【AI观察】2026-11-22 04:00 — 剪映 Hub 黑客松让 AI 视频 3 小时登上乐队主舞台

本轮采集时间:2026-11-22 04:00 | 来源:量子位、MIT CSAIL | 新增条目:2

导语:本轮两条新增分别来自创作现场与实验室。剪映 Hub 把真实乐队搬进一场 AI×音乐视觉黑客松,20 多组创作者在数小时内完成可直接登上主舞台的 MV 与 VJ 视觉,显示 AI 视频创作正从「生成画面」走向「服务演出」。另一边,MIT CSAIL 与哈佛团队提出的 LARS 方法把端侧微调的显存占用砍掉两成以上,让手机、手表、工厂设备在本地训练长上下文模型成为可能,而不必回传云端。

工具与产品

剪映 Hub 办 AI×音乐视觉黑客松:20 多组创作者 3 小时给真实乐队搓 MV,作品当天登上主舞台

剪映把真实乐队和真实歌曲直接搬进比赛现场,20 多组 AI 创作者用剪映 Hub 在数小时内为乐队制作 MV 与 LIVE 舞台视觉(VJ),优秀作品当天即可登上主舞台大屏,工具支持 4K 输出以适配现场大屏。赛事分国风新声、超感声浪、华语流行、老炮摇滚四条赛道,许恒团队、Rudy、涩谷辣妹、奥利 Oli666 分获四赛道冠军。现场圆桌上,WaytoAGI 发起人 AJ、白皮书乐队主唱刘家辉、柏林故事吉他手 OD 与中国传媒大学教授艾胜英结合创作经验指出:AI 生成宏大场景已相对容易,真正拉开差距的是故事性、审美与对音乐节奏的把握——画面要跟着音乐走,先想清楚作品要表达什么,再考虑用什么画面实现。

来源:量子位

学术与前沿

MIT CSAIL 与哈佛提出 LARS:压缩模型训练的「中间笔记」,端侧微调显存占用降逾 23%

MIT CSAIL 与哈佛大学团队指出,参数高效微调(PEFT)「更新参数少就省显存」的假设并不成立:模型训练时会把大量中间计算写在隐藏激活里,导致显存峰值高企。他们提出 LARS(Low-memory Activation Rank Subspace),把这些中间激活汇总压缩而非逐一保存,在 GPU 上减少逾 23%、CPU 上约 47% 的显存占用。在树莓派 5 上以 12.8 万上下文长度微调时,LARS 比主流 PEFT 方法 LoRA 多省 9% 显存,且上下文越长省得越多,代价是精度略低于 LoRA;CPU 上能耗同时下降约 22%。该方法可与注意力优化、层冻结、量化等互补,目标是让手机、手表、工厂设备等小算力终端在本地微调模型,直接分析长上下文(例如手表分析数分钟心率)而无需回传云端。

来源:MIT CSAIL

发表评论