搜索
没错，我说的就是从6月下半旬开始在Github上爆火的OpenMontage。这是一个专门用来给AI视频生成准备的Harness工具，你把你的提示词给它，它就能自动帮你完善成专业的AI视频生成提示词，并且还配有剪辑、配音等等一系列后期工作。
这篇文章有 530 万浏览。我想先弄明白:为什么是它?
今天给大家分享一个我最近经常刷的灵感外挂。
Claude Code之父删掉IDE，并表示以后只写循环，不再写提示词了：你苦练两年的提示词工程，真要被一夜干掉了吗？
来自西湖大学和香港中文大学（深圳）的团队沿着这一思路提出 Drifting Preference Optimization（DrPO），把漂移场用于单步文生图模型的偏好后训练。在 DrPO 中，奖励只负责对候选图像排序，不参与反向传播。具体而言，针对同一个文本提示词，当前模型生成一组候选图像。高分样本在特征空间中产生吸引，低分样本产生排斥，并结合参考模型约束给出模型的更新方向。
一开始，忽悠 AI 挺简单。
2026 年，会不会用 AI 不再看 Prompt（提示词）能力了，而是要看会不会设计循环。
昨晚，字节新模型Seedance 2.0 Mini深夜来袭，该模型主打性价比，侧重于提供更低的价格以及更快的生成速度。Seedance 2.0 Mini虽然定价更低，但保留了核心能力参考生成，用户可以通过融合提示词与最多12个多种模态的参考素材（包括6张图片、3段音频、3段视频）来锁定人物一致性、精细化控制运动轨迹、卡准剧情节奏。
当用户给出一句简单提示词时，当前的音视频生成模型往往已经能够生成具有不错质量的视听内容。然而，一旦提示词变得复杂，问题便开始暴露出来。
当视频生成模型走出娱乐创作的舒适区，进入科学、医疗、教育等知识密集场景，它们是否还能生成事实准确、清晰可用的视频？