A invideo utiliza o GPT-6 Astra para aprimorar suas capacidades de edição de vídeo agêntico, alcançando um aumento triplo nas taxas de sucesso da correção de cores e produzindo 50 efeitos personalizados em um único dia.
A Higgsfield AI integrou o modelo GPT-6 Astra da OpenAI para acelerar seu fluxo de desenvolvimento interno e aprimorar sua plataforma de criação de anúncios em vídeo. A empresa relata que o modelo permite que um único engenheiro entregue novos recursos de exploração em apenas um dia.
Pesquisadores introduzem a Destilação de Decodificação Paralela (PDD), um método simplificado baseado em trajetória para acelerar a inferência em modelos de difusão e correspondência de fluxo. Ao contrário das abordagens atuais que dependem de destilação variacional de pontuação difícil de otimizar e perdas adversariais, o PDD prevê múltiplos passos de desruído por avaliação da rede.
No início de setembro de 2026, a Nvidia confirmou sua aquisição da Hugging Face por US$ 12,93 bilhões, enquanto a OpenAI lançou o GPT-6 Astra e a Microsoft lançou o modelo de reconhecimento de fala MAI-Transcribe-2.
Pesquisadores da NVIDIA, MIT e da Universidade de Oxford apresentaram o Physis-Lang, um framework que aprimora os modelos de mundo em vídeo ao integrar linguagem física autoevolutiva nas legendas. Essa abordagem trata a linguagem física como uma representação otimizável usada para curadoria de dados, treinamento do modelo e inferência, corrigindo erros físicos nos vídeos gerados.
O Google Research apresentou um co-diretor de vídeo por IA composto por quatro estruturas agênticas projetadas para gerar vídeos coerentes com duração de minutos, abordando a deriva de identidade e erros em cascata comuns em pipelines multi-takes. O sistema opera como uma camada de orquestração independente de modelo sobre o Gemini e Veo, utilizando marca d'água SynthID na saída.
A Runway lançou o GWM Worlds 2, uma prévia de pesquisa que transforma a geração de vídeo e áudio de alta fidelidade em simulação interativa em tempo real por meio de um modelo de difusão autoregressivo. O lançamento inclui o WorldPrompt, um novo formato de entrada que permite aos usuários especificar mundos e ações gerados ao fixar aspectos do ambiente e criar eventos com carimbos de data e hora.
Pesquisadores apresentam o VideoX-Qwen, uma estrutura integrada que combina construção escalável de dados com treinamento de modelo para avançar na edição de vídeo de propósito geral e orientada por instruções. O sistema utiliza um pipeline de produção que organiza modelos especializados para gerar registros de edição direcional, resultando em mais de 1,2 milhão de amostras de alta qualidade nas tarefas de adição, remoção, substituição e atributos.
O NanoAvatar é um projeto de código aberto que executa avatares falantes realistas localmente em telefones Android mais antigos sem exigir uma GPU na nuvem. O lançamento inclui código público, pesos do modelo e APKs para Android que empacotam o modelo e um avatar para uso offline com a voz própria do usuário.
O Vidu S2 compreende o Vidu S2-Avatar, um modelo de personagem digital interativo em tempo real, e o Vidu S2-Editing, um modelo de edição de vídeo em tempo real. O sistema também explora a viabilidade da geração de vídeo espacial em tempo real para ambos os componentes.
Um usuário publicou um vídeo gerado usando o recém-lançado modelo DeepSeek V4.1 Flash para avaliar suas capacidades na síntese de vídeo em movimento.
Um usuário tem experimentado com o Seedance 2.5 para criar vídeos gerados por IA, utilizando a plataforma de API do AIide que fornece acesso ao Seedance e a outros modelos.
Um usuário testou o modelo de geração de vídeo Seedance 2.5 usando uma sequência curta de moda e editorial apresentando um único personagem em várias roupas, composições e estilos visuais.