invideo utilise GPT-6 Astra pour améliorer ses capacités d'édition vidéo agentic, atteignant un triplement des taux de réussite du color grading et produisant 50 effets personnalisés en une journée.
Higgsfield AI a intégré le modèle GPT-6 Astra d'OpenAI pour accélérer son flux de développement interne et améliorer sa plateforme de création de publicités vidéo. L'entreprise indique que le modèle permet à un seul ingénieur de livrer de nouvelles fonctionnalités d'exploration en seulement un jour.
Les chercheurs introduisent la distillation de décodage parallèle (PDD), une méthode simplifiée basée sur des trajectoires pour accélérer l'inférence dans les modèles de diffusion et d'appariement de flux. Contrairement aux approches actuelles qui reposent sur une distillation de score variationnel difficile à optimiser et des pertes adversariales, PDD prédit plusieurs étapes de débruitage par évaluation du réseau.
Début septembre 2026, Nvidia a confirmé son acquisition de Hugging Face pour 12,93 milliards de dollars, tandis qu'OpenAI a lancé GPT-6 Astra et Microsoft a présenté le modèle de reconnaissance vocale MAI-Transcribe-2.
Des chercheurs de NVIDIA, du MIT et de l'Université d'Oxford ont présenté Physis-Lang, un cadre qui améliore les modèles mondiaux vidéo en intégrant un langage physique auto-évolutif dans les légendes. Cette approche traite le langage physique comme une représentation optimisable utilisée pour la curation des données, l'entraînement du modèle et l'inférence afin de corriger les erreurs physiques dans les vidéos générées.
Google Research a présenté un co-réalisateur vidéo IA composé de quatre cadres agents conçus pour générer des vidéos cohérentes de plusieurs minutes en traitant les dérives d'identité et les erreurs en cascade courantes dans les pipelines multi-prises. Le système fonctionne comme une couche d'orchestration indépendante du modèle au-dessus de Gemini et Veo, utilisant le filigrane SynthID pour la sortie.
Runway a introduit GWM Worlds 2, un aperçu de recherche qui transforme la génération vidéo et audio haute fidélité en simulation interactive en temps réel à l'aide d'un modèle de diffusion autoregressif. La version inclut WorldPrompt, un nouveau format d'entrée permettant aux utilisateurs de spécifier les mondes générés et les actions en fixant certains aspects de l'environnement et en créant des événements horodatés.
Les chercheurs présentent VideoX-Qwen, un cadre intégré combinant la construction évolutive de données avec l'entraînement du modèle pour faire progresser l'édition vidéo générale et pilotée par des instructions. Le système utilise un pipeline de production qui organise des modèles spécialisés pour générer des enregistrements d'édition directionnelle, résultant en plus de 1,2 million d'échantillons de haute qualité dans les tâches d'ajout, de suppression, de remplacement et d'attributs.
NanoAvatar est un projet open-source qui exécute des avatars parlants réalistes localement sur d'anciens téléphones Android sans nécessiter de GPU cloud. La release inclut du code public, des poids de modèle et des APKs Android qui empaquetent le modèle et un avatar pour une utilisation hors ligne avec la voix propre de l'utilisateur.
Vidu S2 comprend Vidu S2-Avatar, un modèle de personnage numérique interactif en temps réel, et Vidu S2-Editing, un modèle d'édition vidéo en temps réel. Le système explore également la faisabilité de la génération vidéo spatiale en temps réel pour les deux composants.
Un utilisateur a publié une vidéo générée à l'aide du nouveau modèle DeepSeek V4.1 Flash pour évaluer ses capacités en synthèse de vidéo en mouvement.
Un utilisateur a expérimenté Seedance 2.5 pour créer des vidéos générées par IA, en utilisant la plateforme API AIide qui donne accès à Seedance et à d'autres modèles.
Un utilisateur a testé le modèle de génération vidéo Seedance 2.5 en utilisant une courte séquence de mode et éditoriale mettant en scène un seul personnage dans différentes tenues, compositions et styles visuels.