标签： AI视频

新加坡AI视频公司PixVerse融了4.39亿美元，估值冲破20亿，阿里入局
做AI视频生成的公司这两年不算少，但真能拿到大钱、还被阿里看上的不多。新加坡的PixVerse刚宣布完成一轮C轮扩展融资，总额4.39亿美元，估值直接冲过20亿美元。这一轮由CDH Investments领投，新进来的名字里最扎眼的是阿里巴巴，此外还有Mirae Asset、BlueFocus、Eastern Bell Capital等。

AI视频生成正成为生成式AI里最烧钱、也最被资本追捧的赛道之一。

三年、1.5亿用户、20亿估值

这家公司2023年才成立，创始人是王昌虎和Jaden Xie。王昌虎之前在字节做计算机视觉，Xie做过投资。他们现在对外说，消费端产品已经有超过1.5亿注册用户、1500多万月活。至于其中多少是付费用户，他们没说——这是个留白，但也正常，很多AI应用都靠这个盘子撑起估值。

三套模型，外加一个“世界模型”

PixVerse不是只卖一个模型。它有V系列，面向普通用户和API调用；C系列，面向专业影视和广告工作流；今年早些时候还发布了R系列“世界模型”，专门给游戏和虚拟世界搭建用。用户能生成最高4K、还带声音的视频，图片转视频的价格是每分钟4.8美元。

Xie对TechCrunch说：“关键差别不在数据，而在你怎么标注它，因为数据到处都是。”他的联合创始人王昌虎在字节搭过TikTok背后的视觉理解技术，靠精准标注撑起了推荐算法。

一句大实话，点了一圈对手

同行都在说自己“质量高”，这话没有信息量。Xie真正想强调的差别在“标注”：数据到处都是，谁标得好谁赢。他还很不客气地点了对手——OpenAI关掉Sora 2、等于退出了这个赛道；Meta和腾讯也做不出够质量的视频模型。所以能打到质量线的没几家。

亚洲这边有字节的Seedance、Kling AI，以及前腾讯AI负责人危宇的Video Rebirth；西方则有Runway、Luma、Midjourney。世界模型这条更窄的赛道上，Yann LeCun和李飞飞也都在做。

钱要花在哪，估值能不能站住

这轮钱怎么花？扩世界模型、招研究员、铺全球企业销售。PixVerse目前150人，散布在新加坡、北京、上海，还跟投资人阿里签了部署合作，把视频生成功能接进阿里的体系。视频生成这条赛道热得发烫，但变现终究是硬仗——1500万月活里多少真付费、企业客户能不能持续掏钱，才是20亿估值能不能站稳的关键。Sora退场留下的空位，正在被亚洲公司抢。
- 融资规模：C轮扩展4.39亿美元，估值突破20亿美元
- 关键投资人：CDH Investments领投，阿里巴巴等新进
- 产品矩阵：V系列（消费/API）、C系列（专业）、R系列（世界模型）
- 用户盘子：1.5亿注册、1500万月活，付费率未披露
📎 原文来源：Video generation startup PixVerse raises $439M, valuation soars past $2B（TechCrunch / Ivan Mehta）
2026年7月19日
Google Photos 上线 Video Remix：几秒把废片改成水彩画
谷歌给 Google 相册塞进了一个新玩具，叫 Video Remix。它背后是 Gemini Omni 模型，用法简单到有点离谱：在”Create”标签页里挑一段视频，选个模板，剩下的交给 AI。

Video Remix 把视频编辑变成几步点击的模板游戏（图源：TechCrunch）

它能干啥

最核心的三类玩法：一是电影级重新打光，把拍暗了的片段自动提亮；二是换背景，把平淡的墙换成咖啡馆或者海滩日落；三是艺术滤镜，把视频涂成水彩、素描本或者油画的样子。你不用碰时间轴，也不用调色轮，点几下就出片。

“做出好看的视频片段，不该需要专业技能，也不该耗费几个小时。”谷歌在博客里这么写，”现在用 Photos 里的 Video Remix，几步点击就能把普通视频变成值得分享的瞬间。”

实际限制也挺明确：视频总长得在 60 秒以内，而且你只能挑其中 1 到 10 秒的片段来做变换；素材还得已经备份到 Google 相册里。

门槛藏在订阅里

这个功能只对成年人开放，而且不是免费用户能碰的——它绑在 Google AI Plus、Pro、Ultra 这几个付费档上，首批开放的市场包括美国、日本、韩国、印度等 14 个国家。免费相册用户暂时和它无缘。
- AI Plus 每月 4.99 美元（今年 6 月刚从 7.99 降下来），带 400GB 存储，能用 Video Remix；
- AI Pro 每月 19.99 美元，5TB 存储；
- AI Ultra 每月 100 到 200 美元，面向重度用户。
把”生成式视频”关在付费墙后面，说明谷歌的算盘和存储费一个逻辑：好用，但跑在云端烧钱，所以按量计费。此前 Magic Eraser、背景虚化这些相册 AI 工具都是免费的，这次是个明显的转向。

谷歌想把相册变成创作入口

Video Remix 不是孤立的。谷歌近半年往 Photos 里塞了一连串 AI：照片转动图、Photo Remix 把静图变成 3D 动画和漫画风、AI 修图、甚至一个数字衣橱帮你试穿搭。它的野心很清楚——相册不该只是备份仓库，而要成为你不用跳出谷歌生态就能修图、生成、玩创意的地方。这跟苹果 iOS 的回忆视频、Adobe 的 AI 剪辑、Meta 的 Muse Image，抢的是同一批想偷懒又想出片的人。

顺带一提，用 Gemini Omni 生成的视频会打上 SynthID 水印，方便溯源是不是 AI 做的。

📎 原文来源：Google Photos adds a new AI ‘Video Remix’ tool（TechCrunch）
2026年7月17日
Character.AI杀入微短剧：看完还能拉住主角聊上两句
Character.AI 推出的 c.ai Series 让观众能和剧中 AI 角色直接对话（图：TechCrunch）

微短剧这阵风刮得有多猛？现在几乎每个盯住「注意力」生意的公司都在做：专门的短剧 App 不用说，TikTok、Instagram 这些社交巨头下了场，连 Peacock、Amazon Prime、印度的 JioHotstar 都来分一杯羹。最近，以「和 AI 角色聊天」起家的 Character.AI 也进场了，但它玩了个不一样的花样。

三部开篇，题材专挑能聊的

Character.AI 自己制作了三档微短剧：爱情向的《最后一个夏天》、恐怖向的《夜间游戏》，还有一档类似《饥饿游戏》的生存题材《伊甸坠落》。这些剧都是用 AI 制作工具弄出来的。有意思的地方在后面——18 岁以上的用户不光能看，还能直接跟剧里的角色对话、提问，甚至换条故事线自己演一遍。公司说长远目标是把这套工作流变成创作工具，让普通用户也能拿自己捏的角色拍系列剧。

它把「看剧」变成了「进剧」

当下的竖屏短剧，本质上是你划一下、我看一段，全程被动。Character.AI 的 twist 在于，剧播完了你还能把主角拽住聊两句。这让它不像又一个短视频信息流，而更像把一个故事世界直接敞开给你。公司把这个项目叫 c.ai Series，先由内部工作室主导打磨格式和流程，等摸清楚了观众要什么，再把能力开放给创作者。

他们自己有个判断：故事本身未必是最核心的资产，「可对话、可介入」的叙事框架才是。当用户厌倦了被动观看，控制感和参与感反而成了新的卖点。

这不是临时起意追风口

往回看，这家公司从去年就把重心往娱乐功能挪了。今年 4 月它预告了 Lorebook，让用户给角色搭世界观设定；又上了 Books，能把你自己塞进经典文学里扮演角色。现在它还在测 c.ai FM（音频剧）和 c.ai Reads（小说创作）。CEO 卡兰迪普·阿南德说得直白：短剧不是为赶热点临时加的业务，而是平台顺理成章的下一步。为了不像粗制滥造的 AI 视频那样翻车，他们特意请了好莱坞编剧团队先把剧本磨出来，首批每部约 10 集、单集不到两分钟，前 8 集免费、后 2 集付费。

真正值钱的是那点黏性

敢这么玩，底气来自用户停留。Sensor Tower 的数据说，2026 年上半年，Character.AI 的用户每个月花在上面的时间超过 950 分钟。放到流媒体行业里看，这是个吓人的数字。公司显然在赌一件事：把陪你聊天的 companion，转化成原创 IP，再靠能互动的角色把人留得更久。
- 三档自制微短剧上线，题材覆盖爱情、恐怖、生存
- 核心差异：看完能和剧中 AI 角色对话、改剧情
- 先工作室主导，后续向创作者开放工具
- 月均停留超 950 分钟，互动成新黏性点
📎 原文来源：Character.AI enters the microdrama arena with its own productions, but there’s a twist
2026年7月15日
可灵 AI 单轮融了近 30 亿美元：全球视频大模型最大一笔钱

7月2日晚上，快手在港交所发了个公告——旗下的视频生成大模型“可灵 AI”要独立出来，单轮融资规模最高 30 亿美元，投后估值大概 180 亿美元。这个数字创下了全球视频大模型公司单轮融资的纪录，国内 AI 领域也就仅次于 DeepSeek 首轮的 70 亿美元。可灵这是要单飞了。

30 亿美元约占可灵扩大后注册资本的 16.67%，对应投后估值约 180 亿美元——全球视频基础模型赛道迄今最大的一笔融资。

钱是谁给的？

这轮阵容挺豪华。领投的有 CPE 源峰、国方创投、来自阿布扎比的 BlueFive Capital、腾讯、中关村科学城基金和中信证券，一共 34 家机构认购。跟投里还有阿里云、百度这样的产业资本，华策影视、芒果系的厚为资本这些文娱产业方也进来了。值得一提的是，BlueFive 来自中东，这是中东资本头一回投中国的 AI 视频模型；而 CPE 源峰同时押了 Kimi 和可灵，等于在 AI 赛道上“通用+垂直”两头下注。整个交易分两步走：领投方先出 138.24 亿元人民币，15 家额外投资方再加 52.2 亿，60 天认购期里还能再进最多 14 亿，凑到上限 204.47 亿元。

可灵 AI 单轮融资近 30 亿美元，创全球视频大模型公司融资纪录

为什么现在要拆出来单干？

说白了，是被算力开支和竞争逼的。快手这一年几乎把资本开支全砸在了 AI 基础设施上，调整后净利润因此被拖累。把可灵拆出来独立融资，既能给它输血，也能让母公司喘口气。数据其实很能打：可灵今年一季度收入超过 6.5 亿元，同比涨了 300% 多；3 月的年化收入（ARR）接近 5 亿美元，一年翻了四倍；全球用户已经破了 1 亿，而且大约四分之三的收入来自海外。对一个视频大模型来说，这样的海外变现能力不多见。

拿到钱，仗才刚开始

不过投资人现在的心态变了。以前看的是技术 demo 够不够炫，现在更盯着能不能赚钱、边际效率高不高。 30 亿美元砸研发是够了，但可灵得赶紧跟其他视频大模型拉开差距，把钱变成实打实的成本优势才行。协议里还写了回购条款：要是 2031 年 10 月底前没能完成 IPO，或者没按约定时间重组，投资人可以要求按原价加每年 8% 的单利回购，母公司还得连带担责。这压力可不小。

快手已经放话，未来 12 个月内可能启动可灵 AI 赴港上市。视频大模型这条赛道，海外有 Runway、OpenAI 的 Sora，国内有一堆追兵，可灵手里多了 30 亿美元的弹药，但真正的较量，是把这笔钱花出效率来。

📎 原文来源：China’s Kuaishou to Spin Off Kling AI, Seek Up to USD3 Billion in Record Video AI Funding Round（Yicai Global）

2026年7月14日
claude-video：让 Claude 真正“看懂”视频的 /watch 技能，6.4K Stars 把视频变成 AI 能读的输入
📌 项目简介

claude-video 是一个让 Claude（以及 Codex、Cursor、Gemini CLI 等 50+ AI 编程工具）真正”看懂”视频的开源 Agent Skill。它的核心理念只有一句话：Claude 能读网页、能读 PDF、能读代码仓库，但默认它看不了视频——而 claude-video 把”看视频”这件事补上了。你丢给它一个 YouTube 链接或本地视频，它自动下载、抽帧、转写音频，再把画面帧 + 时间戳字幕一起喂给大模型，让 AI 基于真实视听觉内容来回答，而不是靠标题瞎猜。

🛠 安装要求和过程

环境要求：
- Python 3.10+（核心脚本 watch.py / download.py / frames.py / transcribe.py 均为 Python 实现）
- yt-dlp：负责从 YouTube、Loom、TikTok、X、Instagram 等站点下载视频（首次运行 macOS 上自动 brew 安装，Linux/Windows 会打印安装命令）
- ffmpeg：负责抽帧、音频提取（同上，首次运行自动引导安装）
- 带字幕的视频完全免费；无字幕时才需要 Whisper API Key（Groq whisper-large-v3 或 OpenAI whisper-1）
快速安装（三选一）：

方式一 · Claude Code（推荐）：
```
/plugin marketplace add bradautomates/claude-video
/plugin install watch@claude-video
```
方式二 · 任意 Agent Skills 宿主（Codex / Cursor / Copilot / Gemini CLI 等 50+ 工具）：
```
npx skills add bradautomates/claude-video -g
```
方式三 · 手动 / 开发：
```
git clone https://github.com/bradautomates/claude-video.git
ln -s "$(pwd)/claude-video/skills/watch" ~/.claude/skills/watch
# 或 ~/.codex/skills/watch
```
首次运行会调用 scripts/setup.py --check 引导安装依赖，并在 ~/.config/watch/.env 中生成 GROQ_API_KEY / OPENAI_API_KEY 占位配置。

⚡ 核心功能
1. 多源视频获取：支持 URL（yt-dlp 兼容的几乎所有视频站点）或本地路径（.mp4/.mov/.mkv/.webm），一条命令即可接入。
2. 智能帧提取：用 ffmpeg 按细节模式抽帧——efficient（关键帧，约 0.5s）到 token-burner（场景切换检测）；内置帧去重（默认开启，丢弃近重复帧）与自动 fps / token 预算控制。
3. 双通道转写：优先用 yt-dlp 提取原生字幕（免费）；无字幕时回退 Whisper API，并支持 >25MB 自动分块，确保长视频也能完整转写。
4. 多模态交给大模型：脚本输出带 t=MM:SS 标记的帧路径 + 时间戳转写，Claude 并行 Read 图像，基于真实画面与声音作答。
5. 细节模式可调节：--detail transcript|efficient|balanced|token-burner 权衡速度与 token 成本；支持 --start/--end 聚焦片段、--timestamps 指定时刻、--no-whisper 等精细控制。
🎯 典型使用场景
- 拆解爆款内容：把竞品发布会、广告片、干货视频丢给它，让它分析钩子结构、叙事节奏、真正的新功能，远快于 2x 倍速硬看。
- 看录屏诊断 Bug：前端同学把屏幕录制喂给它，它能定位”出错的那一帧”，描述现象与可能原因，把视频变成可调试的输入。
- 视频转结构化笔记：把一整个播放列表逐条摘要，自动构建可搜索的知识库；或剥离更新视频里的 hype，只提取”真正变了什么”。
💡 推荐理由（个人使用心得）

这是个”小而准”的工具，解决的痛点非常真实——我们天天让 AI 读文档读代码，但遇到一个视频链接就瞬间退化成”靠标题猜”。claude-video 最漂亮的设计是零配置起步：有字幕就白嫖字幕，没字幕才花一点点 Whisper 钱；帧去重 + 预算控制又避免了”把整个视频塞进上下文”的 token 爆炸。它本质上是在给 LLM 补上一双眼睛，而且是以”可复用技能包”的形式存在，Claude Code / Cursor / Codex 通吃。如果你经常需要让 AI 处理视频内容，这个 6.4K Star、MIT 协议、纯 Python 的小项目，值得一键装进你的工具箱。

🔗 下载地址
- GitHub：github.com/bradautomates/claude-video
- 安装（Claude Code）：/plugin marketplace add bradautomates/claude-video → /plugin install watch@claude-video
- 许可证：MIT（可自由商用、修改、分发）
2026年7月9日
Google Photos 上线「Video Remix」：你手机里那段糊视频，几秒钟被 AI 改头换面
Google Photos 的 Video Remix 把 AI 视频编辑做成了相册里的一键按钮（配图由 AI 生成）

你手机相册里那些拍得一般、光线很暗、背景很乱的视频，以前基本就躺在那儿吃灰了。现在 Google 想让你点一下，AI 把它们”重混”一遍。7 月 8 日，Photos 里上线了一个叫 Video Remix 的功能，它跑在 Gemini Omni 这套模型上，干的事很具体。

几秒钟能改头换面

给暗乎乎的片段补光（Google 管这叫 cinematic relighting），把平淡的背景换成别的场景，或者给整段视频套上水彩、速写本这类艺术风格。入口藏在 Photos 的 “Create” 标签页里，Google 把它定义成你的”创意中枢”。操作逻辑很简单：挑一段视频，选个效果，等几秒，出来一份被重新打过光的版本。

这个功能不是给所有人开的。目前只面向 Google AI Plus、Pro、Ultra 这几个订阅档位的用户灰度推送，也不是全球同时铺开。换句话说，你如果还用着免费的 Photos，暂时看不到这个按钮。

Google 自己的说明里反复强调，用 Video Remix 生成的视频会带上 SynthID 的隐形水印，标明”这是 AI 动手过的”。

三个月塞了三个，相册快成工具箱了

有意思的是，这已经不是 Google Photos 今年第一次往相册里塞 AI 生成类工具了。翻一翻时间线，短短三个月里它已经堆了至少三个功能相近的东西。用户打开相册，本意是找张旧照片，结果迎面撞上一堆”AI 帮你重做”的入口。功能多是好事，但当每个入口都在暗示”你原来的素材不够好、让我替你重造一遍”，体验就开始变味了。

水印这事儿，真挡得住吗

再说 SynthID。Google 一直把这套隐形水印当成”负责任 AI”的门面，意思是 AI 生成的内容能被溯源、被识别。理想很丰满：以后看到一段以假乱真的视频，系统能告诉你”这是 AI 改的”。但现实骨感——水印只对”在 Google 生态内生成”的内容有效。你导出视频、转码一遍、或者用别的工具再处理，水印就可能掉了。
- 给暗光视频补光、换背景，门槛低到几乎零成本
- 艺术风格迁移让”看起来像那么回事”变得特别容易
- SynthID 只对原生生成内容生效，二次传播基本失效
我倒不是说 Google 存了什么坏心。把专业级的视频调色、风格化能力下放到每个人的相册，确实是技术进步。但当一个日活几十亿的产品，把”AI 改写现实”做成一键按钮，它承担的就不只是”好玩”的责任了。水印是第一步，但远远不够。

📎 原文来源：Google Photos now lets you “remix” your videos with AI — The Verge
2026年7月9日
FunClip：阿里出品的 AI 视频剪辑神器，语音识别 + LLM 智能裁剪，5.9K Stars 让视频剪辑自动化
做自媒体的朋友一定有过这样的痛苦：一段两小时的直播回放，只想剪出几句高光金句，却要在时间轴上反复拖拽、听写、对齐字幕。阿里通义语音实验室开源的 FunClip，用语音识别 + 大语言模型把这件事彻底自动化了——上传视频，复制你想保留的文字，点一下，片段就出来了。

📌 项目简介

FunClip 是一个完全开源、可本地部署的自动化视频剪辑工具，基于阿里巴巴通义语音实验室开源的 FunASR Paraformer 系列模型对视频做语音识别，用户自由选择识别文本片段或说话人，一键生成对应视频片段，并提供本地 Gradio Web 界面，支持 LLM 辅助智能剪辑。

⚙️ 安装要求与过程

环境要求：仅需 Python 环境（推荐 Python 3.8+）；如需内嵌字幕剪辑，需额外安装 ffmpeg 与 imagemagick 及中文字体文件。

快速安装：
```
# 克隆仓库
git clone https://github.com/modelscope/FunClip.git
cd FunClip
# 安装依赖
pip install -r ./requirements.txt

# 启动本地 Gradio 服务（默认中文 Paraformer）
python funclip/launch.py
# 可选：-m fun-asr-nano (31语种) | -m sensevoice (情绪+事件) | -l en (英文)
#       -p 端口号 | -s True (公网访问)
```
启动后访问 localhost:7860 即可使用 Web 界面：上传视频 → 复制需剪辑文本到 “Text to Clip” → 调整字幕 → 点击 “Clip” 或 “Clip and Generate Subtitles”。

✨ 核心功能
- 工业级中文 ASR（Paraformer-Large）：阿里开源的顶尖中文语音识别模型，Modelscope 下载超 1300 万次，可精准预测时间戳，自动返回全视频与目标段 SRT 字幕。
- 热词定制（SeACo-Paraformer）：在识别过程中指定实体词、人名等热词，显著提升专有名词识别准确率。
- 说话人分离（CAM++）：集成说话人识别模型，可自动识别 speaker ID，一键剪出特定人物的全部发言片段。
- LLM 智能剪辑：支持 qwen、GPT 等大模型，结合视频字幕自动推理出高光片段的时间戳；还可选 TwelveLabs Pegasus 视频理解模型，直接“看懂”画面而非仅依赖字幕。
- 多模型与多语言：2026 年新增 Fun-ASR-Nano（31 种语言高精度）、SenseVoice（情绪识别 + 音频事件检测），并支持英文视频识别剪辑。
🎬 典型使用场景
- 自媒体长视频提取金句：把一场发布会、一次访谈原片丢进去，复制想保留的台词，FunClip 自动精准裁出对应时段并生成字幕，做短视频切片效率翻倍。
- 会议 / 演讲按说话人剪辑：开启说话人分离后，直接剪出某位嘉宾的全部发言，用于整理观点、制作人物集锦，无需手动对照音轨。
- 视频自动加字幕：识别后一键生成全片 SRT，并可内嵌硬字幕导出，省去逐句听写的繁琐，特别适合教程、纪录片类内容。
💡 推荐理由

我自己的使用感受是：FunClip 把“语音识别 → 文本选择 → 视频裁剪”这条链路做到了极简。它不像一些云端剪辑工具那样把数据传上去，而是完全本地运行，隐私可控；Gradio 界面几乎零学习成本，命令行模式又能轻松写进自动化流水线。对做内容创作、知识整理的人来说，它是那种“装好就天天想用”的效率利器。尤其 LLM 智能剪辑的加入，让“我要这段关于乡村振兴的发言”变成一句自然语言指令就能完成。

🔗 下载地址
- GitHub：github.com/modelscope/FunClip
- ModelScope 在线体验：modelscope.cn FunClip Space
- HuggingFace 在线体验：huggingface.co FunClip Space
- 所属生态：FunAudioLLM 家族（FunASR / Fun-ASR-Nano / SenseVoice / CosyVoice）
许可协议：MIT（可自由商用与修改）
2026年7月8日
video-use：用 Claude Code 一句话剪辑视频，browser-use 团队出品，15.9K Stars 让 AI 成为你的剪辑师
把原始素材丢进文件夹，跟 Claude Code 聊两句，拿回成片 final.mp4 —— 这就是 video-use（15.9K+ Stars，MIT 许可，100% 开源）。它由爆火的 browser-use 团队打造，把”对话式 AI 编程”的思路搬进了视频剪辑：不再和轨道、关键帧死磕，而是用自然语言描述你要的成片。

🚀 项目简介

video-use 是一个对话式视频编辑「技能（skill）」，让 LLM 通过阅读而非观看视频来完成剪辑。它把任意原始素材（口播、混剪、教程、旅行、采访）交给 Claude Code / Codex / Hermes 等任意带 shell 的 AI 编程智能体，自动产出可直接发布的成片，全程无需预设模板或复杂菜单。核心思想和 browser-use 一脉相承：给 LLM 一份结构化的「视频说明书」，而不是一堆看不懂的逐帧截图。

⚙️ 安装要求和过程
环境要求
- Python 3.12+（依赖 requests / librosa / matplotlib / pillow / numpy）
- uv（推荐）或 pip 管理依赖
- ffmpeg（必需，渲染引擎）
- yt-dlp（可选，用于下载在线素材）
- ElevenLabs API Key（用于 Scribe 转写，按量计费）
方式一：对话式安装（推荐）

把官方 setup prompt 粘贴给 Claude Code / Codex / Hermes 等任意智能体，它会自动完成 clone、依赖安装、skill 注册，并在需要时提示你粘贴 ElevenLabs Key——你只需说”准备好了”等它通知。

方式二：手动安装
```
git clone https://github.com/browser-use/video-use ~/Developer/video-use
ln -sfn ~/Developer/video-use ~/.claude/skills/video-use   # Claude Code
# ln -sfn ~/Developer/video-use ~/.codex/skills/video-use  # Codex

cd ~/Developer/video-use
uv sync                       # 或 pip install -e .
brew install ffmpeg           # 必需
brew install yt-dlp           # 可选

cp .env.example .env          # 填入 ELEVENLABS_API_KEY=...
```
安装完成后，进入任意素材文件夹运行智能体，说一句”edit these into a launch video”，它就会盘点素材、给出剪辑策略、等你确认，再把 edit/final.mp4 生成在素材目录旁。
💡 核心功能
- 🧹 剔除填充词与死寂：自动删掉 umm / uh、假开场和片段间的空白，节奏立刻紧凑。
- 🎨 自动调色：每段独立调色——暖色电影感 / 中性 punch / 任意自定义 ffmpeg 链，风格统一可控。
- 🔇 无爆音剪辑：每个切点做 30ms 音频淡入淡出，彻底告别”咔哒”爆音。
- 📝 烧录字幕：默认 2 词大写块样式，颜色、字体、排版完全可定制。
- ✨ 动画叠层：通过 HyperFrames / Remotion / Manim / PIL 生成动画，每个动画派发并行子代理，互不阻塞。
- 📖 「阅读」而非「观看」：LLM 只读转写文本 + 按需时间轴视图（约 12KB 文本 + 少量 PNG），而非逐帧分析 4500 万 token 噪声——这正是它又快又准的关键。
- 🔁 自评估闭环：渲染后在每个切点自检画面跳变 / 音频爆音 / 字幕遮挡，最多自动重渲染 3 次，全部通过后你才看到预览。
📦 典型使用场景

🎤 场景一：口播 / 教程视频快速成片

录完一镜到底的口播，丢给 video-use：它会自动剔除 umm、加好字幕、统一调色、消除爆音，几分钟产出可直接上传的成片，省掉 PR 里最枯燥的”听音修剪”。

🎬 场景二：旅行 / 采访混剪

多段原始素材自动编排成叙事线，配合 Remotion / Manim 生成的动画叠层，做出有质感的混剪，适合 Vlog、产品发布片、活动回顾。

🤖 场景三：常驻远程剪辑

通过 Browser Use Box 跑在自有 VPS 或 Telegram 上，随时丢素材、随时收成片，把剪辑变成一条常驻的消息流水线。

⭐ 推荐理由

我特别欣赏它”给 LLM 一份视频说明书”的设计哲学——和 browser-use 把网页 DOM 喂给模型如出一辙，但对象换成了视频。传统”AI 剪辑”要么逐帧灌噪声、要么套预设模板；video-use 选择让模型读转写、按需看图，既省 token 又保精度，自评估闭环还兜住了质量下限。

100% 开源、MIT 许可，能挂在任何 AI 编程智能体上，本地文件零上传（只有转写调用 ElevenLabs）。如果你已经用 Claude Code 写代码，顺手把它变成分身剪辑师，几乎零学习成本。唯一门槛是 ElevenLabs 转写按量计费，但换来的是真正”对话即剪辑”的体验。

📧 下载地址
- 🏠 GitHub：github.com/browser-use/video-use
- 🌐 Browser Use Cloud（在线体验）：cloud.browser-use.com
- 🤖 Browser Use Box（常驻剪辑）：browser-use.com/bux
2026年7月8日
字节的Seedance，正在悄悄“占领”好莱坞

从被点名批评到被拿进片场，Seedance只用了不到半年

几个月前，好莱坞还把字节的Seedance当成“危险样本”。2月的时候，Seedance 2.0生成了一段布拉德·皮特和汤姆·克鲁斯在屋顶拳拳到肉的打斗视频，逼真到让整个行业紧张，美国电影协会MPA直接点名，说这类工具可能侵犯版权和明星肖像权，演员工会SAG-AFTRA也把矛头对准了AI生成演员形象的问题。

结果才四个月，风向就变了。据《洛杉矶时报》报道，Seedance正在悄悄钻进洛杉矶的AI创作者圈、独立电影项目，以及好莱坞周边的工作流里。从被点名批评到被拿进片场，字节只用了不到半年。

两部作品，已经真刀真枪地拍起来了

最典型的例子是《Hell Grind》（地狱磨坊），一部95分钟的长片，由Higgisfield AI出品，主要用Seedance 2.0制作，一个15人的团队两周就搞定了。还有一部AI奇幻剧集《骸骨编年史》，制作人Kavan Cardoza同样基于Seedance打造，每月在YouTube上更新一集，单集平均观看量300万，Cardoza本人也已经攒了50万粉丝。

这些片子的人物神态、光影落点、宏大背景，细腻到让人以为是《权游》那种大制作。但事实上，它们都来自好莱坞各路独立电影人的电脑，是Seedance一个一个镜头生成出来的。

便宜，是“真香”的根本原因

好莱坞为什么突然不抵触了？说到底，还是好用、爱用。

根据Artificial Analysis的数据，Seedance生成“视频加音频”的成本大约是每分钟9美元，而Google的Veo要每分钟24美元。到了实际的AI片场，流程跟传统片场完全不一样。导演可以先写出详细大纲和角色设定，再用prompt生成画面，当天出样片、当天看效果、当天调整。

Cardoza说得很直白：他请不起布拉德·皮特，因为那位明星出演他的电影要花500万、1000万甚至2000万美元。但有了AI之后，一切皆有可能。

《鬼影实录》的制片人Steven Schneider今年5月宣布了一部混合AI恐怖片《Terrarium》，导演Jason Zada说会大量使用Seedance。他算了笔账：生成15秒高清画面的成本大概只要5美元。对独立电影人来说，过去许多必须花大钱试错的环节，现在可以先在桌面上反复跑出来。

字节在好莱坞的“地面战”

Seedance并没有先去敲Disney、Warner、Netflix这些大厂的大门，相反，它的目标直指独立电影人、AI filmmaker、低成本类型片创作者，以及那些被预算和周期卡住的人。字节今年春天在美国推出Seedance后，就开始主动接触电影人、独立艺术家和娱乐业高管。戛纳电影节期间，Seedance团队出现在周边行业活动里；5月，它的产品线Dreamina也登上了Amazon MGM Studios举办的“AI on the Lot”大会。

有制作人私下说，业内很多工作室其实没批准使用Seedance，但大家心照不宣地都在用，有点像潜规则。

中美视频模型的正面较量

把视野拉到整个AI视频赛道，事情正在变得白热化。美国这边有Google的Veo、Runway和Luma，OpenAI的Sora曾经被视为最强王炸，如今视频工具已经停止运营，原本属于它的想象空间被其他玩家迅速填上。而Seedance正在快速逼近，在一些电影人眼里，它已经成了当下最强的视频模型。

印度媒体公司JioStar的高级副总裁Stephan Vladimir Bugaj认为，Seedance崛起的关键在于它专注取悦电影制作人，做出更有电影质感的画面，还引入了基于时间轴的prompt能力，让制作人能选具体时刻微调。Zada也给Seedance开出了高达200万美元的特殊访问权限报价。

按照State of Generative AI Media报告，媒体公司在AI上的支出预计会从2024年的26亿美元涨到2029年的125亿美元。蛋糕在变大，围绕AI视频工具的争夺只会更激烈。至于好莱坞的制作人，Zada说了一句大实话：我们不讲究忠诚，只要是最好的，我们就会用。

📎 原文来源：字节Seedance，正在占领好莱坞 | 量子位

2026年7月7日
Google NotebookLM 现在能把你的研究变成60秒短视频

Google NotebookLM 现在能把你的研究变成60秒短视频

Google 的 NotebookLM 前几天上线了一个新功能——把你塞进去的研究资料，直接变成一段 60 秒的竖屏短视频。就是那种你在 TikTok 上刷到的格式，有画面、有旁白，一口气把重点讲完。

NotebookLM 现在能生成 TikTok 风格的短视频摘要

这个功能目前向 Google AI Ultra 和 Pro 订阅用户开放。你把资料上传到 NotebookLM，它就能基于这些内容生成一段 60 秒的竖屏视频，配上了 AI 生成的画面和自动旁白。

Google 分享了一个例子：用澳大利亚历史上那场”鸸鹋战争”做演示。AI 用纸剪风格的图像，配上旁白，把这段荒诞历史讲得挺像回事。

怎么用

操作不复杂。在 NotebookLM 的网页端或 App 里打开一个笔记本，点右侧”Studio”栏里的”Video”，选”Short”，然后告诉它你想让视频聚焦哪个主题（也可以让它自己决定），点”Generate”就行。

目前只支持英文输出，中文估计还得等一阵。Google 说免费用户”很快”也能用上，但没给具体时间。

不止是视频

NotebookLM 这两年一直在往”多模态”方向走。之前已经能生成 AI 播客对话、电影感的内容概览视频，还有各种视觉解释卡片。这次加了个短视频格式，显然是看准了大家现在习惯刷短视频、没耐心读长文的趋势。

不过话说回来，60 秒能讲清楚多少东西，得看你喂给它的材料质量。垃圾进、垃圾出，这条规律在哪儿都适用。

📎 原文来源：Google’s NotebookLM can sum up your research in a TikTok-style clip — The Verge

2026年7月1日