可灵 AI 四步将静态图片制作成短视频
可灵介绍了使用 AI 将静态图片制作成短视频的四步流程，包括上传图片、描述运动、设置时长并生成，以及检查和优化结果。教程以 Kling VIDEO 3.0 Omni 为例，支持使用 Start Frame、End Frame 和 Element 参考，单次生成最长 15 秒，并提供多镜头、原生音频和常见问题修复方法。
推荐理由：文章将图片转视频拆成选择运动对象、编写提示词、设置时长和复检四步，并给出起始帧与元素参考的使用方法。
视频生成
全部主题多镜头与长时序视频、参考控制、音画同步和真实能力边界。
71条精选
最新精选
第 21–40 条 · 共 71 条可灵 · 模型与创作实践精选AI 评分7171 可灵 · 模型与创作实践精选AI 评分8181 Kling 4.0 与 3.0 有哪些不同
Kling 4.0将于2026年10月正式发布，原生视频生成时长从3–15秒扩展至3–30秒，并支持最多10个关键帧。新版本还支持最多15个组合参考资产、10-bit HDR、双声道立体声和定向多模态视频编辑。Kling 4.0 Flash已于9月28日向有限用户开放提前体验。
推荐理由：这篇对比把时长、关键帧、参考资产和视频编辑放在同一框架中，便于按项目复杂度选择 Kling 3.0 或 4.0。
可灵 · 模型与创作实践精选AI 评分8383 Kling 4.0 AI 视频创作完整指南：多模态参考与30秒生成
Kling 4.0完整模型计划于2026年10月发布，新创作体验自9月28日起向有限用户逐步开放早期访问。模型支持3至30秒原生视频生成、最多10个关键帧，以及最多15个组合参考素材，并提升运动稳定性、角色与商品一致性、音画同步和视频编辑能力。
推荐理由：文章梳理了从多模态参考、关键帧到时间线审片的完整链路，可用于规划商品广告和短叙事视频的生成与修订流程。
arXiv · 多模态、视频与世界模型精选AI 评分7676 PRISM通过反事实视频生成扩展人形机器人移动操作训练
PRISM提出一个真实到仿真再到真实框架，用少量真实视频生成大规模多样的人体与物体交互训练数据。研究通过视频到视频生成数百条反事实视频，再重建并调整人和物体的运动轨迹，训练出无需真实世界微调的策略。搭载该策略的人形机器人仅使用机载深度观测，就能在不同物体实例、尺寸和初始配置下完成箱子、桶、箱体和球的拾取、搬运与放下。
推荐理由：PRISM展示了如何用少量真实交互视频生成反事实数据，并通过真实到仿真再到真实流程训练人形机器人的移动操作策略。
arXiv · 多模态、视频与世界模型精选AI 评分8282 LongLive-Plug 提出一次性蒸馏框架，支持视频生成模型即插即用复用
论文提出 LongLive-Plug，一种将蒸馏能力学习为基础模型 LoRA 的一次性框架，可免训练即插即用于兼容的下游视频模型。它覆盖单次 CFG、少步采样和长上下文错误校正，并在三类骨干网络、54 个下游模型和八类任务上进行了验证。
推荐理由：论文给出把单次 CFG、少步采样和长上下文纠错封装为可复用 LoRA 的方案，并以 54 个下游模型展示跨任务免训练部署路径。
arXiv · 多模态、视频与世界模型精选AI 评分8282 FracGen 论文提出受物理信号控制的断裂视频生成模型
FracGen 论文提出一种从单张完整物体图像生成可控断裂视频的模型，并通过物理信号建模撕裂与形变过程。作者构建 FracSim 生成带有密集像素对齐物理场的断裂视频数据，用联合预测和物理约束损失训练模型。实验显示，FracGen 在物理保真度和视觉保真度上均优于现有视频生成基线，并可控制撕裂位置、裂纹传播速度及失效前形变量。
推荐理由：论文将断裂模拟产生的物理场用于视频生成训练与约束，为可控物理动态建模提供了具体技术路径。
arXiv · 多模态、视频与世界模型精选AI 评分7777 LIFT：通过在策略自蒸馏实现大视点变化下的未来布局视频生成
研究团队提出 LIFT 图像到视频生成框架，用最后一帧布局控制未来视图中应出现的内容及其位置。该方法通过在策略自蒸馏，将密集布局教师的控制能力迁移到最后一帧布局学生，并构建包含大视点变化、相机与时序一致布局标注的 LIFT-Vista 数据集；实验显示其视频质量、未来布局可控性和相机可控性优于其他方法。
推荐理由：论文把最后一帧布局引入大视点变化的视频生成，为未来画面内容与空间位置的联合控制提供了可复用思路。
可灵 · 模型与创作实践精选AI 评分6565 当前 AI 视频生成技术的 6 项局限与应对方法：Kling VIDEO 3.0 系列如何提升创作控制
Kling 发布的创作实践文章梳理了当前 AI 视频生成的 6 项局限，并给出参考图、分镜、分步提示和后期处理等应对方法。文章指出，角色与商品跨镜头不一致、运动和物理表现异常、长视频连贯性不足、文字细节失真及提示词控制有限，仍是常见问题。
推荐理由：文章把一致性、物理运动、长视频、文字细节和提示词控制等问题对应到具体工作流，便于判断何时使用参考图、分镜或后期处理。
Luma · 创作产品与实践精选AI 评分6969 Sora 2026 年定价：API 每秒 $0.10-$0.70，将于 9 月 24 日停用
Sora 在 2026 年仅剩 API 访问，按模型和分辨率每生成 1 秒收费 $0.10-$0.70，API 计划于 9 月 24 日停用。1080p 每 10 秒的原始生成费用为 $7，Batch API 对非紧急生成提供 50% 折扣。文章估算，考虑 3-7 次迭代后，每个可用视频的实际成本会达到单次生成价格的 3-7 倍。
推荐理由：文章将 Sora 的单秒定价、迭代成本与 API 终止时间放在同一预算框架中，便于创作团队评估批量生成和迁移安排。
Luma · 创作产品与实践精选AI 评分6464 Luma 解析 2026 年 Google Veo 定价与视频制作成本
Luma 发布指南解析 2026 年 Google Veo 的双轨定价体系，创作者通过 Google Flow 订阅和积分使用，开发者则按 API 生成次数付费。
推荐理由：文章把 Veo 的订阅积分、API 按次计费与迭代成本放在同一框架中，便于团队按质量、产量和后期流程估算预算。
Luma · 创作产品与实践精选AI 评分6565 Figma Weave 2026 年定价：实际使用成本是多少？
Figma Weave 采用按 credits 计费，提供从 $0/月免费版到 $48/user/month 团队版的方案，付费计划均按年计费。
推荐理由：文章把 Weave 的订阅价格、credits 消耗和工作流限制放在图片与视频产出场景中比较，便于团队估算月度预算。
Luma · 创作产品与实践精选AI 评分7979 Sora 关停后，创意团队如何评估视频工作流替代方案
OpenAI 已于 2026 年 4 月 26 日关闭 Sora 网页和应用，API 将于 2026 年 9 月 24 日停止，用户需在期限前导出数据。文章建议团队从工作流整合、关键帧控制、精准修改和专业导出格式等方面评估替代方案，并介绍 Luma Ray 3.2 的 16-keyframe 控制以及 HDR、EXR 导出能力。
推荐理由：文章以 Sora 关停为背景，提醒创意团队从数据迁移、版本修订和最终交付等完整流程评估视频工具。
Google DeepMind精选AI 评分7878 Google DeepMind 在 Gemini 3.7 Flash 等模型上线智能体视频理解
Google DeepMind 推出智能体视频理解功能，覆盖 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite，官方称分析成本最多降低 66%、token 消耗最多降低 88%、准确率最多提升 7%。
推荐理由：官方给出 token 与成本降幅及可用入口，可据此评估长视频分析方案的选型与改造成本。
ComfyUI · 工作流与实践精选AI 评分6666 Gemini Omni 1.1 Flash 接入 ComfyUI：支持视频生成、编辑与 4K 输出
Gemini Omni 1.1 Flash 通过 Partner Nodes 在 ComfyUI 上线，封装在 Gemini Video Omni 节点中，可从模型下拉菜单选择 Omni Flash 1.1，在单个节点内完成文生视频、图生视频、参考生视频、视频编辑和场景延展。
推荐理由：ComfyUI 接入 Gemini Omni 1.1 Flash 的节点参数与提示词写法，可供视频生成与编辑工作流选型参考。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini Omni 1.1 Flash，支持场景延展与 4K 放大
Google DeepMind 发布 Gemini Omni 1.1 Flash，通过 Gemini API 在 Google AI Studio 提供面向开发者的生成视频控制能力。
推荐理由：官方给出场景延展、首尾帧插值与 4K 放大等具体控制项和定价入口，可据此判断生成视频工作流的可控性变化。
ComfyUI · 工作流与实践精选AI 评分8787 Wan 3.0 接入 ComfyUI，支持原生 30 秒视频与 Omni-Reference 控制
Alibaba 的 Wan 3.0 已接入 ComfyUI，支持原生生成最长 30 秒的视频，并提供 Omni-Reference 控制。模型支持 480p、720p 和 1080p，可使用最多 10 张图片、5 个视频和 5 段音频等参考素材，还支持视频编辑与扩展。使用这些功能需将 ComfyUI 更新至 v0.33.4，或访问 Comfy Cloud。
推荐理由：原文同时给出时长、参考素材和分辨率选项，便于评估 Wan 3.0 在长镜头、多素材控制与低成本草稿中的工作流价值。
Black Forest Labs · 图像与视频精选AI 评分7171 Black Forest Labs 发布 FLUX Video Upscale，支持最高原生 4K
Black Forest Labs 推出 FLUX Video Upscale，作为独立的 FLUX Tool 和 endpoint，可将 480p 起的视频重新生成到最高原生 4K，并原生理解 FLUX 3 的输出，修复通用放大器容易遗漏的模糊人脸、水面和草地纹理网格伪影。
推荐理由：官方给出两种模式的价格与倍率差异，便于按交付分辨率在成本与修复细节之间取舍。
Diffusers · Releases精选AI 评分6262 Diffusers 0.40.0 发布：新增 LTX-2.5、MiniMax-H3 等管线并支持张量并行
Diffusers 0.40.0 发布，新增 LTX-2.5、MiniMax-H3、MiniMax Music 3、Stable Audio 3、Wan-Animate-2、JoyAI-Image-Edit-Plus 等管线，Modular Diffusers 结束实验阶段转为稳定支持。
推荐理由：Diffusers 0.40.0 的发布说明列出了新增视频与音频管线、张量并行和量化后端，可据此判断多模态生成与部署选型。
ComfyUI · 工作流与实践精选AI 评分7777 ComfyUI 与 MiniMax 发起 H3 音画同步社区挑战赛
ComfyUI 与 MiniMax 团队发起 H3 音画同步社区挑战赛，要求参赛者用 H3 在同一轮生成视频和同步音频，作品最长 90 秒且每人限投一次。参赛者还需提交实际的 ComfyUI `.json` 工作流，活动支持本地运行或 Comfy Cloud，9/2 公布结果。
推荐理由：挑战同时要求 H3 在同一轮生成音频与视频，并提交可复现的 ComfyUI 工作流，呈现了音画同步创作的实践约束。
ComfyUI · 工作流与实践精选AI 评分8080 ComfyUI 首日支持 LTX-2.5 开放视频模型
ComfyUI 在 LTX-2.5 发布当天提供支持，该模型是 LTX 最新开放视频模型，权重可下载并在本地 GPU 运行，也可通过 Partner Nodes 使用托管版本。
推荐理由：LTX-2.5 在 ComfyUI 的 Day-0 支持给出了开放权重与托管两条路径，可据此判断本地视频生成的可控性与部署成本。