https://www.youtube.com/watch?v=qOr5-FrkElk 这部影片介绍了本周（2026年1月11日左右）多项重大的 AI 技术突破，涵盖影片生成、 换脸、教学代理与硬体机器人等领域。以下是详细的新闻简介： 影片生成与编辑技术 Dream IDV (影片换脸)： 精准脸部交换：能在影片中精确更换角色脸部，且能同步捕捉眨眼、表情及对嘴 细节。 多功能支援：不仅支援写实风格，也可用於 3D 动画及各种影片比例（横向与纵 向）。已开源并支援 ComfyUI。 Uni Video & Uni Video V2 (可灵团队)： 多模态统一模型：一个模型即可处理影片生成与编辑。 强大编辑功能：可更换影片中的物体（如吉他变鱼）、更换服装或改变整个场景 风格。支援在输入图片中直接加入文字指令（如标注哪里要爆炸）。 Dream Style (影片风格化)： 多种风格转换：可将影片转为乐高、线条画、动漫、像素或传统中国画风。 优势：在风格一致性上超越了 Luma 和 Runway 等知名封闭原始码模型。 Neoverse (4D 世界模型)： 3D 互动影片：能从单张图片估算整个 3D 场景，生成可互动的影片（可自由切 换摄影机视角），甚至能制作「子弹时间」特效。 LTX2 更新： 优化与 GGUF 格式：新增了体积更小的版本（如 12.7GB），支援 AMD GPU 与 CPU 运行。并推出了更易用的 one-to-GP 平台。 AI 代理人与记忆系统 SimpleMem (长效记忆系统)： 解决遗忘问题：透过「压缩意义」、「结构化索引」与「适应性检索」三步骤， 让 AI 代理人拥有长效记忆且不浪费 Token。 效能：在准确度与检索速度上均超越现有方案，已开源。 DeepTutor (开源 AI 教学助手)： 主动教学：不同於一般聊天机器人，它能主动引导学习、视觉化解释复杂概念， 并根据个人程度生成练习题。 功能：可上传教材并进行网页深层研究。 3D 模型与深度预测 Infinity Depth： 超高解析度深度图：能预测图片深度并生成高达 8K 或 16K 解析度的深度图， 细节极为精细。 Morph any 3D： 3D 物体平滑变形：能在两个完全不同的 3D 物体（如不同品种的神奇宝贝、马 变船）之间生成极其平滑且自然的变换过程。 Gamu (几何感知扩散)： 场景补全：能从几张照片生成完整的 3D 房间模型，且能自动补全照片中没拍到 的部分（如天花板）。 机器人与翻译模型 Unitree H2 & Boston Dynamics Atlas： 强大动力与灵活性：Unitree H2 展示了高难度的飞踢与旋踢；新版 Atlas 则展 示了惊人的全身 360 度旋转灵活性，超越人类身体限制。 Hunyuan MT (腾讯翻译模型)： 精准快速：极小的参数规模（1.8B/7B）却能达到与 Gemini 1.5 Pro 相当的准 确度，支援 33 种语言，1.8B 版本可直接在手机等终端设备运行。 Google Gmail 更新 AI 收件匣：Google 开始为美国用户推出 AI 功能，包括摘要收件匣、AI 代写邮件 以及自动侦测行程并加入行事历。 这周的 AI 进展在 开源化 与 多模态控制 方面表现特别突出，尤其是影片编辑与长效记 忆系统的突破非常实用。 -- Gemini3整理 换脸 编辑 单图生场景很多家在做呢 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 114.36.254.215 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/AI_Art/M.1768105025.A.3A3.html 在该影片的 28:44 处提到的 VINO（全称 Unified Visual Generator with Interleaved Omni-modal Context），是 2026 年初发布的一项重磅 AI 视觉技术。它并 非单纯的影片生成器，而是一个将「图像生成」、「影片生成」与「图像/影片编辑」完 全统一在单一框架下的模型。 以下是 VINO 的核心补充资讯： VINO：全能视觉生成与编辑器 VINO 的出现打破了以往「图片模型」与「影片模型」分离的局面，其技术亮点包括： 统一模型架构： 它采用了共享的扩散模型骨干 (Diffusion Backbone)，结合了 视 觉语言模型 (VLM) 与 多模态扩散转换器 (MMDiT)。这意味着同一个模型可以同时理解文 字、图片和影片三种输入，并产出对应的图片或影片。 交错式上下文 (Interleaved Context)： 这是 VINO 最强大的地方。它能处理「文 字+图片+影片」的混合指令。例如，你可以给它一段影片和一张特定人物的照片，要求它 「将影片中的主角换成照片中的人」，且能精确保持人物特徵（Identity Preservation ）在动态中的连贯性。 精准的指令跟随与长序列控制： 相比以往的模型，VINO 在执行复杂、多步骤的编辑 指令时（如：「先让背景变暗，然後在桌上放一个发光的立方体，最後让角色对着立方体 微笑」）表现更稳定，不容易在处理过程中丢失细节。 静态与动态的一致性： 它在「照片转影片」或「影片风格化」时，能确保物体的物 理属性和人物身份高度统一，不会出现闪烁或角色变形的问题。 多任务通用性： 生成：文字转图、文字转影片。 编辑：局部重绘、风格迁移、物体移除/新增。 参考生成：根据参考图生成具备相同特徵的全新影片。 总结来说，VINO 代表了视觉 AI 迈向「通用化」的重要一步，让使用者不再需要为了不 同的创作需求（修图、剪片、生成）切换不同的 AI 工具，而是在同一个对话框中就能完 成所有的视觉工程。 -- 补上漏掉的部分 ※ 编辑: error405 (114.36.254.215 台湾), 01/11/2026 12:53:03