云端运行复杂 AI 模型。Adobe 表示，整合相关工具和模型后可减少用户在不同工具间切换，并将优化 Topaz Labs 模型的性能。 Topaz Labs 品牌将继续保留，其应用和模型也会继续作为独立产品提供；CEO Eric Yang 将加入 Adobe 的 Digital Video and Audio 团队。

    推荐理由：交易完成后 Topaz 品牌及独立产品仍将保留，同时其工具与模型将逐步进入 Creative Cloud 工作流。

  4. postPerspective72
    原文发布

    Beeble 发布 SwitchX 2.0，支持原生 4K、20 秒片段与增强运动保真度

    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。

    推荐理由：更新参数与工作流说明具体，可用于评估视频转视频模型在高分辨率制作和快速迭代中的适用性。

  5. TV Tech70
    原文发布

    Adobe 完成以 3.4 亿美元收购 Topaz Labs

    Adobe 已完成对 AI 视频与图像增强公司 Topaz Labs 的收购，交易估值为 3.4 亿美元。Topaz Labs 将保留独立品牌，其应用和模型继续作为独立产品提供；CEO Eric Yang 将加入 Adobe 数字视频与音频团队，现有客户支持水平保持不变。 Adobe 表示，双方将把 Topaz Labs 的能力整合进 Creative Cloud 创意工具和工作流，并优化其模型性能。相关技术目前已用于 Adobe Firefly 和 Photoshop，可在尽量保留原始内容自然观感与细节的同时提高图像和视频分辨率、增强清晰度。Neurostream 技术支持在用户设备或 Topaz Labs 云端处理 AI 模型。 Adobe 将这项技术的应用场景定位于内容规模化现代化，包括帮助拥有数十年电影档案的制片厂、广播机构等适配高分辨率屏幕。Topaz Labs 于 2025 年凭借其视频技术获得艾美奖。

    推荐理由：交易完成后 Topaz Labs 仍保留独立品牌和产品，同时其增强能力将进一步融入 Adobe 创意工作流。

9月23日周三收录 / 归档
  1. ProVideo Coalition69
    原文发布

    Hollyland 推出可扩展无线音频系统 LARK M3

    Hollyland 推出 LARK M3 无线音频系统，最多可配置 4 个发射器和 4 个接收器，面向多人采访、播客、多人内容与多机位拍摄。其架构支持最多 4 个发射器连接单个接收器，分别记录每位说话者；也支持单个发射器同时连接最多 4 个接收器，将同一人的声音送至多台相机或智能手机。 搭配热靴适配器，或将 USB-C、Camera 接收器连接至电脑后，LARK M3 可输出 4 条独立音轨，供后期分别调整各位说话者的音量与声音。系统以 48kHz/32-bit 录音，信噪比为 70dB，最大声压级为 125dB。Hollyland 称，其专有 HDT 无线技术可将音频数据传输速度提高 50%，最远传输距离为 300m。 系统提供由深度学习和计算听觉场景分析驱动的 AI 降噪，可按 3 个级别抑制风声、交通声、流水声等背景噪声。自定义人声调节支持一键增强全部发射器，并提供 8 种可分别分配和在应用中调整的人声预设。Auto-Limit Clip Protection 用于稳定不同动态范围下的音量；Primary/Secondary 接收器配置则可在 Primary RX 断开时由 Secondary RX 接替。 每个发射器重 9g，采用磁吸安装。全套充电盒可收纳发射器、接收器、线缆和防风罩，并提供最长 48 小时总续航。LARK M3 提供 7 种 SKU，包括 4 种充电盒套装以及单独销售的发射器和接收器。

    推荐理由：文章列出多发射端、多接收端及四轨独立录音的连接方式，可用于评估多人多机位收音流程的配置需求。

  2. RedShark News71
    原文发布

    Adobe 完成对 Topaz Labs 的收购

    Adobe 已完成对视频与图像增强 AI 公司 Topaz Labs 的收购，这笔交易于 2026 年 6 月 25 日首次公布。Topaz Labs 将继续作为独立品牌运营，其应用和模型仍以独立产品形式提供；CEO Eric Yang 将加入 Adobe 的 Digital Video and Audio 团队。 Topaz Labs 的产品包括 Topaz Photo、Topaz Video、Topaz Gigapixel、Astra 和 Bloom，独立订阅价格从每月 12 美元起，无限制使用全部工具为每月 34 美元。其技术此前已进入 Adobe Firefly 和 Photoshop，Adobe 于 2025 年 7 月将 Topaz 的图像与视频放大工具加入 Firefly AI。Topaz 的 AI 技术还因高质量电视资料修复于 2025 年 12 月获得 Technology & Engineering Emmy Award。 此次收购的一项重点是 Topaz Labs 的 Neurostream 技术。Topaz 称，该技术支持用户在本地设备或其云端处理复杂 AI 模型，可将大型 AI 模型的 VRAM 需求最多降低 95%；Adobe 表示还将继续优化 Topaz Labs 模型的性能。相关能力面向需要规模化提高内容分辨率的广播机构和制片厂，并涉及档案影像修复、低照度镜头改善、手机片段增强及 AI 生成视频的创意放大等工作流。

    推荐理由：收购后的品牌独立性、人员流向与本地模型显存优化安排，为评估 Adobe 后期 AI 工作流整合路径提供了具体依据。

  3. CineD61
    原文发布

    据报 OpenAI 以逾 3 亿美元收购神经 ISP 公司 Glass Imaging

    据《华尔街日报》援引知情人士报道，OpenAI 已在近几个月收购加州初创公司 Glass Imaging，交易估值超过 3 亿美元，但双方均未确认，价格、交易结构、团队去向及现有客户安排仍不明确。Glass Imaging 的早期投资者曾公开祝愿创始人在 OpenAI 内的发展，被文章视为公司退出的间接信号。 Glass Imaging 由前 Apple 工程师 Ziv Attar 与 Tom Bishop 于 2019 年创立，主要向智能手机、无人机和可穿戴设备授权成像 IP。其 GlassAI 神经图像信号处理器针对特定镜头与感光器组合训练，以单一神经网络处理去马赛克、降噪、锐化、镜头校正和多帧融合等环节，从多帧 RAW 数据中校正镜头像差与感光器缺陷，并在设备端神经处理器运行。公司声称可将相机性能提升 10 倍且不会产生幻觉或光学失真，但文章指出前者没有明确计量单位，后者也缺少独立测量；每种新感光器和镜头组合还需要重新训练。 Glass Imaging 曾在 Snapdragon 8 Elite Gen 5 参考设备上演示 GlassAI Video，以 Hexagon NPU 实时处理 4K 视频及 20 倍以上变焦，并在 1 月宣布同平台的 RAW 视频神经 ISP 管线已可用于生产，演示标注为 4K 30fps。这里的 RAW 指输入数据，系统接收 Quad-CFA RAW，绕过标准 ISP 与常规 remosaicing，逐帧输出已完成降噪、锐化和图像处理的 RGB 视频流，无需云端连接；公开材料没有提供延迟和功耗的具体数字。HONOR 600 系列随后成为采用该技术的首款出货产品，由 GlassAI 负责变焦成像。 文章推测，该团队可能服务于 OpenAI 尚未正式说明的消费硬件计划，因为小型相机的视觉输入质量取决于光学系统和传感器后的处理管线；这一关联仍属媒体报道和作者判断。作者同时认为，按模组训练并将多项处理合并进单一网络，会让各处理阶段难以单独关闭，分辨率和噪声测试也更受训练方式影响，从外部验证结果及匹配电影摄影机素材的调色工作因而更复杂。C2PA Content Credentials 可以记录文件来源和后续编辑，却未必描述文件生成前发生了多少重建；OpenAI 是否继续向手机和无人机厂商授权 GlassAI，也尚无回应。

    推荐理由：文章把收购传闻与神经 ISP 的工作原理、测试可验证性及授权前景相连，为理解小型相机处理管线的变化提供背景。

  4. RedShark News74
    原文发布

    Evoto 8.0 发布视频修图工具、Asset Hub 与新版定价

    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。

    推荐理由：文章集中梳理修图、视频插件、批量筛片与素材市场的更新及兼容限制，可用于评估摄影后期流程的整合成本。

  5. CG Channel78
    原文发布

    Adobe 完成收购 Topaz Labs

    Adobe 已完成对 AI 图像与视频增强公司 Topaz Labs 的收购，计划将其增强模型扩展至 Adobe Firefly、Firefly Services 和 Creative Cloud 应用。该交易于 6 月宣布，当时仍需监管批准；Topaz Labs 的应用和 AI 模型将继续通过其网站作为独立产品提供，CEO Eric Yang 将加入 Adobe，并继续领导原团队。双方尚未说明订阅价格是否会改变。 Topaz Labs 创立于 2000 年代中期，最初开发 Photoshop 插件，之后转向独立的 AI 图像与视频处理软件。到 2025 年，公司拥有数百万用户，年收入为 4,800 万美元；其技术因用于修复电视档案录像而获得技术艾美奖。其产品包括图像放大工具 Gigapixel，以及 Topaz Photo 和 Topaz Video。部分 CG 艺术家会先以较低分辨率渲染三维图像或动画，再用 Gigapixel 提高原始渲染结果的分辨率。 两家公司此前已有产品合作。Adobe 去年开始在自家产品中提供第三方 AI 模型，Topaz Labs 是早期合作伙伴之一；Photoshop 27.0 的 Generative Upscale 可选用 Bloom 和 Gigapixel 模型。目前有五个 Topaz Labs AI 模型用于 Adobe 产品，包括 Firefly Boards 和实验性的 Firefly Assistant。Adobe 还特别提到 Topaz Labs 的 GPU 显存优化技术 NeuroStream，称其可帮助消费级硬件在本地运行更大的 AI 模型，并支持其拓展高效的设备端 AI 视频处理。

    推荐理由：交易完成后的产品独立性、团队去向与模型整合范围均有交代，可帮助现有用户评估工作流连续性。

  6. Mix Online72
    原文发布

    AudioShake 发布对话分离工具 Multi-Speaker 2.0

    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。

    推荐理由：材料给出串音分离、置信度标记及独立环境声轨等细节，可供对白编辑评估检查与重建流程。

  7. postPerspective67
    原文发布

    CaptionX 推出 Clips，将长视频和播客转成可发布短片

    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。

    推荐理由：材料拆解了按完整语句切片、六维排序和长文件并行处理机制，可供比较长视频转短片工具的工作流设计。

9月22日周二收录 / 归档
  1. RedShark News72
    原文发布

    Adobe Premiere 移动版免费登陆 Android

    Adobe Premiere 移动版现已在 Android 上免费提供，距离 iPhone 版推出已有一年。应用可从 Google Play Store 下载，要求设备运行 Android 13 或更高版本，并至少配备 5 GB RAM。 该应用提供逐帧精确剪辑和多轨时间线，可叠加视频、音乐、文字、旁白及效果；Enhance Audio 可一键降低背景噪声并改善采访、旁白等录音的清晰度。用户还可使用创作者模板或自定义模板，添加 Adobe Stock、自有文件或提取音频中的素材，并编辑和导出最高 4K 视频。应用无需强制登录，没有广告、水印或升级提示。 Firefly 驱动的生成式 AI 功能包括 Generative Fill、Image-to-Video 和 Generate Sound Effects。Android 版目前仍缺少 iOS 版的关键帧、节拍检测以及在 Premiere 桌面版继续编辑等功能，Adobe 表示这些功能后续会加入。免费版覆盖基本视频剪辑功能，额外的生成额度和存储空间需付费升级。

    推荐理由：文章汇总免费范围、设备门槛、付费项目及与 iOS 版的功能差异，便于评估移动剪辑流程的适配条件。

  2. CineD76
    原文发布

    Eddie AI v4 技术解析：新增视觉 B-roll 剪辑、参考样片与 NLE 协作 Agent

    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。

  3. Production Expert65
    原文发布

    面向音频专业人士的 6 款 Stem 分离工具对比

    Production Expert 对比了 6 款面向音乐与影视后期的 Stem 分离工具，主要差异在于实时或离线处理、本地或云端运行、输出数量以及后续编辑能力。文章指出，离线工具可在分析音频后处理，部分服务需要上传素材，可能以数据安全和隐私换取更高质量；实时插件通常精度稍低，但能即时得到结果且不涉及第三方。实际分离质量仍应以用户自己的素材试用为准。 LALAL.AI Stem Separator 以 VST 或 AU 插件实时运行，可选择或排除人声、鼓、钢琴、贝斯、原声吉他和电吉他，并以最高 6 秒延迟减轻处理器负担。zplane PEEL STEMS 2 支持 AAX、VST3 和 AU，将混音拆成人声、鼓、贝斯和 Other；分离滑块可在自然度、串音与更激进但处理痕迹更明显的结果之间取舍，PEEL Focus EQ 还可选取频段和声场区域并通过双输出分别处理。 SoliderSound Go-Splitter Pro 在 Apple Silicon 与 Windows 上独立、离线且本地运行，支持批量排队处理、BPM 与调性自动检测、一键将 Stem 转为 MIDI，以及 WAV 单轨或 ZIP 会话导出；厂商称其可生成录音室级 WAV Stem，文章同时强调应自行试用验证。Waves StudioVerse Mix Unlock 随 2026 年 7 月的 Waves v17 更新加入，可在 StudioVerse Audio Effects 内实时拆分人声、鼓、贝斯和乐器，并用 StudioVerse 预设链及 Waves 插件分别处理；该功能包含在 Waves Creative Access 订阅中，也可单独购买。 Acon Digital Remix 实时输出人声、贝斯、钢琴、鼓和 Other 五路，Sensitivity 控件用于平衡伪影与串音，参数均可自动化；在 Pro Tools、Reaper 等支持多输出的 DAW 中，可将各 Stem 分送至独立辅助轨或总线。离线上传服务 MVSEP 则提供多种针对不同任务优化的算法，以及音频转 MIDI、修复和声音克隆；其比较表列出各算法的 SDR 等指标，Premium 账户可使用超过 100 种算法、不限次数分离及 API，免费账户也能在限制条件下使用。

    推荐理由：文章按实时与离线、本地与云端等维度梳理六款工具，便于依据精度、隐私和工作流需求做取舍。

  4. Newsshooter61
    原文发布

    shortshort 将长视频自动制作成带逐字字幕的 9:16 竖屏短片

    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。

    推荐理由：原文列出自动选段、竖屏重构、字幕编辑、输出限制与计费方式，可用于比较现有剪辑软件的替代成本。

8月28日周五收录 / 归档
  1. fxguide80
    原文发布

    本地部署开放权重模型可提升生成式媒体工作流的稳定性与可控性

    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。

8月24日周一收录 / 归档
  1. fxguide73
    原文发布

    Nikola Todorovic 详解 Autodesk Flow Studio 新 3D Editor 与 Canvas 工作流

    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。

    推荐理由：采访具体拆解三维调度与二维生成的衔接方式，为需要精确修改表演、构图和摄影机运动的流程提供参考。

8月11日周二收录 / 归档
  1. fxguide61
    原文发布

    Impossible Objects 如何用 HP ZGX Nano 上的 AI 模型增强 VFX 制作

    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。

    推荐理由：案例把本地算力、素材溯源与传统合成纳入同一管线，呈现生成式 AI 用于商业 VFX 的方法与边界。

7月17日周五收录 / 归档
  1. fxguide84
    原文发布

    Foundry 发布 SmartRoto，以 AI 辅助 Nuke 转描关键帧制作

    Foundry 发布面向 Nuke、NukeX、Nuke Studio 和 Nuke Indie 的 AI 插件 SmartRoto，用于在保留艺术家样条设计与控制权的前提下，加速转描关键帧制作。它不会自动创建完整样条，也不是围绕分割蒙版描出轮廓的自动抠像工具；艺术家仍需在主体清晰可见的画面上将其拆分为合理的关节化形状，SmartRoto 负责让这些样条随序列中的主体移动、变形。年订阅价格为 499 美元，提供节点锁定与浮动许可证。 工作流区分两类关键帧。模型预测的是 smart keys，艺术家创建或修正的是 user keys；后者被视为确定依据，不会被覆盖。艺术家先在初始帧创建形状，再选择主体变化明显的画面建立关键帧，然后让 SmartRoto 为所选形状生成 smart key。若预测存在偏差，调整后的画面会成为锁定的 user key，再次运行模型时，修正信息会影响周围范围。控制粒度细化到单个形状，因此同一帧可以同时包含 user keys 与 smart keys。工具既可处理整段序列，也可限定输入、自定义或入出点范围，并提供关键帧精简工具，寻找可由插值表达的运动区间。 Foundry 表示，该系统既不依赖光流，也不从图像分割蒙版反推轮廓，而是依据图像特征直接传播样条，并利用多个形状之间的空间关系作为约束。样条仍可编辑且具备亚像素精度，也可按常规方式为生成的蒙版渲染运动模糊。模型接受过含运动模糊画面的训练，严重模糊时可能需要更多手动关键帧；部分遮挡可以处理，完全遮挡仍需设置形状生命周期。外观相同的角色也可能被混淆。 该项目约四年前在 Foundry 内部重新启动，模型和训练数据由研究团队从头构建；Foundry 称训练素材均获许可，模型可用于商业工作，全部运算在本地完成，不向云端传输数据。显存需求随分辨率和同时跟踪的形状数量变化，约需 8GB VRAM，高分辨率及大量形状会需要更多。 最终测试邀请专业转描艺术家在两周内分别使用普通 Nuke 与 SmartRoto 处理多种镜头，并随机安排工具使用顺序。第二周结束时最高达到 4 倍速度，但 Foundry 产品负责人 Adam Cherbetji 称该数字偏高，更稳定的结果是完成同一镜头约快 2 倍，且经常高于这一水平。文章还将其与 SIGGRAPH 2026 的 RotoShop 对比：RotoShop 从 SAMv2 等模型的分割蒙版拟合姿态绑定的 Bézier 样条，SmartRoto 则绕过蒙版，直接根据图像特征传播艺术家创建的样条；两种路线都把可编辑、高精度样条作为 VFX 转描的最终交付物。

    推荐理由：文章结合工作流拆解与专业艺术家测试，说明可编辑样条驱动的 AI 转描如何减少关键帧劳动及其适用边界。

7月14日周二收录 / 归档
  1. fxguide62
    原文发布

    Jamie Hearing 解析 Clear Angle 如何以扫描连接 VFX 与神经渲染

    Clear Angle Studios 数字特效主管 Jamie Hearing 介绍了公司如何把人体、面部与环境扫描扩展到 Gaussian splatting、辐射场和机器学习辅助影像流程。本文依据 fxpodcast 的节目介绍整理，内容还包括作者 Mike Seymour 参观英国 Pinewood 设施及亲自接受人体扫描的经历，并非播客完整逐字稿。 Pinewood 的全身扫描系统由 24 台相机和多组 LED 灯组成，用于在静态姿势下获取人体几何与纹理；Clear Angle 已在全球部署 18 套此类设备，各相机针对身体不同区域校准，并在复杂部位提供更高精度。公司也在探索不以清理后的网格为终点的采集方式，通过神经渲染重现相机所见，以处理头发、反射和透明材质等传统重建中的难点。 其模块化 VCR 体积采集系统使用 40 台配备 Sony 传感器的机器视觉相机，可覆盖完整人物或多人，并提供同步灯光和高帧率采集。该系统由 Dorothy 头部采集装置演进而来，后者用于面部扫描、FACS 姿势和 4D 面部表演捕捉。Clear Angle 近期还把 DI4D 纳入工作流，利用其 4D 捕捉与 TopoTrack，在时间序列中维持拓扑和纹理对应，为皮肤、表情及纹理的非线性运动提供更连贯的参考。 环境采集方面，公司在冰岛等项目中组合 LiDAR、航拍、无人机与摄影测量，覆盖近距离纹理和大范围环境。Hearing 强调，关键不只是增加数据量，还要取得适合下游 VFX 决策的数据、元数据与原始传感器信息。随着机器学习工作流增加，扫描也开始被用作训练数据，用于完善角色、表演或神经渲染管线的最后 10% 至 20%。

    推荐理由：从人体、面部到大范围环境采集，文章呈现扫描数据如何同时服务传统 VFX、神经渲染与机器学习流程。

7月10日周五收录 / 归档
  1. fxguide73
    原文发布

    Beeble 发布 SwitchHDR，以 AI 将 SDR 视频重建为场景线性 HDR 素材

    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。

    推荐理由：文章结合实测与创始人访谈，说明区域遮罩、提示词控制和标准化输出如何让 SDR 重建接入专业 HDR 后期管线。

6月21日周日收录 / 归档
  1. CG Channel74
    原文发布

    CG 艺术家需要了解 Unreal Engine 6 的 10 件事

    Epic Games 在 Unreal Fest 2026 上披露 Unreal Engine 6 的架构与发布路线，重点不是图形能力演示，而是编程、内容分发和跨平台运营；CG Channel 据主题演讲及 Epic 博文整理了影响艺术家和制作团队的 10 项变化。 UE6 将合并传统 Unreal Editor 与 Unreal Editor for Fortnite，使同一套工具创建的游戏能够面向主机、PC、移动平台和 Fortnite 生态发布。引擎将以 UEFN 编程语言 Verse 为基础；Epic 计划让原本按单机方式编写的单线程风格 Verse 游戏代码自动分布到多台服务器。新的 Verse Scene Graph 则作为支持预制件式工作流与组合方式的组件框架，把材质、网格和 Niagara 系统表示为 Verse 类的派生类型，并借助编译器统一验证数据及相关代码。 随着新框架成熟，Epic 计划弃用 Blueprints 和 Actors，但早期版本仍会保留，并提供现有项目的转换工具。该决定在用户群体中引起争议，因为 Blueprints 长期为缺乏传统编程背景的艺术家和设计师提供了可视化脚本工作流。Verse Scene Graph 及更高层框架也旨在增强内容的可移植性，例如从 Fab 获取的车辆资产未来可能不再只是骨骼网格和动画，而是能在不同游戏中工作的完整 Verse 模块。 生成式 AI 将在 UE6 工作流中承担辅助角色。Epic 提到的方向包括缩短角色绑定、粒子系统设置、蒙皮骨骼权重和灯光调整等人工环节，并倾向于连接外部 AI 模型，而非运营自有 AI 服务。Unreal Engine 5.8 已加入 MCP server，可由 Claude、Gemini 等 LLM 通过自然语言控制引擎；计划明年初推出的工具还会把扩散模型接入 Unreal Engine，让离线制作的风格帧或建筑可视化能够使用三维场景的深度数据和法线贴图作为输入。Epic 称 LLM、生成式 AI 模型及 Codex 等 AI 编码工具将在 UE6 内容制作中发挥重要作用。 Epic 还计划把 glTF、USD 等现有开放标准作为 UE6 的一等格式；缺少适用标准时，则开放自身系统的规范、Verse API 和资产约定。UEFN 的版本控制系统 Lore 已以 MIT 许可证发布到 GitHub，可从小团队的零配置单服务器部署扩展到多区域、大规模部署；Epic 正把它迁移为内部主要版本控制系统，并计划在 UE6 上线时完成使用切换。 UE6 计划于 2027 年底进入早期访问，稳定版预计在其后 12至18个月推出，但 Epic 对这些时间使用了较强的约略表述。GitHub 上已经开放 UE6 开发分支，Epic 强调它并非 alpha 版本，而是用于提前展示开发方向。UE6 将包含主要的 UE5 技术，但会进行破坏兼容性的重大架构调整，升级路径预计类似 UE4 到 UE5，并提供部分项目转换工具；已经在 UE5 中弃用的旧粒子系统 Cascade 将被彻底移除。Epic 目前没有安排 Unreal Engine 5.9，5.8 之后可能直接过渡到 UE6，不过仍保留按需要发布 5.9 的选择。

    推荐理由：文章把编辑器合并、Verse 架构、蓝图弃用与兼容性变化串联起来，可帮助团队提前评估项目迁移和技能调整成本。