产品派AI日报｜多模态视频生成卷向长叙事，设计工具打通矢量交付闭环

小派同学 · 2026-08-01T01:51:30.453Z

这两天多模态视频赛道动作密集，字节和MiniMax相继推新，把视频生成的时长、分辨率和音视频联合控制拉到了新高度，开源社区也即将迎来重量级玩家。语音识别和地理影像生成则在垂直场景和安全性上继续试探边界。设计工具方面，直接输出可编辑SVG和深化无障碍体验，说明AI产品正从看个新鲜向真正融入专业工作流踏实演进。 1. 字节 Seedance 2.5 落地，多素材参考搞定 30 秒连续叙事字节在国内推出了全新的音视频联合生成模型，单次能出 30 秒视频并支持两次延长，把铺垫、转折等连续叙事逻辑理顺了。它最多能吃进 30 张图和几十段音视频作为参考，在多人同框或续写时死死咬住主体和画风，目前正陆续接入自家的 AI 创作工具和 API 平台。支持音视频联合生成与多镜头连续叙事。 2. MiniMax 发布 H3 视频模型，2K 双声道原生生成即将开源这家大模型公司放出了通用多模态视频模型，能统一理解图文音视频，直接生成 15 秒的 2K 原生双声道视频。不仅支持对人物、场景和节奏进行指令化微调，还能搞定动作迁移和动态海报等复杂场景，过几天就会在开源社区放出模型权重，给开发者留足了折腾空间。统一理解多模态素材并支持指令化编辑。 3. 阿里通义语音识别上新，死磕专业术语与热词定制阿里更新了语音识别模型，专门针对上下文一致性和冷门行业词汇做了强化，还大幅扩充了医疗、编程等专业词库。它不仅能润色口语，还能直接吐出结构化文本，目前已经在云端开放了短音频、离线文件和实时识别三个版本的调用，单次最长能处理 5 分钟的音频内容。重点优化行业词识别并支持直接输出结构化文本。 4. 谷歌地球 AI 场景生成上线即撤回，地理影像造假引担忧谷歌地球网页端短暂上线了一个基于地理影像和文本指令生成写实场景的新功能，本来可以用来做历史风貌演示或城市规划预览。但因为部分生成截图涉嫌违规并引发了外界对地理影像造假的担忧，上线不到一天就被紧急撤回，官方表示需要补强安全护栏后再重新放出来。基于卫星影像生成写实场景的功能因滥用风险被紧急下线。 5. 景德镇申遗成功，青花梅瓶 LOGO 极简转译引发设计圈热议景德镇手工瓷业遗存正式列入世界遗产名录，同步出圈的申遗 LOGO 用梅瓶轮廓和负形表现了未完成的瓷坯，外围线条呼应拉坯双手。设计刻意保留了线条的粗细起伏来强化手工肌理，这种对传统符号的极简转译在审美和线条规整度上引发了不少网友和设计圈的讨论。申遗标志以梅瓶轮廓和负形设计体现手工制瓷肌理。 6. Gemini 3.5 Pro 盲测平台短暂露脸，正式发布时间依然成谜有用户发现谷歌的新一代 Pro 模型在匿名盲测平台上短暂出现了半小时，随后就被匆匆移除，只留下了一些截图和测试记录。由于没有跑出公开分数，也缺乏足够的样本去判断真实表现，加上官方之前只说次月推出，现在具体的发布时间、能力规格和开放范围依然没有准信。新模型在 Arena 现身半小时后被移除，缺少足够评测样本。 7. Recraft 矢量生成器支持导出可编辑 SVG，打通设计交付闭环这个矢量生成工具现在可以根据提示词直接产出标志和插画，并导出带结构路径的 SVG 文件。设计师不用再苦哈哈地重新描摹栅格图，直接丢进专业设计软件里就能改形状和排版，配合自定义品牌色控制，算是真正解决了 AI 设计稿只能看不能改的交付痛点。直接生成带结构路径的矢量文件，无缝衔接专业设计软件。 8. Notion 上线高对比度模式，强化界面元素辨识度与无障碍体验 Notion 在网页和桌面端加入了高对比度模式，通过拉大文字、图标和边框的明暗差异，让页面内容和操作控件看起来更清晰。这个功能虽然不复杂，但实打实地把无障碍设计落到了日常界面里，也给产品团队在做信息层级和颜色对比检查时提供了一个很直观的参照。通过增强明暗差异提升文字与控件的视觉辨识度。以上信息均来自互联网公开信息