天啊，我的腦袋痛，想像用舊方法做這件事： 追蹤球體 --> 物理模擬 + 火球著色器 --> 計算粗略場景深度 + 角色法線圖以重新照明，渲染通道，然後合成在一起。 或者……只需拍攝白天的視頻，然後請 AI 關掉燈光並把 juggling balls 點燃，然後就完成了：

Google 剛剛在 Veo 3 中發現了一個強大的新興功能 - 在起始幀上視覺註解您的指令，Veo 就會為您完成這一切！ 與其無休止地迭代完美的提示，並用文字定義複雜的空間關係，不如像對人類藝術家一樣直接畫出來。 這個功能迫切需要一個合適的用戶體驗，但目前您可以在您選擇的應用中隨意塗鴉，並在 Google Flow 中使用 "幀到視頻"。

現在只需花費一台不錯的工作站的價格（$5900），你也可以擁有自己的類人機器人——配備 AI 語音和感知能力。

創意升級萬歲！將高空航空攝影測量轉換為低空無人機影像。 這是一種很酷的方式，可以在 Google Earth 中框定你想要的鏡頭，並使用 FLUX Kontext LoRA 將其推向極致。

不久之後，你的 iPhone 將使用 FaceID 來確保實際上是你在使用設備，無論是滾動、互動還是發佈。 蘋果在這方面獨具優勢，能夠以保護隱私的方式在設備上完成所有這些功能。 “注意力感知”功能已經朝著這個方向邁出了一步——你的 iPhone 每幾秒會拍攝一張低解析度的紅外線照片，以檢查你的眼睛注視是否在關注屏幕。 下一步將是讓應用程序知道實際上是你，或者簡單地說，是一個真正的人在使用設備，而不是機器人。

有時候，你在舞台上會有一些永生難忘的時刻。

將 3D 軟體的明確控制與生成 AI 模型的創造力結合起來，是一種有前景但被低估的工作流程。 通過用自然語言描述來程序化構建您的 3D 場景，然後使用您選擇的圖像和視頻模型將其完成。 像 intangible 這樣的工具圍繞這種工作流程構建，因此您不需要將應用程序拼湊在一起。相當酷！

SpatialTrackerV2：統一的端到端 3D 點追蹤模型，同時估算相機運動、一致的幾何形狀和逐像素 3D 軌跡。

SceneScript 將 3D 重建視為一個語言問題，而不是幾何問題。 該模型觀看一段房間的視頻，並學會為其編寫腳本。它自回歸地輸出文本命令，如 make_wall(...) 或 make_bbox(...)，這些命令定義了場景。 斯坦福大學的新 "場景語言" 論文更進一步，添加了 CLIP 嵌入以捕捉視覺外觀。 語言模型已經能夠很好地理解空間關係，足以寫出場景圖，這實在是太驚人了。

我們可以使用開源的3D軟體和便宜的插件來生成城市。