RAINWALKERWEEKLY008
24—30 AUGUST 2026
比播放
更快
五秒画面开始在三秒内返回，三十秒成片与四十秒延展同周落地。速度改写了制作节奏，连续性、声音和信任也被推到镜头前。
LONGERFASTERCONTROLTRUST
ORIGINAL ARTWORK · RAINWALKER WEEKLY · 2026
比播放
EDITOR'S NOTE
等待这件事，
忽然没那么理所当然了。
过去做 AI 视频，先要学会等。等队列，等短片，等失败后再抽一次。本周几次发布把等待压得很短：五秒画面可以在三秒内返回，草稿便宜到适合连续试，场景也能从十秒一路接到四十秒。
这并没有让电影自动完成。它只把导演、剪辑和观众拉得更近。人可以趁着一个念头还热，立刻看见下一版。本期从速度出发，也看看连续性、声音授权和公众信任如何跟上。
THE WEEK, EDITED
七天里，
时长、速度和
控制一起向前。
按公开发布日排列。排行榜与播放量为截稿时快照。
- Wan 3.0 正式开放
最长三十秒，支持文档、表格、幻灯片和网页输入。
官方发布 ↗ - HeyGen 公布连续性方案
逐段生成的访谈视频，用测量、修复和锁定维持同步。
工程报告 ↗ - WildBrain 收购 Personality AI
儿童角色、授权 IP 和实时对话进入同一套生意。
公司公告 ↗ - 《Junkyard King》第二章上线
十五分钟连续动画，让 AI 影像离一次性短片又远了一步。
完整作品 ↗ - Gemini Omni 1.1 Flash 发布
延展、首尾帧、低清草稿、视频参考与 4K 放大同时更新。
Google 官方说明 ↗
SIX READS
先读六个结论
后面四十四页交代过程、限制和可以动手的地方。
THE LONGER SHOT
Wan 3.0 把单次输出拉到三十秒。
阿里云 8 月 24 日开放 Wan 3.0。官方列出的重点包括最长三十秒、1080p、原生音画，以及更丰富的输入材料。
三十秒不等于三十秒都可直接交片。它先解决的是镜头被硬切得太碎：人物走进房间、完成动作、说完一句话，可以留在同一次生成里。
阿里云官方发布 ↗THE NUMBER
30SECONDS
多出来的二十秒，装得下一段完整动作。
00:0000:1000:2000:30
一句话可以留下停顿和反应，不必每个口型都另起一条。
入画、移动、转身和离场有机会在同一空间里完成。
原生音画减少后期寻找环境声和临时配音的次数。
BEYOND THE PROMPT BOX
文档、表格、幻灯片和网页，
开始进入视频入口。
Wan 3.0 的产品页面把多种办公文件列为输入。它瞄准的不只是写提示词的人，也包括拿着脚本、产品资料和提案开工的团队。
- DOC脚本 / 方案
提取人物、动作、场景和叙事顺序。
- XLS镜头表 / 商品表
把结构化字段转成批量视频任务。
- PPT提案 / 分镜
保留页面次序，生成可观看的演示草稿。
- WEB品牌页 / 产品页
读取公开页面中的文字和视觉线索。
文件输入省的是搬运时间。资料能否被正确理解，仍要靠人检查。输入类型说明 ↗
THE COST OF A TRY
分辨率越高，
每一次决定越贵。
公开报道列出的中国区价格按秒计费。8 月 24 日至 9 月 23 日有七折活动，下面先用原价比较。
三十秒约 ¥9
三十秒约 ¥18
三十秒约 ¥36
制作建议
价格来源 ↗
动作和构图先用低分辨率确认；只有入选镜头再做 1080p。十次无差别高清重抽，价格很快超过一次精心准备的拍摄。
DISTRIBUTION MATTERS
模型发布当天，就进入另一套工作流。
Runway 8 月 24 日把 Wan 3.0 加进 Tool Mode 与 Workflows。创作者不用离开现有项目，就能把它和其他模型、素材及自动步骤接起来。
模型竞争之外，入口也在竞争。哪个工具能留住脚本、参考图、版本和批准记录，哪个工具就更接近日常制作。
Runway 更新日志 ↗
FIVE CHANGES AT ONCE
Google 这次更新的重点，
是怎么做片。
Gemini Omni 1.1 Flash 同时加入场景延展、首尾帧、360p 草稿、视频参考与 1080p / 4K 放大。
这些功能分处不同环节，却指向同一件事：先把动作和结构定下来，再逐步增加质量。生成视频开始有了粗剪、精修和交付的层次。
官方发布 ↗
KEEP THE SCENE MOVING
每次续十秒，
累计可到四十秒。
新版本会读取前一段最多十秒的上下文，再续出下一段十秒。官方给出的累计上限是四十秒。
延展最适合保持同一动作和空间。它并不保证长片级人物稳定；每次续接都应检查脸、服装、物件位置和声音边界。
0010203040 SEC
功能说明 ↗
FIRST FRAME / LAST FRAME
先决定从哪里出发，
也决定落在哪里。
首尾帧让创作者指定起点和终点，中间运动由模型补完。它适合转场、变形、镜头连接和产品展示。
好用的关键是两张图之间要有可解释的路径。人物姿态和镜位相差太远，模型会用突变或遮挡把问题藏起来。
查看完整演示 ↗
CHEAPER QUESTIONS
草稿的任务，
是便宜地提问。
Google 称 360p 草稿最多可快 60%，成本约为 720p 的三分之一。它适合先判断动作、镜位和节奏。
- 人物有没有走对方向
- 镜头是否离得太近
- 动作能不能在时长内完成
- 画面重心是否方便剪辑
这些答案确定后，再做高清版本，钱花在已经入选的镜头上。
草稿模式说明 ↗
INPUT / OUTPUT
三秒参考，
把动作交代清楚。
新版本可读取最长三秒的视频参考，并支持把结果放大到 1080p 或 4K。参考视频适合传递运动、节拍和镜头习惯；角色授权仍要单独解决。
- 参考视频
- 动作、速度、节奏
- 文字
- 场景、情绪、限制
- 放大
- 入选镜头的交付准备
A SMALL PRODUCTION LOOP
先问四个小问题，
再做一条昂贵的片。
- 01参考
用三秒动作或首尾帧说明运动方向。
- 02360p 草稿
只看动作、景别、节奏和可剪性。
- 03锁定
保存提示词、种子、参考和入选版本。
- 04延展
每十秒验一次人物、空间和声音。
- 05放大
只有批准镜头进入 1080p 或 4K。
POST-TRAINED FOR SPEED
fal 把 H3 做成了一条更快的托管线路。
fal 8 月 27 日发布 H3 Max。它基于 MiniMax H3 做后训练，重点是缩短等待时间，同时维持可用画质。
公司称，五秒视频可在三秒内生成，吞吐量约为官方端点的三十五倍。硬件、并发和测试样本来自 fal，外部团队仍需用自己的任务复测。
fal 官方发布 ↗
FASTER THAN PLAYBACK
这条五秒画面，
端点记录约 2.53 秒。
官方示例把推理时间写在页面上。速度足以让人边看边改，也足以支撑现场演示和快速分镜。
端点时间不包括人的思考、上传、排队、下载和后期。制作总时长不会自动缩成三秒，最慢的环节会换位置。
模型端点与示例 ↗
THE ASTERISK PAGE
第一名来自公司自己的测试。
fal 表示 H3 Max 在其内部人类偏好评测中排第一。这个结果能说明团队做过质量比较，不能替代独立盲测。
- 提示词和样本如何选择
- 每个模型用了多少次重抽
- 评审者是否知道模型名称
- 失败样本有没有计入
速度可以直接计时，审美判断需要更透明的样本和方法。
测试图与说明 ↗
FOUR STEPS, OPEN WEIGHTS
另一支团队，把速度交给了开源社区。
Hao AI Lab 同日发布 FastH3 Preview v1：四步稀疏蒸馏，开放权重、LoRA 与推理代码。
官方称，八张 B200 可在十三秒内生成十五秒 768p 视频；单张 Blackwell GPU 最高约十四倍加速。Preview v1 目前只支持文生音画，参考图和参考视频仍在计划中。
项目说明 ↗
THE OPEN SAMPLE
速度够看，
连续动作仍要逐帧检查。
样片里，动作节奏和镜头推进很顺。快速模型最容易暴露的问题也在同一处：高速运动中的肢体、武器和背景线条。
开源权重的价值在于可以复测。团队能用自己的角色、动作和硬件建立样本，而不只看发布页选出来的片段。
代码与权重入口 ↗WHAT IS HERE / WHAT IS NEXT
已经开放的，
和还在路上的。
- 四步文生音画
- 模型权重
- LoRA 权重
- 推理代码
- FastVideo 工具链
- 首尾帧模式
- 参考视频模式
- Apple MLX 优化
- 更多消费级显卡适配
- 进一步质量蒸馏
13s15 秒 / 768p
8 × B200 · 官方数据14×单张 Blackwell GPU
最高加速 · 官方数据
8 × B200 · 官方数据14×单张 Blackwell GPU
最高加速 · 官方数据
数字只描述指定硬件和官方样本。不同显卡、分辨率、时长与节点会改变结果。
路线图与测试条件 ↗
CHAT DIRECTS THE NEXT SCENE
观众打一行字，
下一场几秒后出现。
fal 在公开直播实验中让聊天输入 `!prompt`，模型据此生成下一段画面。直播可以持续下去，叙事由观众轮流推动。
它目前停留在公开实验阶段，距离稳定制作服务还有很远。重复、失控、内容安全和故事断裂都很明显，却让“实时生成频道”第一次有了可观看的形状。
fal 公告 ↗THE LIVE QUESTION
观众不只点播，
也开始改写下一镜。
生成快过播放以后，直播、游戏、虚拟人和互动剧都能把反馈塞进下一段画面。
- 01
导演变成主持人
先给世界边界，再从观众输入里挑选可继续的方向。
- 02
剪辑发生在生成前
系统要判断哪些提示能接住上一镜，哪些会毁掉人物和空间。
- 03
安全审核必须同步
直播没有几小时后的人工补救，输入过滤和画面审查要在几秒内完成。
- 04
好故事仍需记忆
没有角色状态和前情，快速生成只会得到连续的随机场面。
A LEADERBOARD SNAPSHOT
Sonic 3.6 在英语榜单首发靠前。
Voice Arena 的美式英语榜单给 Sonic 3.6 约 1085 Elo，与 Gemini 的领先模型在统计区间内接近。Artificial Analysis 的受控测试也把它列在前排。
排行榜每天会变，样本语言和评分人群也会影响结果。选声音时，角色年龄、语气稳定与长句耐听，比一张总榜更重要。
GENERATE → MEASURE → REPAIR
每句单独生成，
如何还像同一场谈话？
HeyGen 的视频播客把主持人与嘉宾的发言逐段渲染。问题随之出现：时间漂移、响度不一、视角跳动和表情断裂。
团队给出的办法很朴素：先生成，再测量；超出阈值就修，合格才接受。连续性从一句提示词，变成一组可检查的条件。
阅读工程报告 ↗TIME IS THE MASTER
一场对话，
先把声音当作总时钟。
画面剪点只能落在固定帧格上。
团队加入停顿对齐后再修正。
主持约 -15 LUFS，嘉宾一度低至 -29 LUFS。
- 01
先定音频时长和停顿。
- 02
把视频边界吸附到帧格。
- 03
响度统一后再合成。
- 04
超差片段单独返修。
THE ACCEPTANCE GATE
预览会变，
批准后的版本不能变。
HeyGen 用共享场景生成远景和近景，再把通过审核的预览锁成固定快照。后续渲染只读取这个版本。
生成角色、声音与镜头
时长、帧格、响度、视角
通过阈值，锁定快照
只返修失败的局部
LICENSED CHARACTERS, LIVE CONVERSATION
动画角色开始从屏幕里出来说话。
WildBrain 以现金与股票收购 Personality AI，后者为授权角色提供面向儿童的实时对话体验。
这笔交易把角色版权、语音、对话模型和家庭设备接在一起。公司列出的现有案例包括 Amazon Fire Kids 上的 Hey Peppa Pig。
公司公告 ↗THE DEAL
先付约 1100 万美元，
更多钱要看后续表现。
WildBrain 公布的结构包括现金、股票、周年款与业绩对价。最高金额并不等于当天成交价。
儿童产品的四道门授权角色年龄适配内容审核数据与语音处理
公司称产品通过 PRIVO COPPA Safe Harbor，并不储存或变现儿童个人身份信息和声音记录；这些为公司披露，后续仍需看实际执行。
交易与安全说明 ↗
THE AUDIENCE ASKS HOW
一句像机器的话，
足以让观众怀疑整条视频。
TheWrap 报道，Hank Green 因一句措辞引发观众猜疑。他承认用 AI 做研究，否认用 AI 写脚本，随后放慢频道更新并公开新的使用规则。
CreatorIQ 调研里，AI 更常用于脑暴、写作和编辑，直接生成视觉内容的比例低得多。工具用在哪里，正在成为观众判断作品的背景。
TheWrap 报道 ↗
COMPLIANCE ≠ ACCURACY
法律要求有工具，
没有保证工具一定准。
KQED 检查加州 SB 942 要求的 AI 内容检测入口，发现公司是否提供工具、工具是否易找、结果是否可靠，是三件不同的事。
检测器更适合提供线索，不适合独自给作品定罪。发布方保存来源、导出记录和编辑说明，往往比事后猜测像素更可靠。
KQED 调查 ↗PUBLISH WITH A RECEIPT
说明制作过程，
不用写成道歉信。
四行具体说明，通常比一句“AI 辅助”更有用。
- TEXT
文字是谁写的
人工撰写、机器整理，或两者如何分工。
- IMAGE
画面如何完成
实拍、生成、合成、修图分别到哪一步。
- VOICE
声音从哪里来
真人录制、授权克隆、合成语音或混合。
- RIGHTS
人物与素材是否授权
涉及真人、角色 IP、音乐和参考素材时写清。
THE FIELD / 05
热度落在作品上，
不落在工具名上。
本周样本里，先给结果、再说方法的短片，比站着念稿的 AI 主播更容易留下人。Lightreel 样本报告 ↗
SHOW THE PAYOFF EARLY
先让人看见变化，
再解释怎么做。
Lightreel 对 8 月中旬一批高互动 AI UGC 的观察，反复出现四类内容：结果先行的教程、无法实拍的产品画面、情境喜剧和有实际互动的虚拟角色。
这组选样无法代表整个平台。它更像一个创意雷达：告诉人们近期哪些格式值得继续试。
样本与方法 ↗
SAME TOOL, DIFFERENT RHYTHM
TikTok 要梗，
Instagram 要收拾干净。
前提明确、冲突快、反差大，角色可以粗粝一点。
结果清楚、画面完整、步骤可收藏，产品感更重。
两边都不太奖励静止的 AI 主播念稿。角色需要拿起东西、移动、失败或改变环境，画面才像事件。
完整观察 ↗
THE WORK TRAVELS FARTHER
《我这一生最大的罪，
是把人写成了妖……》
截至 8 月 31 日截稿，B 站公开接口显示约 1755 万播放、151 万点赞、131 万投币和 78 万收藏。
创作者在相关报道中提到 Seedance 2.5 与 GPT Image 2。让作品扩散的仍是熟悉的神怪母题、清楚的情绪和能被复述的句子。数字是热度快照，无法证明艺术质量或商业回报。
17.55M 播放1.51M 点赞1.31M 投币
观看原作 ↗
FIFTEEN MINUTES, SERIALIZED
第二章要接住
第一章留下的人。
Henry Daubrez 与 ODD KID 8 月 26 日上线《Junkyard King》第二章，时长约十五分钟。
项目保留了剧本、角色表、分镜、合成、剪辑和声音等传统工序。生成工具参与画面，作品的连续感来自反复维护的角色与世界。
BEFORE YOU POST
模型速度变快后，
把省下来的时间放在这里。
- 01
第一秒
观众能不能立刻看懂眼前发生了什么。
- 02
动作
人物有没有真的影响物体和环境。
- 03
声音
音色、响度、停顿和口型是否属于同一个人。
- 04
连续
下一镜是否接住了上一镜留下的状态。
- 05
来源
角色、声音、音乐和参考素材能不能说明来处。
- 06
发布
标题与平台格式是否服务作品，而非只写模型名。
ONE TOOL WORTH KEEPING
vgpu：让浏览器里的 GPU 代码更好拆开重用。
Vercel Labs 开源的 vgpu 是一套模块化 WebGPU 工具。它把着色器、资源和计算任务整理成更容易组合的结构。
对影像团队，它更像底层积木：在线预览、实时滤镜、浏览器推理和交互式图形都可能用到。它不会替你完成影片，却能让网页端的视觉工具少写一些重复代码。
GitHub 仓库 ↗31 AUG → 06 SEP
接下来七天，
看四件事。
- 01
H3 的开放程度
FastH3 的本地实测会不会接近官方数字；更多参考模式是否按计划出现。
跟踪仓库 ↗ - 02
Wan 3.0 的真实成本
三十秒长镜头需要多少次返工，决定单镜头预算能不能成立。
产品页 ↗ - 03
Gemini Omni 1.1 的生态接入
Adobe、Figma、Runway 等合作入口会怎样安排参考素材与版本管理。
Google 说明 ↗ - 04
实时生成的审核与记忆
H3 Max Live 若继续公开，最值得看的是它如何保存角色状态并拦住危险输入。
实验动态 ↗
SOURCES / 24—30 AUG
每条消息，
回到原处。
以下为本期主要来源。公司性能数字均保留发布者口径；社区数据为截稿时快照。
完整引用、权利说明与补充报道保存在本期 references 目录。网页中的外部链接均可点击。
RAINWALKER NOTE
机器省下的等待，
最好还给判断。
本周最有分量的变化落在速度。生成开始进入人的反应范围：看见、修改、比较，再看见。
这会让制作更轻，也会让轻率更便宜。人物散掉、声音失真、授权含糊、观众不信，都能随着速度一起放大。下一阶段的专业感，来自知道什么时候停、哪一版该留下、什么需要说明。
ISSUE 00800:48:00END OF TRANSMISSION