作者分享让编码 Agent 通宵自动生成音乐视频的提示词流程
neoneye2 在 reddit 分享了一份用编码 Agent 通宵自动生成音乐视频的完整提示词与流程。素材（音频、人声分离、歌词）放在 assets/ 目录，Agent 先从作者的手绘三角形作品提取艺术风格并构建等距三角形网格，参考另一个音乐视频仓库的结构，动手前主动追问歧义点。最后作者用 /goal 指令让 Agent 在自己睡觉时自主完成并持续提交文件。
#视频
#视频
今日 31 条AGI HuntAI 评分6060 AGI HuntAI 评分2828 Claude 把 Anthropic《Functional Emotions》论文写成歌，再由 Opus 做出惊艳 MV
有人用 Claude 把 Anthropic《Functional Emotions》论文内容写成歌曲，再由 Opus 为这首歌制作 MV，成片被形容为「美得令人屏住呼吸」。这次尝试展示了模型跨文本、音乐、视频的完整创作链路。
AGI HuntAI 评分6363 快手可灵发布 Kling 4.0，支持唇形同步与最多 15 项参考素材
快手可灵正式发布 Kling 4.0 大版本更新，10 月正式上线，高性价比的 Kling 4.0 Flash 已于 9 月 28 日开放小范围体验。新版本支持 10-bit HDR、30 秒长镜头与最多 15 项参考素材，主打真实、可控、专业。早期体验创作者已用它制作完整音乐视频，唇形同步成为最大亮点，可通过黑帧渲染音轨与静帧合成实现口型对齐。
AGI HuntAI 评分1818 独立开发者用 AI 打造 Manus 风格宣传片，为产品 CellMotion 助阵
开发者 @yihuiindie 为产品 CellMotion 制作了一支 Manus 风格宣传片并在 X 上分享，同时回应了 @opc8838 此前的互动。短片带有明显的 AI 生成视频质感，展示了独立开发者用 AI 工具快速产出产品宣传物料的玩法。
AGI HuntAI 评分3535 用「顶级动态设计师」提示词实测 Opus 5.5 Max effort 视频生成
博主 FinanceYF5 用一条挑衅式提示词实测 Opus 5.5（开启 Max effort），要求生成一段充满动感的 15 秒动态图形视频。随后他用相同提示词在 Grok 4.7 Fast（xhigh effort）上重跑，形成两家模型动态图形生成能力的直接对比。
AGI HuntAI 评分2828 同一提示词对决：Opus 5.5 Max effort 与 Grok 4.7 Fast xhigh 生成动态视频
博主 FinanceYF5 用同一条提示词对比 Opus 5.5 的 Max effort 与 Grok 4.7 Fast 的 xhigh effort 生成动态图形视频：提示词要求制作一段 15 秒的动感动态图形视频，展示其作为顶级动态设计师的实力。两条视频可对照看两家模型在动态图形生成上的风格与质量差异。
AGI Hunt精选AI 评分7474 Claude Opus 5.5 一条提示直出音乐 MV，X 上掀起过夜出片潮
Claude Opus 5.5 发布后，一条提示词直出音乐 MV 的玩法在 X 上走红。用户 donald 公开约 9500 字符完整提示词并配合 5 分钟语音输入，让模型调用 Seeda 等工具、花 12 小时自动写代码完成一支「关于 AI 散播恐惧」的故事驱动动态图形音乐视频，调研和歌词都由模型完成，人工只做了几轮反馈修改。
推荐理由：从中可见一条提示词直出整支 MV 的耗时与成本，也能看到创作者对 AI 生成音乐视频能力边界的评价。
AGI HuntAI 评分3232 TT-VidT 时序解耦视频预训练方法入选 NeurIPS
Spellbrush 研究员 KBlueleaf 宣布，其视频生成研究 TT-VidT 被 NeurIPS 接收。该方法在视频预训练中采用时序解耦（temporal-decoupled）思路，从视频中显式提取真实的运动信息，且只需小规模训练即可达到高质量生成效果。合作方包括 NVIDIA 与 Spellbrush。
AGI HuntAI 评分6262 Seedance 2.5 复刻街拍感假视频，胖猫骑小电驴完整提示词公开
LudovicCreator 公开了用 Seedance 2.5 生成 20 秒街拍风格伪纪实视频的完整提示词，画面是一只巨型胖猫像通勤者一样骑小型电动踏板车，红灯停车还会路怒。
AGI HuntAI 评分5656 独立开发者用 Claude 完成动作 Roguelite《Steel Maiden》的武器设计与全部代码
一位有总监与美术总监经验的独立开发者公开了约 8 个月用 Claude 开发 Unity 动作 Roguelite《Steel Maiden》的 AI 工作流，该游戏已在 Steam 提供免费 Demo。
AGI HuntAI 评分2929 一条提示词无剪辑出片，Kling 4.0 真实感逼近实拍
博主 FinanceYF5 分享一段号称 100% 由 AI 生成的视频，只用一条提示词、全程无剪辑，真实感已难分辨真假，展示 Kling 4.0 在视频生成上的写实能力。类似演示此前由 @minchoi 首发并引发关注。
AGI HuntAI 评分3333 一条提示词无剪辑出片，Kling 4.0 真实感逼近实拍
Kling 4.0 仅凭一条提示词、全程无剪辑生成 100% 由 AI 生成的视频，其真实感被认为已难分辨真假。该演示来自 @minchoi，由博主 FinanceYF5 转引，为同一演示的转发版本。
AGI HuntAI 评分2929 Claude Opus 5.5 制作音乐视频，回顾中国大模型狂飙史
博主用 Claude Opus 5.5 制作了一支 p(doom) 风格音乐视频，把中国大模型过去几年的发展历程剪成从追赶到贴近前沿的路线。整支视频灵感来自推特上近期爆火的同类作品，以娱乐化方式回顾这段演进轨迹。
Google Developers BlogAI 评分4040 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%。
AGI HuntAI 评分2323 AI 视频：多比获自由后加入 K-pop 男团的样子
Reddit 上一条 AI 生成视频模拟了《哈利·波特》中的家养小精灵多比获得自由之身后加入 K-pop 男团的形象与场景。该视频属娱乐性质，未包含实质技术信息。
arXiv cs.CLAI 评分2424 MexHat：面向墨西哥西班牙语视频的仇恨言论检测数据集
MexHat 是一个面向墨西哥西班牙语视频的仇恨言论检测数据集，包含约 1k 个视频片段，设有三分类（无负面内容、攻击性内容、仇恨言论内容）与含三个仇恨言论子类别的细粒度标注两项评测任务。它针对非英语多模态资源稀缺的问题，旨在捕捉墨西哥西班牙语语境下的语言与文化线索。数据集统计与基线结果均显示该任务本身仍具挑战。
arXiv cs.CLAI 评分3434 TRACE：面向流式视频理解的时间审计与条件感知评估基准
TRACE 是面向流式视频理解的条件感知评测基准与框架，把证据何时有效、视觉历史如何维护、响应如何触发显式纳入评估。它基于 517 段视频的 1,240 条记录，在 8 种配置下评测了 8 个公开模型或系统。近乎相同的 QA 准确率可能掩盖完成度、答案有效性与生成负载差异，主动性能可拆为响应质量、响应延迟、误报与漏检目标窗口。
AGI HuntAI 评分5252 Reddit 用户实测 retention_analysis 提示词，解决多角色视频生成人物漂移
一位 Reddit 用户分享了一套 retention_analysis 提示词模板，用来解决 AI 生成多角色对话视频时的台词错位和人物形象在各镜头间漂移问题。
AGI HuntAI 评分1717 4080 Super 本地跑图生视频：不是几小时一个 clip 就是 OOM
一位用户在 Reddit 求助：在 4080 Super + 32GB 内存上尝试的图生视频（I2V）方案全部失败，生成一个 4 秒片段要数小时，或直接 OOM 跑不完。帖子正寻求可行的本地视频生成配置建议。
AGI HuntAI 评分3333 10 分钟花 20 美元生成一集动画，NoSpoon 推动 AI 电影进化
动画创作者 @AlfredAlfer77 用 AI 影视工具 NoSpoon 搭配 Minimax H3 模型，凭一段单段落 prompt 在 10 分钟、约 20 美元内自动写并拍出一集动画片段。他坦言结果仍有大量错误和 glitch，但几次重roll加轻度剪辑即可成片。他认为 NoSpoon 与 The Slop Cannon 这类 harness 正把 AI 生成电影带向全新阶段。
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。
Simon WillisonAI 评分3636 @therealcornpop：用 AI 写 TikTok 和 YouTube 脚本一眼可辨
@therealcornpop 在 TikTok 表示，用 AI 撰写 TikTok 和 YouTube 脚本会一眼被识破。除了 "it's not X, it's Y"、三段式、堆叠标点且破碎断奏式的写法这些 AI 腔调外，关键问题在于内容缺少明确的个人声音，也看不出作者对所谈话题有观点。
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。