至顶网软件频道消息:近日,Adobe宣布了Adobe Creative Cloud在影片编辑方面的重大更新,帮助视频工作者与影片制作人员相互协作并简化了影片工作流程。更新后的Creative Cloud现在可以开始使用,它提供了图形、标题、动画、音频优化和资产共享等新功能、支持最新的影像格式如HDR、VR和4K、与Adobe Stock的全新整合,并可通过Adobe Sensei 提供先进的人工智能功能。Adobe在2017年Adobe Summit上发表的Experience Cloud也让品牌可以在分析广告效果及营收的同时,横跨各个屏幕为用户提供大规模且连贯的影片体验。
科技的进步以及消费者对有影响力且具有个性化内容的需求逐步增长,要求影片制作者比以往能更快地创作、传递并从视频资产中获利。不论是大型影片工作室,还是新一代的视频制作者,都需要一个可扩展的端到端的解决方案,通过强大的分析和广告工具来创建、协作并简化影片工作流程以实现内容优化并增值的目的。
曾荣获三次奥斯卡金像奖并担任《奇幻森林》视觉特效总监的 Rob Legato表示:“一直以来,我都使用Adobe的创意程序来完成影片所需要的可视化部分,比如我早期的电影《飞行家》、《阿凡达》及《雨果》。近些年,Adobe开创性地促进了科技的发展,比如Adobe Premiere Pro和After Effects之间的动态链接,Cinema 4D与After Effects的整合及本地工作流程。通过Creative Cloud可以帮助我进行所有电影的预先可视化及自由的操作,这为我们提升创作过程提供了机会。”
Adobe中国区数字媒体总监杨坚先生表示:“Adobe自去年在中国大陆推出Creative Cloud以来,正在实时为中国的创意人士带来最前沿的技术。本次与全球同步为中国视频剪辑创作者们带来的视频工具更新整合了Adobe Sensei的尖端科学,能够帮助创意专业人士更快更好地完成作品。无论是主流媒体公司还是视频制作者,他们都可以将自己的创意视野带入生活,而无需成为动态图像或音效方面的专家。”
新功能从始至终强调创意
Creative Cloud 全新影片工具功能包括:
拥有Adobe Sensei的技术支持
通过Adobe人工智能和机器学习框架Adobe Sensei ,用户在Premiere Pro或Audition中轻轻一点,即可在时间轴上实现音频音量自动标准化。在Character Animator中,Sensei实时应用复杂的算法,确保与人偶的唇形完美同步。在Adobe Experience Cloud中,影片推荐引擎通过数百亿在线影片消费积分的学习,使观众获得最相关的内容。
与Adobe Experience Cloud相整合
无论是创意机构还是媒体公司,影片创作者需求的改变反映着数据趋势的未来,Adobe Experience Cloud从跨屏幕的内容传递到评测再到获取利润,都能优化整个影片旅程。通过Adobe的电视媒体管理平台,媒体公司和广播公司可以利用分析功能,为广告客户提供真正的基于观众定位和更准确的预测。Adobe Analytics Cloud可以将Premiere Pro中发布的社交媒体频道的性能影片内容用于评测,并确保影片广告高准确的定位和预测。
Adobe Advertising Cloud填补了传统电视与数字影片广告之间的间隙,简化了广告规划和购买流程,通过动态创意优化(DCO)实现了与广告代理机构的更深入的合作,并确保影片广告的品牌影像能在保证最大安全性的前提下与业界最多的第三方相整合。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。