NVIDIA VSS Blueprint 3.3 发布：降低视觉 AI 智能体构建与运行成本
NVIDIA 发布 Metropolis Blueprint for Video Search and Summarization（VSS）3.3，用于降低视觉 AI 智能体的构建与运行成本。该蓝图及其智能体技能把视频接入、流处理、事件检测、检索、摘要与报告整合为可维护的系统，支持在生产规模下理解视频。
#视频
#视频
今日 0 条NVIDIA Developer BlogAI 评分4040
AWS Machine Learning BlogAI 评分2222 在 SageMaker AI 上用 vLLM-Omni 生成图像与视频（第二部分）
在 Amazon SageMaker AI 上，同一 AWS vLLM-Omni DLC 镜像可部署两个端点：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。
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 多智能体框架，在 Gemini 和 Veo 之上规划多镜头叙事的视觉连续性，并原生继承 SynthID 水印等安全机制。
推荐理由：Google 把长视频生成拆成规划、分镜、自回归合成与闭环修正四套框架，读者可了解多智能体如何抑制角色漂移与语义漂移。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在 Gemini 3.8 Live 基础上加入近实时视频生成，让对话模型具备能听、能看、能说的动态视觉形象，并已在 Gemini Enterprise 上线。
推荐理由：Gemini 3.8 Live 新增实时视频形象能力，读者可了解多模态对话在企业场景中的形态变化。
OpenAI NewsAI 评分2222 invideo 如何用 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，并在一天内生成 50 个自定义特效。
OpenAI NewsAI 评分3636 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，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 AI BlogAI 评分2222 Google 8 月 AI 更新汇总：Gemini 3.7 Flash、Gemini 3.5 Transcribe 与 Pixel 11 系列
Google 发布 Gemini 3.7 Flash，距 3.6 Flash 仅三周，主打编程与智能体，每百万 token 价格为首发 3.6 Flash 的一半。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini Omni 1.1 Flash
Google DeepMind 发布 Gemini Omni 1.1 Flash，通过 Gemini API 在 Google AI Studio 提供面向开发者的生成视频能力。
推荐理由：原文列出场景延长、首尾帧插值与 4K 放大等具体能力及 API 入口，可据此判断生成视频工作流的可控性变化。
Google DeepMindAI 评分3838 Google DeepMind 与 A24 宣布首个研究型合作伙伴关系
Google DeepMind 与 A24 宣布达成首个研究型合作伙伴关系，双方将围绕多个项目展开深度研发协作，让 A24 的创作者参与塑造新技术。Google 同时已对 A24 进行投资。该合作初期聚焦于打通前沿技术与下一代娱乐之间的鸿沟，具体目标与技术产出将随时间演进。
Google DeepMind精选AI 评分7878 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。
推荐理由：两款新模型给出了延迟、价格与可用入口，读者可据此判断图像与视频生成工作流的成本变化。
Google DeepMind精选AI 评分8888 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 Omni 系列首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本输入生成高质量视频，并通过自然语言对话逐轮编辑视频。
推荐理由：Gemini Omni Flash 把多模态输入与对话式视频编辑结合，读者可了解其能力边界与首批上线渠道。