قامت xAI بتحديث نموذج Imagine Video 1.5 لدعم المراجع النصية والصور والصوت، مما يتيح للمستخدمين إنشاء مقاطع فيديو بدقة تصل إلى 1080p. يسمح التحديث بثبات الشخصيات عن طريق قفل الوجوه والأصوات عبر المشاهد، مع دعم ما يصل إلى سبع مراجعات لكل عملية توليد.
أطلقت جوجل تحديثين جديدين لـ Google Vids: دمج Gemini Omni لتوليد وتحرير الفيديو القائم على النص، وميزة تسمح للمستخدمين بإنشاء أفاتارات رقمية شخصية. تهدف هذه الأدوات إلى تبسيط إنشاء الفيديو من خلال تمكين المستخدمين من توليد مقاطع من مطالبات اللغة الطبيعية وإشارات الصور، وكذلك الظهور في الفيديوهات دون الحاجة للتصوير الفعلي.
يتناول الباحثون الانقطاعات الزمنية في إعادة إضاءة الفيديو طويل المدى عن طريق إعادة صياغة المهمة على أنها ترجمة مجال كامن مشروط زمنيًا. يفرض الإطار استمرارية عبر القطع عن طريق نشر كميات المجال المستهدف عبر الحدود ويستخدم التكييف الذاتي المقنع للمجال المستهدف لجعل هذا السلوك قابلاً للتعلم.
أطلقت LTX الإصدار LTX-2.5، وهو نموذج عالمي بأوزان مفتوحة لتوليد الفيديو، والتطبيقات في الوقت الفعلي، والذكاء الاصطناعي الفيزيائي، ومُحسّن للاستدلال المحلي على وحدات معالجة الرسومات NVIDIA RTX وأجهزة DGX Spark. يهدف هذا الإصدار إلى نقل إنتاج الفيديو من البنية التحتية السحابية إلى أجهزة سطح المكتب المحلية من خلال تقليل متطلبات ذاكرة الفيديو (VRAM) وإزالة رسوم كل توليد.
أطلقت MiniMax نموذج MiniMax H3، وهو نموذج متعدد الوسائط لتوليد الفيديو بوزن مفتوح قادر على معالجة النص والصور ومقاطع الفيديو والصوت. يقوم النموذج بتوليد الصور والصوت المجسم المتزامن بشكل مشترك، بما في ذلك الحوارات والمؤثرات الصوتية والأجواء والموسيقى، بدلاً من إضافة الصوت كخطوة ما بعد المعالجة.
أطلقت مينيماكس نموذج توليد الفيديو الشامل H3 ذو الأوزان المفتوحة على Hugging Face، والذي يتميز بصوت ستيريو أصلي يمكنه تشغيل الفيديو في تمرير أمامي واحد. يدعم النموذج دقة 2K بمعدل 24 إطارًا في الثانية للقطات التي تتراوح مدتها من 5 إلى 15 ثانية ويقبل ما يصل إلى تسع صور مرجعية وثلاثة مقاطع فيديو وثلاثة مقاطع صوتية لكل عملية توليد.
تغطي جولة أخبار الذكاء الاصطناعي هذه للأيام 3-4 من أغسطس 2026، إصدارات نماذج مهمة من Alibaba Qwen وNVIDIA وMistral AI وBlack Forest Labs، إلى جانب تطورات في توجيه الوكلاء والبنية التحتية والأمن السيبراني.
أطلقت مينيماكس MiniMax H3، وهو نموذج توليد متعدد الوسائط للأغراض العامة يدمج النص والصورة والفيديو والصوت في سياق واحد لإنتاج مقاطع فيديو بدقة 2K تصل مدتها إلى 15 ثانية مع صوت ستيريو أصلي. وعلى عكس المجموعات السابقة التي تعتمد على نماذج خبراء منفصلة لمهام محددة، يتيح H3 للمستخدمين التعبير عن علاقات المرجعية والتحرير من خلال مطالبات باللغة الطبيعية.
أطلقت مينimax نموذج MiniMax H3، وهو نموذج توليد متعدد الوسائط للأغراض العامة يفهم السياق الموحد عبر النص والصور والفيديو والصوت. يولد النموذج فيديو بصوت ستيريو أصلي لمدة تصل إلى 15 ثانية ودقة 2K.
أعلنت إنفيديا عن إطلاق Cosmos-H-Dreams، وهو محاكٍ مولّد يعمل في الوقت الفعلي ومشروط بالإجراءات للجراحة الروبوتية، يستخلص قدرات نموذج Cosmos-H-Surgical-Simulator الخاص بها ليحوّلها إلى نموذج طالب سببي. يُقدّم النظام عبر مكتبة إنفيديا FlashDreams المُسرّعة للاستنتاج بالتدفق، مما يتيح التحكم التفاعلي من قبل شخص أو سياسة مُتعلَّمة في حلقة مغلقة.
أطلقت Black Forest Labs FLUX 3، وهو نموذج أساسي متعدد الوسائط يتعلم من الصور ومقاطع الفيديو والصوت ضمن بنية واحدة. إنه أول نموذج FLUX يُصدر التنبؤ بالفيديو والصوت والحركة من مجموعة واحدة من الأوزان.
أطلقت Black Forest Labs نموذج FLUX 3، وهو عائلة من نماذج التدفق متعددة الوسائط تتضمن قدرات توليد الفيديو مع الصوت الأصلي. يتضمن الإصدار أيضًا FLUX-mimic، وهو متغير مصمم لتطبيقات الروبوتات الخاصة بحركة الفيديو.
قامت NVIDIA وHugging Face بدمج NVIDIA NeMo Automodel مع مكتبة 🤗 Diffusers لتوفير تدريب موزع من الدرجة الإنتاجية لنماذج الانتشار مفتوحة المصدر. يتيح هذا التعاون للمستخدمين ضبط أي نموذج بتنسيق Diffusers على Hugging Face Hub دون الحاجة إلى تحويل نقاط التفتيش أو إعادة كتابة كود النموذج.
تم مشاركة فيديو viral تم إنشاؤه باستخدام Kimi K3 كموفر للنموذج، مما يُظهر قدراته في المهام الإبداعية. يشير الخالق إلى أن جودة المخرجات تبدو أفضل بشكل ملحوظ من الأمثلة السابقة التي استخدمت GLM 5.2.
يجب دمج وكيل تحليل الفيديو المدعوم بالذكاء الاصطناعي القادر على الإدراك والاستدعاء والتصرف في كميات هائلة من لقطات الفيديو مع سير العمل الحالي ليصبح مفيدًا. وتشمل هذه سير العمل أنظمة إدارة المحتوى، ومنصات المراسلة، وقواعد البيانات، وطوابير التذاكر، ومسارات التصعيد.