Google Books 上的 Magic Pointer 是一个很棒的功能，需要时可以从 Gemini 获得帮助，而当你只想进行点击操作时，它又不会打扰你。

最近刚从 Yosemite 回来，这太棒了！

可灵 Kling AI 宣布 Kling 4.0 将于 10 月发布，Kling 4.0 Flash 现已面向 Ultra 年度订阅用户开放。

用户用可灵 Kling 4.0 生成一段 30 秒+extend 的日本短剧 POV 视频，测试其日语精度、表情与口型同步、演技自然度。Prompt 为男性视角一镜到底的夜路同行场景，要求手持手机质感、无 BGM、无字幕水印，通过失恋吐槽与「コンビニかよ」的接梗展现细腻情感变化。

过去 6 个月里…… - Muse Spark - Muse Image - Muse Video - Muse Spark 1.1 - Meta Model API - Muse Glimmer - Muse Spark 1.2 - Muse Code - Muse Spark 1.3 - Muse ……而我们才刚刚开始。🚀

用 Claude Opus 5.5 通过 Higgsfield MCP 在 After Effects 中进行动效设计： higgsfield.ai/mcp?tab=claude

Meshy × Chrona 将于 10 月 10 日在旧金山举办活动，展示 AI 生成 3D 技术在多人世界中的应用，含现场多人协作搭建演示。活动设炉边对谈，嘉宾来自 Meta、MeshyAI、Roblox、Chrona，另有 6 位创作者现场展示并由观众投票选出 Top 2。

作者用 Opus 5.5 用 Python 写谱并从声波开始合成整首歌，未使用 Suno 等 AI 音乐模型，歌词也由 Opus 5.5 创作。流程是用 Swift 程序调用 macOS 语音合成，让 Aaron 和 Nicky 两个声音逐音节朗读，再通过信号处理把朗读唱成旋律；检测不靠耳朵，而是看频谱图、测响度和峰值，音高中位数误差为 8.7 音分。

Cohere Parse 5 解析企业文档：表格、图像、边界框、流程图

Cohere 的 Parse 5 面向常见格式的企业文档，宣称提供最优价格，可解析并返回表格、图像、边界框和流程图等内容。该帖未披露具体定价、上下文长度或可用方式，仅引导查看演示。

博主到美国后入手 Google Fitbit Air，与左手的 Apple Watch 搭配，开启双手各戴一只手表的健康管理方式。她认为接入 Gemini 的 Google Health 才是健康管理软件的正确打开方式，选择理由一是数据基本都在 Google 上，二是 Google 的数据安全一直做得还行。

快速 FAQ：我是怎么制作那些架构设计变体视频的？ 我用 @krea_ai 上的 Krea Agent 搭了一个自定义应用。放入你的基础设计，它就能即时生成完整的变体视频。 调整你想要的变体数量，选择画面比例，就这么简单。 在这里试试 👇 krea.ai/agent/apps/69ac66ae-… 你需要一个 Krea 账号才能访问——通过评论区的链接注册。

每一列法国🇫🇷客运列车，一个普通的周二，从首班发车到末班

Claude Code + Opus 5.5 制作的《什么是 Transformer》视频效果超过 GPT6 组合

用户用 Claude Code + Opus 5.5 制作了一支讲解 Transformer 的 JS 视频，效果超过其此前用 GPT6 搭配各种 skill、Manim 和 Excalidraw 的成果，并因此重新订阅 Claude。提示词要求深入浅出、面向高中生，讲清注意力机制乃至部分数学概念，允许联网检索和安装工具。

如果你错过了，Chrome 的三项新功能现已上线，助你充分利用学习。产品副总裁 @jebank 在此讲解。📚

Google AI 本周发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音生成模型，并推出带 Live Avatar 的 Gemini 3.8 Live，为对话式 AI 提供接近实时的视觉形象。

Suno v6 如何将舞蹈动作变成歌曲：Braylon Browner 首支音乐视频发布

Suno 发布由编舞师 Braylon Browner 使用 v6 将舞蹈动作转化为歌曲的演示，其首支音乐视频由 Nina McNeely 执导。Browner 的创作理念是动作先于音乐，v6 被用于把肢体动作变成歌曲并拓展编舞流程。视频可在 suno.com/braylon 观看。

推出 Higgsfield Production Skills Bundle for Claude Opus 5.5。 解锁 Blender、After Effects、DaVinci Resolve 和 TouchDesigner 的新技能。 构建 3D 场景、创建 VFX、清理镜头、调色素材等。

美团 LongCat 宣布 LongCat-2.5-Preview 正式上线，该模型拥有 1.6T 参数、约 48B 激活参数和 1M token 上下文窗口，原生多模态，面向长程任务设计，可操作终端、浏览器、GUI、电子表格和设计工具。现已开放 API（longcat.ai/platform/）和 Chat（longcat.ai/chat/）入口。

拍摄后的修改是工作的一部分。服装、背景、灯光——现在这些修改中更多可以不必让所有人回到片场就能完成。

Kiki的主人用Meshy + ChatGPT为她做了这个小角落。🤍 访客可以留下花朵、分享留言，或者只是停留片刻。 用Meshy的“宠物纪念”模板，一张照片就能变成带翅膀的3D纪念品，献给你想念的小朋友。

我在 @theworldlabs 一直在做的一些东西

Latent SpaceAI 评分6060

Runway 的 WorldPrompt 与实时世界模型工程

Runway 本月早些时候推出 GWM Worlds 2 研究预览，把高保真视频与音频生成变成实时交互式模拟，并新增 WorldPrompt 输入格式，可固定环境部分要素（含首帧）并生成带时间戳的事件。

一款AI工具声称可以让你打断Elon Musk在Joe Rogan播客上的发言，向他提问并生成他的“回答”。 一段展示其实际效果的演示视频已走红。

Krea 即将登陆 Muse，首批生成内容由用户决定

Krea 宣布即将接入 Muse 平台，并向用户征集首个生成内容的想法。有用户反馈，在 Krea 上选择 Wan 3 作为模型时，输入视频参考仅支持 10 秒，而 Wan 3 本身可接受 15 秒输入视频。

试试 Viggle Animate → viggle.ai/meme/app/animate

Google 下周要把 TPU 送上轨道，所以我们不得不跟进。 用 Viggle Animate 把任何人换成酒店大堂趋势。

从在 Chrome 中使用 Gemini 进行练习测验和媒体问答，到跨设备接续上次进度，Chrome 的新功能为你提供了更多学习方式。📚 了解详情：goo.gle/4dSnCSS

Google Research精选AI 评分6262

Google Research 发布 AI 视频联合导演框架，实现连贯长视频生成

Google Research 发布 AI video co-director 等多智能体框架，用于生成连贯的长篇多镜头视频，相关论文将出现在 COLM 2026 和 EMNLP 2026。

Google DeepMind精选AI 评分7070

Google DeepMind 发布 Gemini 3.8 Live with Live Avatar

Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，把近实时视频生成与语音对话结合，为原生实时对话模型加入动态视觉形象，即日起在 Gemini Enterprise 可用。

Google Cloud 宣布 Gemini 3.8 Live with Live Avatar 已在 Gemini Enterprise 正式可用（generally available），主要能力包括视频 avatar、流畅对话、工具调用等，并给出开始构建的链接 goo.gle/4y8lf6A。

这个 AI 太疯狂了。 你现在真的可以和视频对话了。 提问。改变场景。切换语言。进入那个世界。 ACTx486 感觉像是新媒介的一瞥。

创意团队已经在使用 AI。现在更大的问题是，它能否融入真实工作流而不增加更多割裂。 在 Brandweek 上，@AlexiaAdana 展示了 Luma 如何从早期方向到制作阶段支持创意过程。 ADWEEK 在此探讨了下一阶段：adweek.com/creativity/ai-has…

Hugging Face BlogAI 评分3838

Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，加速视觉语言模型推理

Liquid AI 为视觉语言模型 LFM2.5-VL-3B 发布实验性 DSpark 草稿模型，解码速度在设备端最高提升 3.13x、H100 上最高 2.66x，端到端最高提升 2.62x 和 2.27x。该草稿模型约 280M 参数，仅增加 8.9% 参数量，首日支持 llama.cpp、MLX-VLM 和 SGLang，输出质量不变。

描述你想要的部分，Meshy 按你的方式拆分。🧩 Auto Split 现在听你的指令。只需输入你想分离的部分，即可获得更清晰的分割，对拆分内容有更多控制。💬 龙的翅膀或腿、玩具的头或靴子、汽车的轮子或车顶冲浪板——由你选择拆分哪些部分。 现在就告诉 Meshy 你想拆分哪些部分。🚀

Latent SpaceAI 评分6262

Meta Connect 2026 发布 Muse 智能体与眼镜硬件，前沿模型仅预告未发布

Meta 在 Connect 2026 上把个人智能体 Muse 作为硬件加智能体战略的核心，发布语音与实时视频能力、Muse Realtime Avatar 研究模型、Ray-Ban Meta Gen 3 与售价 1299 美元的 Meta VR Glasses，以及 12 月发货的钥匙扣设备 Muse Charm，并预告但未发布新前沿模型。

腾讯混元发布 Tencent Hy Translation 翻译应用，基于 Hy-MT2 模型，支持 33 种语言，含 5 种中国少数民族语言和方言，提供语音、拍照翻译，可完全离线在端侧运行、无需联网，目前已在 12 个国家和地区上线。

阅读我们的研究博客，了解有关 Muse Realtime Avatar 的更多信息：research.meta.ai/blog/bringi…

我们将 Muse Realtime Avatar 与两款领先的商业 avatar 系统在其各自的实时通话产品中进行了正面比较。评分者与匹配的 avatar 身份进行了 2–3 分钟的对话，然后比较了视觉质量、同步性、角色一致性和举止。 Muse Realtime Avatar 在整体偏好上胜出。

@finkd 刚刚发布了 Muse Realtime Avatar，我们的实时具身技术，可将 Muse Realtime Voice 转化为富有表现力的交互式虚拟形象。 Muse Realtime Avatar 在 @Muse 中开启了一系列全新交互，首先支持实时对话。 🧵👇 #MetaConnect

马东锡：AI 视频生成搞不定"左手六右手七"的脑血栓走路

马东锡 NLP（@dongxi_nlp）发现 AI 视频生成的一个死角："左手六，右手七，左脚画圆，右脚踢"的脑血栓走路方式，他自己多次尝试均未成功。评论区有人反馈 AI 生成的动作要么手脚对不上、要么不协调，也有人认为跨帧注意力机制会直接崩掉、纯靠 prompt 会被融成麻花。