Condé Nast 如何借助 Amazon Bedrock 构建多模态视频检索方案
康泰纳仕（Condé Nast）基于 Amazon Bedrock 与 Amazon OpenSearch Service 构建了多模态视频检索方案，覆盖超 140,000 个视频。该方案采用 TwelveLabs Marengo 嵌入模型联合编码字幕、画面和音频，支持自然语言与图像检索并精确定位时间戳。新系统将编辑团队的内容检索耗时从平均每次 250 分钟大幅缩短至 2 分钟以内。
#视频
#视频
今日 1 条AWS Machine Learning BlogAI 评分4444
Latent SpaceAI 评分4848 Claude Opus 5.5 擅长制作讲解视频
Claude Opus 5.5 本周发布后获得积极评价，凭借讲解视频表现迅速成为社交平台讨论焦点。它在 SimpleBench 取得 88.4%，并被评价为 Anthropic 迄今最佳视觉模型；视觉表现优于 Fable 5 和 GPT-6 Sol，但不及 GPT-6 Astra。
AWS Machine Learning BlogAI 评分4646 在 SageMaker AI 上使用 vLLM-Omni 生成图像与视频（第 2 部分）
用户可在 Amazon SageMaker AI 上基于 AWS vLLM-Omni 深度学习容器（DLC），实现从文本生成图像并转为短视频的工作流。方案使用同个容器镜像分别部署用于 FLUX.2-klein-4B 图像生成的实时端点，以及用于 Wan2.1-VACE-1.3B 视频生成的异步推理端点。
Latent SpaceAI 评分6161 Runway WorldPrompt 与实时交互世界的工程实现
Runway 的 GWM Worlds 2 研究预览通过 WorldPrompt，让用户设定模拟环境并创建可实时提示的时间戳事件。它以连续 720p、24 fps 视频和 48,000 Hz 音频呈现交互世界，模型经过 WorldPrompt 微调、自回归后训练和蒸馏。文章还讨论了误差累积、上下文管理和长期记忆等挑战，以及用模拟环境测试 Agent 和机器人等用途。
Google DeepMind精选AI 评分7878 Google DeepMind 推出 Gemini 3.8 Live with Live Avatar 实时数字人功能
Google DeepMind 宣布在 Gemini Enterprise 中推出 Gemini 3.8 Live with Live Avatar，将实时语音对话与低延迟视频流生成结合，实现具备精准口型同步与表情交互的虚拟数字人体验。
推荐理由：结合实时音视频生成与异步工具调用，展示了企业级多模态对话智能体在保持不间断交互上的产品演进。
OpenAI NewsAI 评分2323 invideo 如何借助 GPT-6 Astra 将调色效率提升 3 倍
invideo 借助 GPT-6 Astra 将色彩校正与调色效率提升至 3 倍，并能以更高精度规划视频剪辑。此外，该工具可在一天内制作出 50 个自定义特效。
OpenAI NewsAI 评分2525 Higgsfield AI 借助 GPT-6 Astra 一天内上线新视频功能
Higgsfield AI 借助 GPT-6 Astra 在一天内上线了新的视频功能，降低了小型企业制作视频广告的门槛。借助该模型，Higgsfield AI 能够更快速地将新的创意工具推向市场。