Condé Nast 如何利用 Amazon Bedrock 构建多模态视频发现系统
Condé Nast 基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频发现系统，将内容检索时间从 250 分钟缩短至 2 分钟以内。该系统采用 TwelveLabs Marengo 嵌入模型，对超过 140,000 个视频的转录、视觉和音频信号进行联合编码，支持基于意图的语义搜索。此前编辑团队依赖标题和描述手动查找素材，导致运营效率低下。
#视频
#视频
今日 0 条AWS Machine Learning BlogSI 评分3131
AWS Machine Learning BlogSI 评分2222 在 SageMaker AI 上用 vLLM-Omni 生成图像与视频（第 2 部分）
在 Amazon SageMaker AI 上部署同一个 AWS vLLM-Omni DLC 镜像的两个端点：实时端点运行 FLUX.2-klein-4B 生成图像，异步端点运行 Wan2.1-VACE-1.3B 生成图像条件视频。文本提示词先生成 PNG，再连同运动提示词经 Amazon S3 传给视频端点，生成的 MP4 存回 S3，示例提供命令行与 Streamlit 界面。
Google Research精选SI 评分7272 Google Research 发布 AI 视频联合导演框架实现长视频连贯生成
Google Research 发布 AI video co-director 框架，基于 Gemini 和 Veo 构建多智能体系统以解决长视频生成的语义漂移和级联失败问题。
推荐理由：提出多智能体框架解决长视频语义漂移，通过全局优化与视觉记忆实现分钟级叙事一致性。
Google DeepMind精选SI 评分7676 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，通过低延迟流式视频与语音结合实现近实时视觉存在。该功能支持 97 种语言的唇形同步，并能在对话进行中后台异步执行工具调用，目前已通过 Gemini Enterprise 开放。
推荐理由：原文展示了实时视频与语音结合的多模态交互能力，以及后台异步工具调用机制，为构建企业级虚拟助手提供了具体参考。
OpenAI NewsSI 评分2222 invideo 如何借助 GPT-6 Astra 将调色效率提升 3 倍
invideo 借助 GPT-6 Astra 实现更精准的剪辑规划，调色与色彩校正效率提升 3 倍，并在一天内产出 50 个自定义特效。
OpenAI NewsSI 评分3131 Higgsfield AI 借助 GPT-6 Astra 一天内上线新视频功能
Higgsfield AI 借助 GPT-6 Astra，一天内上线新视频功能，让小型企业更轻松地制作视频广告，并更快将新创意工具推向市场。
Google DeepMind精选SI 评分7373 Google DeepMind 为 Gemini 3.7 Flash 等模型推出智能体视频理解
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上推出智能体视频理解功能，通过原生视频工具动态搜索、扫描和检查目标片段，替代固定帧率的静态处理。
推荐理由：官方给出 token 与成本降幅及准确率变化，并说明在长视频场景下与静态处理的取舍差异。
Google DeepMind精选SI 评分7272 Google DeepMind 发布 Gemini Omni 1.1 Flash，新增场景延展与 4K 上采样
Google DeepMind 发布 Gemini Omni 1.1 Flash，为开发者带来一批生成视频创作控制能力，通过 Gemini API 在 Google AI Studio 提供。
推荐理由：官方给出场景延展、首尾帧插值与 4K 上采样等具体能力与开放入口，可据此判断生成视频工作流的变化。
Google DeepMind精选SI 评分8282 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite 和 Gemini Omni Flash 两款模型，前者是 Nano Banana 系列中速度最快、成本最低的图像模型，4 秒生成文本到图像，每张 1K 图像 0.034 美元；后者支持高质量视频生成与对话式编辑，输出视频定价为每秒 0.10 美元。
推荐理由：两款模型同日开放开发者入口，并给出延迟、单价与能力边界，便于评估图像到视频的串联工作流。
Google DeepMind精选SI 评分8282 Google DeepMind 发布 Gemini Omni Flash，支持多模态输入生成与对话式视频编辑
Google DeepMind 发布 Gemini Omni 家族首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本输入生成高质量视频，并通过自然语言多轮对话编辑视频。
推荐理由：Gemini Omni Flash 把视频生成与对话式编辑合并到同一模型，读者可据此判断多模态创作入口的变化。