Black Forest Labs explique la construction de l'intelligence visuelle derrière FLUX 3
Andreas Blattmann et Dustin Podell, de Black Forest Labs, détaillent dans un entretien pourquoi FLUX 3 est entraîné conjointement sur l'image.
Andreas Blattmann et Dustin Podell, de Black Forest Labs, détaillent dans un entretien pourquoi FLUX 3 est entraîné conjointement sur l'image.
Andreas Blattmann et Dustin Podell, de Black Forest Labs, détaillent dans un entretien la démarche derrière FLUX 3.
Runway a publié Praxis-1, son modèle de contrôle de robots.
Allegro MicroSystems a lancé une gamme de gestion de l'énergie.
Adobe a présenté à sa conférence Max plusieurs projets expérimentaux : Project Sight Span transforme toute image plate (photo.
Adobe renforce ses applications Creative Cloud et sa plateforme Firefly avec de nouvelles fonctions de suppression d'objets et de retouche assistées par IA. Premiere accueille en bêta un outil Generative Remove qui efface et reconstruit les objets indésirables directement sur la timeline, tandis que Photoshop reçoit un Remove Tool amélioré, Quick Compare et Relight, et que Lightroom étend la suppression de imperfections sur ordinateur avec Open Eyes en bêta publique. Firefly gagne des Quick Actions désormais disponibles et plusieurs expériences en bêta, dont Firefly Design, Firefly Graph et Firefly Builder.
Le développeur colsto a mis au point une technique de géolocalisation précise de vidéos à partir des courbes Doppler produites par les avions qui passent. Le son des appareils.
Motif de la recommandation :L'article détaille une méthode de géolocalisation par les courbes Doppler des avions, avec le rôle des enregistrements ADS-B et les limites du filtrage.
Google DeepMind rend généralement disponible son modèle de génération vidéo Gemini Omni 1.2 Flash.
Google DeepMind déploie Gemini Omni 1.2 Flash sur le Gemini API et Gemini for business.
Motif de la recommandation :Le tarif à la seconde et la durée maximale des clips permettent de comparer directement le coût de génération vidéo avec la version précédente.
Une équipe de recherche menée par Google, avec Stanford, Oxford et plusieurs universités américaines.
Sid Bala explique sur sidbala.com comment fonctionne la compression vidéo H.264.
Google DeepMind annonce Genie 4, un nouveau modèle du monde qui génère nativement de l'audio.
Motif de la recommandation :Genie 4 intègre nativement l'audio et le dialogue interactif dans la simulation en temps réel, avec un aperçu des capacités et des limites actuelles.
Google DeepMind a publié mardi Genie 4 en aperçu de recherche, une version qui génère des mondes plus photoréalistes et interactifs.
Grok a mis en ligne les sept premières minutes de sa version de « L'Odyssée » générée par IA.
La série documentaire Blue Planet III de la BBC choisit de conserver les plans imparfaits pour prouver son authenticité à l'ère de l'IA. La productrice exécutive Elizabeth White explique que des éléments comme le plancton, les bateaux ou les bouées, autrefois écartés au montage, sont désormais laissés à l'image afin d'offrir une version plus organique des océans. La série montre notamment des dauphins bloquant des trous avec des éponges de mer pour piéger des poissons, la communication entre espèces de poissons et 200 000 crabes se formant pour se nourrir.
Kling AI a publié la version 4.0 de son générateur vidéo, qui permet de générer jusqu'à 30 secondes de vidéo en une seule passe et accepte jusqu'à dix images clés en entrée.
TwelveLabs Pegasus 1.5, un modèle de langage vidéo.
Mark Wahlberg s'est déclaré ouvert à l'idée qu'un clone IA de son image perpétue son héritage.
La cinéaste américaine Valerie Veatch présente « Ghost in the Machine », un documentaire de 110 minutes reliant l'IA.
Higgsfield fait passer la vidéo IA de 1 minute à plus de 10 minutes grâce à GPT-6 Astra, avec des visuels précis via GPT-Image-2.5 et une voie vers la réalisation vocale avec GPT-Live.
Odyssey rend public son modèle de monde Odyssey-3, qui génère des environnements interactifs en temps réel à partir de descriptions textuelles.
Ben Affleck, qui a vendu sa startup de production cinématographique par IA à Netflix pour 587 millions de dollars selon les rapports.
Pollo AI utilise GPT-5.6, GPT-6 Astra et GPT-Image-2.5 pour permettre aux créateurs de transformer des idées en images détaillées et en publicités vidéo cinématographiques.
Melius, plateforme IA de génération de campagnes, d'images et de vidéos publicitaires.
Reka AI a publié un aperçu de recherche de Rho-1, un modèle omni de 19 milliards de paramètres qui traite et génère du texte.
Runway a présenté GWM Worlds 2, un aperçu de recherche qui transforme la génération vidéo et audio haute fidélité en simulation interactive en temps réel.
Google Research présente un AI video co-director, un cadre multi-agents construit comme couche d'orchestration au-dessus de Gemini et Veo.
Motif de la recommandation :L'article détaille quatre cadres multi-agents pour la génération vidéo longue, avec les problèmes de dérive visuelle et de propagation d'erreurs qu'ils traitent.
Google DeepMind lance Gemini 3.8 Live with Live Avatar.
Motif de la recommandation :L'original détaille les capacités visuelles temps réel, l'exécution asynchrone d'outils et la prise en charge de 97 langues, ce qui aide à évaluer l'usage en entreprise.
invideo améliore d'un facteur 3 la correction et l'étalonnage couleur grâce à GPT‑6 Astra.
Higgsfield AI a mis en production en une journée de nouvelles fonctionnalités vidéo propulsées par GPT-6 Astra.
Massimo Banzi et Andrea Richetta montreront comment construire une sonnette intelligente basée sur un modèle de vision par ordinateur exécuté localement sur la carte Arduino UNO Q.
Hugging Face présente Workflow1111, un canevas de workflow unique qui reconstruit la plupart des fonctionnalités d'AUTOMATIC1111 sous forme de 11 pipelines multimédias construits avec 73 nœuds. Le canevas couvre la génération texte-image, le hi-resolution fix, l'image-to-image, la matrice de prompts, l'interrogation VLM, la détection vers masque d'inpainting, les annotateurs de style ControlNet, la suppression d'arrière-plan, le stockage PNG Info et l'image-to-video, avec des modèles comme FLUX.1-Kontext, Qwen3-4B, Qwen2.5-VL, DETR, AuraSR ×4, BRIA RMBG-2.0 et Wan 2.2 I2V A14B. Chaque nœud de sortie devient un point d'accès REST, et avec mcp_server=True, ces points d'accès deviennent des outils MCP appelables par des assistants IA comme Claude Code ou Cursor.
Motif de la recommandation :L'article détaille comment reconstruire l'ensemble des fonctionnalités d'AUTOMATIC1111 avec 73 nœuds Gradio Workflow, et comment chaque sortie devient un point d'accès REST et un outil MCP.
Google DeepMind lance la compréhension vidéo agentique sur Gemini 3.7 Flash, 3.6 Flash et 3.5 Flash-Lite.
Motif de la recommandation :L'original expose les chiffres de réduction de tokens et de coûts ainsi que le mode d'activation par API, ce qui permet d'évaluer l'intérêt pour l'analyse de vidéos longues.
Google DeepMind annonce Gemini Omni 1.1 Flash, une mise à jour de ses capacités de génération vidéo destinée aux développeurs via la Gemini API dans Google AI Studio. Le modèle peut analyser jusqu'à 10 secondes de contexte vidéo antérieur pour l'extension de scène, contre une seconde auparavant, avec des extensions par tranches de 10 secondes jusqu'à 40 secondes cumulées. Il ajoute l'interpolation entre première et dernière images, la génération de prévisualisations 360p jusqu'à 60 % plus rapides et à un tiers du coût du 720p, l'upscaling jusqu'en 4K, ainsi que la référence de vidéos jusqu'à trois secondes en entrée multimodale. Omni 1.1 est disponible dans Google AI Studio, via l'Agent Platform API pour les entreprises, et pour les abonnés Google AI Plus, Pro et Ultra dans Google Flow, l'extension de scène étant accessible dans l'application Gemini.
Motif de la recommandation :L'original détaille les contrôles créatifs et les paliers de coût de la génération vidéo, utile pour évaluer les workflows de production existants.
Thinking Machines Lab a publié sur Hugging Face Inkling, un grand modèle de langage multimodal open source d'environ 1T de paramètres (975B au total.
Motif de la recommandation :L'article détaille l'architecture MoE, les variantes de quantification et le support d'inférence jour 0, ce qui aide à évaluer les besoins matériels et les options de déploiement.
Google DeepMind annonce Nano Banana 2 Lite (gemini-3.1-flash-lite-image), son modèle d'image Gemini le plus rapide et le plus économique.
Motif de la recommandation :Deux modèles génératifs de Google DeepMind précisent latence, coût et limites, ce qui aide à évaluer leur intégration dans des pipelines multimédia.
Google DeepMind annonce Gemini Omni, une nouvelle famille de modèles capable de créer du contenu à partir de n'importe quelle entrée.
Motif de la recommandation :Google DeepMind présente Gemini Omni Flash, un modèle multimodal capable de générer et d'éditer des vidéos à partir de plusieurs entrées, avec un déploiement immédiat sur plusieurs produits.
NVIDIA publie Nemotron 3 Nano Omni, un modèle de compréhension omni-modal conçu pour l'analyse de documents.
Motif de la recommandation :L'original détaille l'architecture hybride Mamba-Transformer-MoE et les gains sur les benchmarks documents, vidéo et audio, ce qui permet de situer les capacités omni-modales ouvertes.
Overworld publie Waypoint-1.5, son nouveau modèle de monde vidéo temps réel.
Motif de la recommandation :L'original expose les paliers de résolution, la plage matérielle et les modes d'exécution locale, ce qui permet de juger de l'accessibilité réelle du modèle.
OpenAI a conçu Sora 2 et l'application Sora en plaçant la sécurité au fondement.