一週 AI 大事 11/09|AI 影像開始會動,也走進可探索的 3D 世界

一週 AI 大事・完整延伸閱讀

2026/11/09

AI 影像開始會動、能修改,也逐步變成可以走進去的世界

這週最明顯的變化,是影像工具不再只停在「生成一張圖」。Google 與 OpenAI 把編輯、動態與一致性往前推;NVIDIA、ReLift、HairDeck 與 World Labs,則把畫面延伸到鏡頭路徑、3D 追蹤、可動資產與即時世界。

可編輯影像3D 追蹤即時世界
易悅吉祥物把一張平面圖拉開,展成可探索的立體世界

本週完整整理

8 組 AI 更新,一則一則看懂

從 15 秒影片、GIF 與 SVG,到 3D 軌跡、可動髮型與即時世界,這週的重點其實是一條很清楚的路線:內容生成正在從「做出結果」,進一步走向「持續修改、控制與互動」。

15 秒影片與角色換裝編輯意象
01正式上線

Gemini Omni 1.2 Flash:影片拉長到 15 秒,也能用文字與素材反覆修改

發生什麼

Google 發布 Gemini Omni 1.2 Flash,可生成 3 到 15 秒影片,也能在多輪對話中換角色服裝、改背景、加入或移除物件。除了文字與圖片,還可接受最長 3 秒的動作片段及聲音提示,協助模型延續動作與節奏。

為什麼值得注意

影片生成最難的不只是「生出來」,而是修改後還能保留角色與場景。這次更新把生成、參考素材與反覆編輯放進同一條流程,對短影音、廣告版本與角色內容更實用。

展開價格與使用限制
  • 官方價格為 720p 每秒 0.07 美元,比 Omni 1.1 降低 30%;15 秒影片約為 1.05 美元,不含其他可能費用。
  • 官方示範包含換裝與改背景,但任何生成模型都可能出現人物、細節或動作不一致,仍需要逐段檢查。
  • 模型已透過 Gemini API 與 Gemini for Business 提供,實際可用區域與帳號權限仍以 Google 介面為準。
圖片轉成 GIF 與 SVG 的意象
02正式上線/分批推出

ChatGPT Images 2.6:加入 GIF、參考圖片與 API 的 SVG 輸出

發生什麼

OpenAI 更新 ChatGPT Images 2.6,並在 API 推出 Sunburst 與 Flare 兩個模型。新版改善多次編輯時的細節保留,ChatGPT 的 GIF 製作正分批推出;API 則加入動畫 GIF、SVG 與標記式編輯。

為什麼值得注意

同一張圖能繼續改、做成動態版本,再轉成可縮放素材,才更接近真正的設計工作流。Flare 主打更快生成,Sunburst 則偏向品質與多輪編輯一致性,讓開發者能按任務取捨。

展開速度、GIF 與 SVG 的差異
  • OpenAI 官方社群公告表示新模型最高可快 50%,並稱 Flare 最快可在約 6 秒生成;實際速度仍會依內容複雜度、服務狀態與所選模型變化。
  • GIF 功能正在 ChatGPT 分批推出,不代表每個帳號都已立即看到;SVG 輸出則是 API 能力。
  • SVG 是可縮放的向量格式,但生成內容是否適合直接進入品牌設計,仍要檢查節點、文字、色彩與授權需求。
資安模型尋找與修補漏洞意象
03限量開放/資安專用

GPT‑6 Cyber:專門尋找、驗證與修補漏洞,但不是一般帳號都能使用

發生什麼

OpenAI 發布 GPT‑6 Cyber,定位為授權資安研究專用模型。它能在研究者指定的範圍中找出可利用漏洞、重現問題並驗證修補方式;首波只提供給經審核的 Daybreak Red 研究者與合作防禦團隊。

為什麼值得注意

AI 已從協助閱讀程式碼,往能執行完整漏洞研究流程前進。能力越強,越需要清楚的授權範圍、行為監控與存取門檻,因此這次發布同時也是一次「高風險能力如何逐步開放」的案例。

展開跑分與「超越 Astra」的說法
  • 官方表示 GPT‑6 Cyber 在多數資安測試優於 GPT‑6 Astra;例如網頁漏洞召回率為 40.3%,Astra 為 32.0%。這是特定資安評測,不代表所有能力全面更強。
  • 在 ExploitGym 上,GPT‑6 Cyber 得分 48.5%,相較 GPT‑5.6 Cyber 的 32.1% 有明顯提升。
  • 模型會提出候選修補並協助驗證,但正式修補仍需要工程師審查、測試與部署,不能理解為完全無人監督的自動修復。
即時語音虛擬形象與自訂應用空間意象
04美國先行/分批推出

Meta Muse 加入即時語音、表情化身,也能用 Spaces 建立自己的小工具

發生什麼

Meta 正在 Muse 的手機、網頁與 Mac 版加入即時語音和表情化身,化身會依談話做出表情與手勢。另一項新功能 Spaces,則讓使用者用提示詞建立熱點追蹤器、專案看板、小遊戲與可在背景更新的工作空間。

為什麼值得注意

AI 助理的入口正從文字聊天,往「可以直接說話、看得到反應、也能自己做出專用介面」發展。Spaces 若持續成熟,會讓一般人不必先學寫程式,也能把重複工作整理成自己的小型應用。

展開開放地區與自動化界線
  • 語音與表情化身目前先從美國推出;Spaces 則在 Muse 已提供的地區上線。台灣帳號是否可用,仍要以實際介面為準。
  • Meta 稱 Muse 可在對話途中被打斷,化身也會即時回應;這是互動呈現方式,不代表化身本身具有獨立理解能力。
  • Spaces 可連接部分應用並在背景更新,但牽涉外部帳號與資料時,仍應檢查權限、通知與自動執行範圍。
鏡頭沿著指定軌跡生成影片與三維世界意象
05研究開源/時間補充

NVIDIA Lyra 2:用圖片與鏡頭軌跡生成影片,再重建成可探索的 3D 場景

發生什麼

Lyra 2 接收一張起始圖片、使用者指定的鏡頭路徑與選填文字提示,逐段生成連貫影片,再同步重建成 3D 點雲,可輸出 Gaussian Splatting 或網格結果。專案也展示把場景放進模擬環境使用的方式。

為什麼值得注意

一般影片模型只交付畫面,Lyra 2 則把「鏡頭怎麼走」和「場景的 3D 結構」一起處理。這讓結果更可能被延伸到遊戲預覽、機器人模擬、虛擬場景與空間內容製作。

展開發布時間與開源範圍
  • Lyra 2 並不是 11 月才首次公開:論文、權重與推論程式在 4 月 15 日釋出,GUI 與訓練程式於 7 月 15 日補上;本週是因 SIGGRAPH Asia 2026 與相關整理再次受到關注。
  • 模型會逐段生成並重建,長距離探索仍可能累積幾何與外觀誤差,不能直接當成精密量測工具。
  • 專案已公開程式與模型,但實際執行仍需要足夠的 GPU 資源與 3D 處理環境。
物體被遮擋後重新修補三維運動軌跡意象
06論文+開源程式碼

ReLift:物體就算被遮住,也能補回連續的 3D 運動軌跡

發生什麼

Technion 與 NVIDIA 研究團隊提出 ReLift。它先把單眼影片中的 2D 追蹤結果與深度資訊提升到 3D,再用修正器處理深度誤差,並補齊物體被遮擋期間缺失的運動軌跡。

為什麼值得注意

真實影片常有遮擋、快速移動與鏡頭變化,單純逐幀追蹤很容易中斷。能維持完整的 3D 軌跡,對動作分析、影片特效、機器人理解環境與動態場景重建都很重要。

展開跑分與授權注意事項
  • 團隊在 WorldTrack 報告目前最佳的平均準確度,所有點比最強基準提升 2.1 APD、動態點提升 3.0;這些數字是作者在指定資料集上的研究結果。
  • ReLift 本身採 MIT 授權,但前端追蹤器與深度模型可能有各自授權,商業使用前仍要逐一確認。
  • 它從單眼影片估計 3D 軌跡,不代表能在所有遮擋情境中「精準還原真實位置」;深度誤差與長時間遮擋仍可能影響結果。
單張角色圖片生成可擺動三維髮片意象
07開源

HairDeck:一張角色圖生成可直接擺動的 3D 髮片與骨鏈

發生什麼

清華大學、卡內基美隆大學與香港中文大學團隊開源 HairDeck。系統會從一張風格化角色圖片生成 hair cards、UV 資訊與 spring-bone 骨鏈,並可輸出 GLB 或 VRM,讓髮型能跟著角色動作擺動。

為什麼值得注意

角色頭髮通常需要建模師逐片排列、綁定與調整,製作時間很長。HairDeck 把「外觀」和「之後怎麼動」一起生成,對 VTuber、遊戲角色與快速原型特別有吸引力。

展開效果、格式與限制
  • 團隊表示在 CHARM 測試集上,Chamfer distance 降低 44%、髮片方向誤差降低超過一半,速度快 33 倍;這是作者的研究評測結果。
  • 生成結果適合風格化角色,不代表能處理所有寫實髮型、極複雜飾品或任意角度照片。
  • 程式與模型權重採 Apache 2.0,但部分相依工具、展示素材與輸入角色仍可能有不同授權。
從一張圖片走入即時生成世界的意象
08研究預覽

World Labs Frameboy:把 Atlas 世界模型加速到最高 15fps,能即時控制鏡頭探索

發生什麼

World Labs 推出 Frameboy 研究預覽。它把 Atlas 世界模型生成的畫面從雲端 GPU 串流到瀏覽器,使用者可控制鏡頭,以最高 15fps 探索模型持續生成的場景;官方也把這項即時能力整合進 Viewfinder。

為什麼值得注意

世界模型過去常要等很久才看到下一段影片,互動速度則決定創作者能不能一邊走、一邊改方向。Frameboy 雖還不是完整 3D 引擎,卻讓生成世界更接近可以直接探索的工具。

展開「上傳任意圖片」與實際開放範圍
  • Frameboy 公開頁目前提供的是官方精選世界;一般人可以直接探索,但不代表所有帳號都能上傳自己的任意圖片。
  • 從圖片、文字或多視角素材建立自己的場景,是 Viewfinder 的能力,而 Viewfinder 目前仍是封閉測試。
  • Frameboy 是雲端串流的研究展示,官方也說即時推論成本仍高;畫面一致性、幾何正確性與長時間探索都還有改進空間。

讀完最常問

本週 FAQ

Gemini Omni 1.2 Flash 和 ChatGPT Images 2.6,差別在哪裡?

Gemini Omni 1.2 Flash 的核心是短影片生成與多輪影片編輯,最長可到 15 秒;ChatGPT Images 2.6 主要處理圖片生成與修改,新增 GIF、參考圖片與 API 的 SVG 輸出。兩者都在改善一致性,但交付格式與使用場景不同。

GPT‑6 Cyber 會不會讓一般人直接用 AI 自動攻擊網站?

目前不會直接開放給一般帳號。OpenAI 先把模型提供給經審核的授權研究者與防禦團隊,並加入範圍限制、監控與高風險行為阻擋。即使如此,能力外溢與誤用仍是需要持續檢驗的風險。

Frameboy 現在真的可以上傳任何一張圖片,直接走進去嗎?

公開的 Frameboy 頁面目前以官方精選場景為主,大家可以控制鏡頭探索。能用自己的圖片或文字建立場景的是 Viewfinder,而它仍處於封閉測試,所以還不能把兩者當成已全面開放的同一項功能。

想跟大家一起討論這些 AI 更新?

易悅元宇宙社群免費開放。除了每週整理,也可以交流工具、內容創作與實際使用心得。

加入元宇宙社群
Ad Feature

🚀 加入易悅元宇宙|節省時間創作基地

在這裡你可以認識更多的創作者、找尋自己的靈感、每週獲得創作心法,社群免費開放。歡迎你一起加入✨

分享此內容: