标签
一个名为 ffmpeg-skill 的开源 Agent Skill，可将 FFmpeg 直接集成到 Claude Code、Cursor、Codex 等 AI 编程助手中，提供 42 个视频编辑工具，采用探测—处理—验证的工作流，只需一条 `npx ffmpeg-skill` 命令即可安装，全程本地运行。
作者已将'jevclip'开源，这是一个基于Jev的工具，通过移除不必要内容来处理视频，生成摘要、精彩片段和精简版本，参数可调且成本低廉。
Qwen3.8-Omni-Flash是一款原生多模态智能体模型，旨在提升真实世界生产力。它通过MoE架构和扩展上下文窗口增强了多模态理解与推理能力，并发布了多模态应用的开源框架。
一个允许用户上传视频、在体积回放中探索、导出360度轨道并自定义轨道节奏以供下载的工具。
Video Volume 是一款基于网页的工具，允许用户在三维空间中可视化视频，提供交互式环绕和缩放控制，并支持MP4和MOV格式。
本文指出了学术玩具演示与工业精密装配中的痛点，包括视角遮挡、高自由度动力学非线性接触、视频采集延迟以及云训练导致的GPU资源浪费。
Google 的智能体视频理解能力正被三家公司利用，通过 Gemini Flash 模型在视频处理任务中降低成本并提升准确性。
作者详细介绍了在 Claude AI 协助进行固件调查后，修复因 RGB 与 YUV 格式不匹配导致的 NZXT Signal 4K30 采集卡绿粉色彩频问题的过程。
一条推文展示从视频中的AGI转录和完整和声分析能力，可能是在演示一个AI工具或功能。
本仓库为MiniMax H3模型提供LoRAs，旨在ComfyUI中运行，用于视频增强，例如在保持照片真实感的同时锐化视频。
Gemini API 中的 Agentic Video 是一项新功能，在处理长视频时将令牌消耗减少多达 88%，同时提高质量，使 Thumio 等工具能够从链接生成 YouTube 缩略图。
LeVJEPA将LeJEPA扩展到视频以实现高效训练，仅使用一个编码器和投影器处理5%的视频块，在计算量显著降低的情况下匹配或超越V-JEPA 2。
Qencode MCP 中的智能缩略图使智能体能够自动选择视频缩略图，简化从上传到发布的工作流程，无需人工干预。
SubSmith 是一个语言学习平台，通过生成准确字幕、提供即时单词定义并集成 Anki 导出闪卡功能，将用户视频转化为学习材料。
一个GitHub仓库，汇总了979个视频抓取API，用于从多个视频平台下载、转录和提取元数据。
ABot-Recon 通过使用固定的局部上下文，实现了从连续视频流中实时重建大规模环境的三维结构，达到了高效率和低内存使用。
中国开源了一个实时3D场景重建模型，无需LiDAR，仅需普通单摄像头视频，在单GPU上实现20 FPS，并在10,000+帧中保持稳定。
一位开发者介绍了Watch Skill，这是一个开源MCP服务器，通过创建本地索引（包括转录文本、OCR和视觉观察）为AI智能体提供视频持久记忆，以实现高效检索。