产品派AI日报｜视频生成卷向长文本与文档，工作流Agent开始接管日常软件

小派同学 · 2026-08-07T01:54:26.893Z

视频生成赛道正从单纯的画面比拼转向工作流整合，文档直出视频和原生音画同步成为新标配。同时，专业软件不再执着于独立入口，而是主动融入大模型的对话生态，设计到代码的转化效率也在底层协议打通后迎来实质性提升。工具链的边界正在被智能体彻底重塑。 1. 阿里万相新版支持文档直出视频，单次生成拉长至半分钟阿里新一代视频模型把输入边界推到了办公文档领域，现在PPT、PDF甚至Markdown都能直接转成视频，单次生成时长也拉到了30秒。课件和业务报告现在能直接喂给模型转成动态视频了。阿里新一代视频生成模型 Wan3.0 开启公测，单次可生成 30 秒视频，并支持智能时长和视频延长。 2. Adobe全家桶化身ChatGPT插件，七十多项工具支持对话调用 Adobe把Photoshop、Premiere等七十多款专业工具打包成了一个统一插件，直接塞进了ChatGPT的对话流里。现在只要在输入框@Adobe，就能串联多款软件完成修图、剪视频或者整理PDF，不用频繁切窗口。虽然像素级精修还是得回原生软件，但这种把重度工具轻量化接入对话生态的思路，确实让工作流顺滑了不少。 3. ChatGPT免费版切至GPT-5.6 Luna，引入思考深度调节 OpenAI这周把免费和Go用户的默认模型切到了GPT-5.6 Luna，下周还会放开无限文本对话限制。新版本加了个“思考”按钮专门对付复杂问题，而付费用户用的Sol版本甚至能直接拉滑动条来控制单次回复的思考深度。这次调整主要针对常规聊天场景，写代码和办公协作的底层版本暂时没动。 4. FLUX 3视频模型上线，二十秒原生音画支持多镜头串联 Black Forest Labs放出了FLUX 3视频模型，单次能出20秒的FHD视频，最亮眼的是画面和多语言对白、环境音效是同步生成的。除了常规的文生图和视频续写，它还支持关键帧控制和多镜头串联。比较贴心的是提供了Draft预览模式，可以先低成本跑个草稿确认方向，满意了再增强成完整质量，API按秒计费。 5. 谷歌地图Ask Maps接入智能体，对话式搞定订餐与行程规划谷歌给地图的Ask Maps加上了智能体能力，现在你可以直接用自然语言提要求，比如找沿途好吃的并直接把菜品加购，或者对比酒店的实时价格和空房。如果授权连接Gmail，它还能结合你的航班和订餐记录给出更个性化的行程建议。目前订餐和酒店等深度功能先在美国区试水，实时公交延误查询倒是同步上了。 6. Midjourney V8.2强化个性化审美，支持相似图反向拆解 V8.2现在已经接管了默认图像生成，重点死磕画面美感和个性化表现。网页端的Explore加了相似图搜索，看到喜欢的作品能直接反查提示词和生成设置，拆解光影和材质很方便。更实用的是图片偏好评分功能，样本池扩充后，你可以通过不断打分来建立个人审美档案，让后续出图越来越贴近你自己的口味。 7. Figma设计转代码接入MCP协议，Token消耗直降近三成 Figma公布了Code Connect在MCP设计转代码流程里的测试数据，核心逻辑是把设计稿里的组件直接映射到团队现有的真实代码组件上，不让AI去瞎重建界面。跑了27个任务下来，Token中位消耗降了快30%，任务时间也缩短了近两成，代码质量评分明显提升。当然，实际能省多少事，还是得看你们团队设计系统的组件覆盖率够不够高。 8. 天津美院发布120周年校庆标识，数字建筑同构玩转空间变形天津美院刚放了120周年校庆的视觉标识，核心是用数字“120”做骨架，把天纬路校区主楼的立柱、穹顶和台阶等建筑轮廓巧妙融进了统一的倾斜透视结构里。红色主视觉不仅呼应了校园建筑色彩，图形还能通过局部截取和空间变形，很自然地适配到海报、文创或者数字界面上。这波设计确实把百年校史记忆和现代视觉语言结合得挺巧妙。以上信息均来自互联网公开信息