在 SageMaker AI 上用 vLLM-Omni 生成图像与视频（第 2 部分）
在 Amazon SageMaker AI 上部署同一 AWS vLLM-Omni DLC 镜像的两个端点：实时端点运行 FLUX.2-klein-4B 做图像生成（/v1/images/generations），异步端点运行 Wan2.1-VACE-1.3B 做图像条件视频生成（/v1/videos/sync），生成的 MP4 存入 Amazon S3。
#视频
#视频
今日 1 条AWS Machine Learning BlogAI 评分2222
Google Research精选AI 评分6464 Google 发布长视频连贯生成多智能体框架研究
Google Research 提出多智能体视频协导框架及系列研究，通过在 Gemini 与 Veo 之上构建编排层，实现多镜头叙事长视频的自动化与视觉连贯性生成。
推荐理由：研究将长视频生成解耦为多智能体规划、视觉记忆与闭环评测，为多镜头叙事中的角色与场景连贯性提供了可参考的系统化方案。
Google DeepMind精选AI 评分7474 Google DeepMind 推出 Gemini 3.8 Live 实时数字人功能 Live Avatar
Google DeepMind 推出 Gemini 3.8 Live 的 Live Avatar 功能，为原生实时对话模型提供低延迟的流式视频虚拟形象。该功能支持自然表情和精准唇形同步，可在 97 种语言间无缝切换，并支持在保持对话流畅的同时于后台异步调用工具执行复杂任务。输出内容均默认嵌入 SynthID 水印防伪，即日起在 Gemini Enterprise 开放可用。
推荐理由：原文展示了流式视频形象与后台异步工具调用的结合，读者可以据此评估实时数字人在企业端交互场景中的落地可行性。
AWS Machine Learning BlogAI 评分4949 基于 AWS 构建智能体对话式视频智能方案
AWS 提出基于智能体架构的对话式视频智能方案，通过 Strands Agents SDK 编排 Amazon Bedrock、Amazon Rekognition 与 Amazon Transcribe，支持用自然语言直接查询视频内容。
OpenAI NewsAI 评分2727 invideo 如何借助 GPT-6 Astra 将调色效率提升 3 倍
invideo 借助 GPT-6 Astra 将视频色彩校正与调色效率提升至 3 倍。通过引入该模型，invideo 能够以更高的精度规划视频剪辑，并在一天内制作出 50 种自定义特效。
OpenAI NewsAI 评分2020 Higgsfield AI 借助 GPT-6 Astra 一天内上线全新视频功能
Higgsfield AI 借助 GPT-6 Astra 在一天内上线了全新视频功能。该能力降低了小型企业制作视频广告的门槛，并帮助团队更快将全新创意工具推向市场。
Google DeepMind精选AI 评分7373 Google DeepMind 为 Gemini 推出 agentic 视频理解功能
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上线 agentic 视频理解，官方称可将视频分析的 token 消耗最多降低 88%、成本最多降低 66%，准确率最多提升 7%。
推荐理由：Google DeepMind 公布 agentic 视频理解在长视频上的 token 与成本变化，并给出 API 开启方式。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini Omni 1.1 Flash，增强生成式视频控制与 4K 超分能力
Google DeepMind 推出 Gemini Omni 1.1 Flash，通过 Gemini API 与 Google AI Studio 为开发者提供更精细的生成式视频控制能力。
推荐理由：新版本引入了基于上下文的场景扩展与首尾帧控制，展示了开发者在长视频叙事与分辨率超分中的具体调用方式。
Google DeepMindAI 评分5656 Google DeepMind 与 A24 达成影视技术研究合作，Google 亦完成对 A24 投资
Google DeepMind 与电影公司 A24 宣布建立长期研发合作，同时 Google 完成了对 A24 的投资。双方将把技术创新直接锚定在创意制作流程中，由电影创作者参与未来工具与新工作流的塑造，并向研发团队提供一线反馈。合作初期聚焦于弥合前沿技术与娱乐制作的断层，具体技术成果与里程碑将随联合开发逐步推进。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 推出图像生成模型 Nano Banana 2 Lite 与视频生成编辑模型 Gemini Omni Flash，现已上线 Google AI Studio 与 Gemini API。
推荐理由：官方给出了高吞吐图像模型与多模态视频模型的延迟和定价，为构建轻量端到端多媒体流水线提供了参考。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini Omni，首款模型 Gemini Omni Flash 上线
Google DeepMind 发布 Gemini Omni 模型家族，主打从任意输入生成内容，首款模型 Gemini Omni Flash 率先支持视频。Omni 可组合图像、音频、视频和文本输入生成视频，并支持用自然语言多轮对话编辑视频，同时生成画面基于 Gemini 的世界知识，对重力、动能和流体动力学有更好的直观理解。
推荐理由：Gemini Omni 把视频生成与多轮对话剪辑合到同一模型中，读者可了解其输入方式与首批上线渠道。