HeyGen 与 Google Cloud 将 Avatar IV 移植到 Trillium TPU
HeyGen 与 Google Cloud 把 18B 参数的 Avatar IV 移植到八芯片 Trillium（v6e）主机，提速 1.86×。Avatar IV 是驱动说话头视频的扩散模型栈，以 Web 和 API 提供 720p/1080p、25fps 流式渲染。迁移经 torchax 前端完成，性能接近 8×H100 生产环境，视频成本效率最高提升 25%。
#视频
#视频
今日 0 条Google Developers BlogAI 评分4040
Google ResearchAI 评分5353 Google Research 提出 AI video co-director 多智能体框架，自动化生成连贯长视频
Google Research 提出 AI video co-director，一个构建在 Gemini 和 Veo 之上的统一多智能体编排框架，用于自动化生成跨镜头连贯的分钟级长视频。
AWS Machine Learning BlogAI 评分5353 在 AWS 上构建智能体对话式视频智能方案
AWS 在官方博客给出基于 Strands Agents SDK 的对话式视频智能方案，由大模型在运行时决定调用 Amazon Bedrock、Amazon Rekognition 还是 Amazon Transcribe，不再为每类问题预建处理流水线。
Google Blog：AIAI 评分3232 Google Beam 扩展新地区、新合作伙伴与新客户
Google Beam 扩展至美国、加拿大、英国、法国、德国和日本六个国家，并由 18 家渠道合作伙伴支持部署。Google 与 Industrious 合作推出首个 Beam 扩展网络，10 月起可在美国部分 Industrious 地点预约体验。八周内部研究显示，使用 Beam 的 Google 团队连接感提升 50%、后续会议需求下降 21%。
OpenAI：官网动态AI 评分2121 invideo 如何用 GPT‑6 Astra 将调色效率提升 3 倍
invideo 借助 GPT‑6 Astra 规划剪辑，把色彩校正与调色效率提升至原来的 3 倍。模型让剪辑规划更精准，还使 invideo 在一天内产出 50 个自定义特效。
OpenAI：官网动态AI 评分2323 Higgsfield AI 借助 GPT-6 Astra 一天内上线新视频功能
Higgsfield AI 借助 GPT-6 Astra，在一天内上线新的视频功能，让小型企业制作视频广告更简单。该公司也因此能更快把新的创意工具推向市场。
HuggingFace Blog精选AI 评分6060 用 Gradio Workflow 重建 AUTOMATIC1111 的媒体流水线
Hugging Face 用 Gradio Workflow 把 AUTOMATIC1111（stable-diffusion-webui）的多数功能重建为一个工作流画布 Workflow1111，由 11 条媒体流水线和 73 个节点组成。
推荐理由：读者可以看到把 AUTOMATIC1111 式图像流程拆成节点图后，输出如何自动变成 REST 与 MCP 接口。
Google Blog：AIAI 评分4747 Google DeepMind 用 AI 逐帧重现《Love, Rendered》中的 70 年爱情故事
在纪录片短片《Love, Rendered》中，Google DeepMind 与 Darren Aronofsky 的 Primordial Soup 合作，用 AI 逐帧重现 Burt 与 Ethelle Shatz 结婚 70 余年却未留下影像的相遇记忆。
Google Blog：AIAI 评分4141 Google 8 月 AI 更新汇总：Gemini 3.7 Flash、Gemini 3.5 Transcribe 与 Pixel 11 系列
Google 汇总 8 月 AI 更新，涵盖 Gemini 3.7 Flash、Gemini 3.5 Transcribe、Pixel 11 系列以及 Gemini app 月活突破 10 亿。
Google DeepMind精选AI 评分7373 Google DeepMind 为 Gemini 推出智能体视频理解功能
Google DeepMind 面向 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出智能体视频理解功能，将视频分析的 token 消耗降低最多 88%、成本降低最多 66%，准确率提升最多 7%。
推荐理由：原文给出 token 消耗、成本与准确率的对比数据，可用于判断长视频分析的成本结构变化。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Gemini Omni 1.1 Flash，新增场景扩展、首尾帧插值与 4K 放大
Google DeepMind 发布 Gemini Omni 1.1 Flash，为开发者带来场景扩展、首尾帧插值、360p 快速草稿和最高 4K 放大等生成式视频能力，已通过 Gemini API 在 Google AI Studio 上线。
推荐理由：相较于此前只参考最后一秒，Omni 1.1 把场景扩展的前序上下文提高到 10 秒，便于评估长视频工作流的可行性。
HuggingFace BlogAI 评分5353 NVIDIA 发布 Cosmos-H-Dreams 实时手术机器人生成式模拟器
NVIDIA 发布 Cosmos-H-Dreams，一款面向手术机器人的实时、动作条件生成式模拟器，把 Cosmos-H-Surgical-Simulator 蒸馏为因果少步学生模型。
Google DeepMindAI 评分4444 Google DeepMind 与 A24 宣布首个研究合作
Google DeepMind 与 A24 宣布达成首个研究型合作，双方将建立长期研发协作，让 A24 及其电影人把 Google DeepMind 的技术创新直接嵌入创作流程，帮助艺术家开发新工作流与技术。Google 同时宣布对 A24 进行投资。该合作初期聚焦于连接前沿技术与下一代娱乐，具体目标、技术产出和创意里程碑将随时间演进。
Google DeepMind精选AI 评分7070 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 推出图像模型 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）与视频生成及对话式编辑模型 Gemini Omni Flash（gemini-omni-flash-preview）。
推荐理由：两款模型同步开放开发者接口并公布延迟与价格数据，便于比较图像与视频生成方案的成本取舍。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini Omni 系列首个模型 Gemini Omni Flash
Google DeepMind 发布 Gemini Omni 系列首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本输入生成视频，并用自然语言多轮对话编辑视频。
推荐理由：原文给出了新模型的多模态输入与对话式视频编辑能力，读者可据此判断它在现有视频生成工作流中的位置。