xAI telah memperbarui model Imagine Video 1.5-nya untuk mendukung referensi teks, gambar, dan suara, memungkinkan pengguna menghasilkan video hingga resolusi 1080p. Pembaruan ini memungkinkan konsistensi karakter dengan mengunci wajah dan suara di seluruh adegan, dengan dukungan hingga tujuh referensi per generasi.
Google telah meluncurkan dua pembaruan baru untuk Google Vids: integrasi Gemini Omni untuk pembuatan dan pengeditan video berbasis teks, serta fitur yang memungkinkan pengguna membuat avatar digital pribadi. Alat-alat ini bertujuan menyederhanakan pembuatan video dengan memungkinkan pengguna menghasilkan klip dari prompt bahasa alami dan referensi gambar, serta tampil dalam video tanpa rekaman fisik.
Peneliti mengatasi diskontinuitas temporal dalam relighting video jangka panjang dengan membingkai ulang tugas sebagai terjemahan domain laten bersyarat temporal. Kerangka kerja ini menegakkan kontinuitas antar-chunk dengan menyebarkan latens domain target melintasi batas dan menggunakan self-conditioning domain target termask untuk membuat perilaku ini dapat dipelajari.
LTX telah merilis LTX-2.5, sebuah model dunia bobot terbuka untuk generasi video, aplikasi waktu nyata, dan AI fisik, yang dioptimalkan untuk inferensi lokal pada GPU NVIDIA RTX dan perangkat keras DGX Spark. Rilis ini bertujuan untuk menggeser produksi video dari infrastruktur cloud ke desktop lokal dengan mengurangi kebutuhan VRAM dan menghilangkan biaya per generasi.
MiniMax telah merilis MiniMax H3, sebuah model generasi video multimodal bobot terbuka yang mampu memproses teks, gambar, video, dan audio. Model ini secara bersama-sama menghasilkan visual dan audio stereo tersinkronisasi, termasuk dialog, efek suara, suasana, dan musik, alih-alih menambahkan audio sebagai langkah pasca-pemrosesan.
MiniMax merilis model generasi video omni-modal H3 dengan bobot terbuka di Hugging Face, yang menampilkan audio stereo asli yang dapat menggerakkan video dalam satu langkah maju. Model ini mendukung resolusi 2K pada 24fps untuk klip selama 5 hingga 15 detik dan menerima hingga sembilan gambar referensi, tiga video, dan tiga klip audio per generasi.
Ringkasan berita AI untuk 3-4 Agustus 2026 ini mencakup peluncuran model signifikan dari Alibaba Qwen, NVIDIA, Mistral AI, dan Black Forest Labs, serta perkembangan dalam routing agen, infrastruktur, dan siber.
MiniMax telah merilis MiniMax H3, model generasi multimodal tujuan umum yang menyatukan teks, gambar, video, dan audio ke dalam satu konteks untuk menghasilkan klip video 2K hingga durasi 15 detik dengan suara stereo asli. Berbeda dengan tumpukan sebelumnya yang mengandalkan model ahli terpisah untuk tugas tertentu, H3 memungkinkan pengguna mengekspresikan hubungan referensi dan pengeditan melalui prompt bahasa alami.
MiniMax telah meluncurkan MiniMax H3, model generasi multimodal tujuan umum yang memahami konteks terpadu di antara teks, gambar, video, dan audio. Model ini menghasilkan video dengan suara stereo asli hingga durasi 15 detik dan resolusi 2K.
NVIDIA telah memperkenalkan Cosmos-H-Dreams, simulator generatif berbasis aksi dan waktu nyata untuk robotika bedah yang memadatkan kemampuan Cosmos-H-Surgical-Simulator-nya ke dalam model siswa kausal. Dilayani melalui perpustakaan inferensi streaming dipercepat FlashDreams dari NVIDIA, sistem ini memungkinkan kontrol interaktif oleh manusia atau kebijakan terlatih dalam loop tertutup.
Black Forest Labs telah merilis FLUX 3, sebuah model dasar multimodal yang belajar dari gambar, video, dan audio dalam satu arsitektur. Ini adalah model FLUX pertama yang mengirimkan prediksi video, audio, dan aksi dari satu set bobot.
Black Forest Labs telah meluncurkan FLUX 3, sebuah keluarga model aliran multimodal yang mencakup kemampuan generasi video dengan audio asli. Rilis ini juga memperkenalkan FLUX-mimic, varian yang dirancang untuk aplikasi robotika aksi video.
NVIDIA dan Hugging Face telah mengintegrasikan NVIDIA NeMo Automodel dengan pustaka 🤗 Diffusers untuk menyediakan pelatihan terdistribusi tingkat produksi untuk model difusi sumber terbuka. Kolaborasi ini memungkinkan pengguna menala halus model format Diffusers apa pun di Hugging Face Hub tanpa memerlukan konversi checkpoint atau penulisan ulang kode model.
Sebuah video viral yang dihasilkan menggunakan Kimi K3 sebagai penyedia model telah dibagikan, menunjukkan kemampuannya dalam tugas-tugas kreatif. Sang kreator mencatat bahwa kualitas output terasa jauh lebih baik daripada contoh-contoh sebelumnya yang menggunakan GLM 5.2.
Agen AI analisis video yang mampu memahami, bernalar, dan bertindak atas sejumlah besar rekaman video harus diintegrasikan dengan alur kerja yang ada agar bermanfaat. Alur kerja ini mencakup sistem manajemen konten, platform pesan, basis data, antrean tiket, dan jalur eskalasi.