團隊在 GitHub 的改碼工作，將會由代理獨立處理並回覆成果。
DeepSeek Harness 透過 dsh-superagent 套件，讓團隊在 GitHub 交辦工作後，由編程代理獨立處理工作，再於原對話回覆。這個研究原型服務單一GitHub Repo，亦可選接 Feishu。
先留意：作者明確標示佢係研究原型，唔係正式 DeepSeek 產品，亦未達 production-ready；首次試用唔好直接駁客戶正式 repo。
dsh-superagent 能減少團隊打擾納入工作流程：只有獲授權者提出要求，或團隊規則允許，代理才會行動；需要人手介入或有可用成果才發言。
維護單一儲存庫的團隊可用它試驗代理協作，但設定涉及多個步驟；006 Deployment 文件涵蓋手動設定、升級及故障排查。開發檢查包括型別檢查、測試及建置，未提供量化效能結果。
由企劃、分集劇本一路寫到分鏡提示詞和發布文案，這套模板把 AI 漫劇製作拆成可逐步推進的工作流程。21 種題材可供選用，但測試覆蓋程度不一，生成內容仍需自行檢查。
由一句故事點子開始，創作者可以逐步整理出企劃、人物與世界設定、分集劇本、分鏡和影片提示詞，再準備封面及發布文案。ai-manju-skills 是一套 AI 漫劇創作模板，針對製作流程中不同階段的內容整理，提供 21 種題材的 SKILL.md，不需要安裝依賴。
流程分成五部分：企劃案、人物與場景等資產提示詞、分集劇本、分集導演手冊，以及發布包。預設規格為 30 集、每集約 4 分鐘和 9:16 直屏，亦可以在故事點子中指定其他設定；篇幅較長的輸出會分批生成，再用「繼續」推進。這讓創作者能逐段修改內容，而不是一次處理整部作品。
模板可貼到 DeepSeek 等聊天工具使用，也支援 Claude Code 和 WorkBuddy。聊天工具的做法是選定題材、貼上完整模板，待模板就緒後再提供故事點子；一部劇建議使用獨立對話，減少不同故事設定混在一起。Claude Code 則可把所需題材資料夾放入 ~/.claude/skills/；使用其他影片工具時，提示詞用 {{Mixed N}} 引用第 N 張參考圖，換工具時需改成相應寫法。
目前版本已在 WorkBuddy 測試；玄幻修仙版曾作實際使用測試，宮斗、宅斗、年代文、系統無限流、總裁甜寵、重生復仇和職場商戰完成安裝檢查或階段試跑，其餘題材尚未逐一測試。模板要求人物和設定保持原創，但生成內容的品質、版權和平台合規仍需創作者自行把關，懸疑刑偵與民俗怪談亦要留意平台規則及 AI 生成標示。
Google 的原型衛星首次從軌道上的資料中心級 TPU 傳回 AI 回應。
把 AI 運算設備送上軌道後，能否收到它傳回的回應？Google 的 Project Suncatcher 原型衛星已達成這項「Hello World」里程碑：軌道上的資料中心級 TPU 首次送出 AI 回應，證明相關設備至少完成了一次在太空中的運算與通訊。
這次成果處理的是太空運算的一個基本環節：不只把設備送入軌道，還要讓它執行 AI 工作並把結果傳回。對研究人員而言，這提供了測試軌道運算鏈路的起點；對一般使用者而言，暫時還不是可直接使用的服務。
目前公布的資訊聚焦於首次成功回應，未交代長時間運作表現、運算規模、通訊穩定性或成本。因此，這項里程碑不能單獨證明太空資料中心已具備商業可行性，後續仍要看設備能否持續運作，以及整體系統如何擴展。
• 原型衛星在軌道上搭載資料中心級 TPU。
• TPU 首次傳回 AI 回應，達成「Hello World」里程碑。
• 公布內容未提供長期運作、成本或擴展能力的數據。
Project Suncatcher 目前呈現的是一次早期技術驗證，適合關注 AI 基礎設施、衛星及太空運算發展的讀者留意。它能否由單次回應走向可靠、可持續的運算服務，仍有待更多測試結果。
拍一段影片即可重建人體動作，再修正接觸點、套用角色並匯出動畫。
拍攝一段人物影片後，RGB MoCap 會重建人體動作，讓你在 3D 預覽中檢查身體網格與骨骼，再輸出可編輯的人體動畫。這個項目屬於本地運行的 Windows 動作捕捉工具，主要處理由普通影片取得角色動作、修正滑步，以及套用到不同角色格式的工作。
它不只追蹤身體，還提供腳掌和手掌接觸修正，接觸時間可以手動調整；動作可重新套用到 Mixamo FBX、VRM 和 PMX 人形角色，並輸出 FBX，亦可選擇是否連同網格一併匯出。多個 AI 模型的結果能分開保存，方便比較和重做。
安裝需要 Git for Windows、Blender、FFmpeg，以及 ExMR、FlowHMR、GVHMR 等模型運行環境；模型權重和註冊的人體檔案要在 Model Manager 另行準備，部分模型需要帳戶登記和手動下載。MAMMA 與 PromptHMR 屬於可選運行環境，另需 Visual Studio 2022 C++ Build Tools、Windows SDK 和 CUDA Toolkit 12.8；PEAR 則可用於 webcam 或影片中的單人即時身體及手指骨骼預覽。
提供安裝、更新、模型準備和恢復指引，也附有動作捕捉及角色重定向示例。適合視為可本地測試的製作工具，而不是已有完整性能保證的商用捕捉系統；動畫師、VRM／PMX 角色創作者，以及需要把影片動作帶入 Blender 的團隊會較容易受益。
以 OS accessibility tree 取代像素定位，讓 AI 代理操作桌面應用程式並逐步核對結果。
要讓 AI 代理操作桌面應用程式，agent-desktop 讀取 OS accessibility tree，以 ref 指向按鈕、輸入框等元素，再用 JSON snapshot 核對結果。這個跨 macOS、Windows、Linux 的 CLI 與 C library 不靠 pixel matching，將控制循環留在 agent。
可透過 npm 安裝並先確認 version；macOS 要 Accessibility permission，Linux 要 graphical session 及 at-spi2-core，Windows 受終端機 integrity level 限制。macOS command host 保留 native accessibility objects，減低舊 identifier 誤連到已移除元素的風險。
項目更像桌面操作底層而非完整代理，是否適合取決於目標程式的 accessibility 支援、權限和資料處理方式。
沿路徑移動照片主體，或為影片局部加上遮罩再重新生成；h3-motion 透過自架 ComfyUI 串連影像理解與動畫模型。
想沿路徑移動照片主體，或只重做影片局部，h3-motion 把兩種編輯流程整合在獨立 React app，透過 Comfy SDK 操作自架 ComfyUI。流程只用開放權重模型，不依賴 Comfy Router、合作夥伴節點或封閉 API。
照片流程以 SAM 3.1 選取主體，並可用點擊修整遮罩；Qwen3-VL 描述主體，Qwen Image 2.1 清除主體並補回背景。使用者設定路徑、大小或翻轉後，由 MiniMax H3 透過 Time-to-Move 生成動畫與聲音。
影片可用矩形或橢圓標出範圍，設定 keyframe 路徑或讓遮罩跟隨物件，並加入描述及可選參考圖。H3 重生成遮罩區域後，由 app 合成回原片；原有聲音可保留、參照或替換。
需要 NVIDIA 或 AMD GPU、近期 ComfyUI、ComfyUI-vlo 0.3.0 或更新版本，以及 Node.js 22.12 或更新版本；原生 Windows 尚未測試。文件未提供速度或畫質評測，較適合熟悉 ComfyUI、需要精細編輯影像局部的創作者。
纯 ffmpeg + 自己生成的 3D LUT，不依赖 zscale / libplacebo / drawtext（Homebrew 的 ffmpeg 常常没带）。
把普通（SDR）視頻或其中一段，轉成 10-bit HEVC / HLG / BT.2020 的 HDR 文件：在 HDR 屏幕上，雲、太陽、水面反光、 金屬高光會“發光”。還能做左右對比：同一個文件里左邊 SDR、右邊 HDR。
mischief 1 建基於 Wan 2.2，主打以相近質素提供快 5 倍、成本更低的 image-to-video 生成。
生成影片最花時間和預算的地方，往往是反覆試做、比較不同版本，再逐步修正畫面。TBC mischief 1 是 The Biological Computing Co. 推出的 AI video model，透過從活神經元取得的計算效率，處理 image-to-video 生成速度和成本之間的取捨。
TBC執行長兼聯合創辦人Alex Ksendzovsky表示：「我們曾說過，要將對活體神經元的研究成果轉化為人人都能使用的產品，而我們實現這一目標的速度遠超預期。這個模型背後是一個持續學習的發現平台。每一次實驗都加深了我們對神經元計算方式的理解，並為我們改進人工智慧提供了新的契機。」
模型建基於廣泛使用的 open-weight video model Wan 2.2，TBC 表示 mischief 1 在保持相近質素的同時，生成速度提升至基礎模型的 5 倍。項目已在 fal 和 OpenRouter 提供，定價為每秒半美仙；五秒短片約需 2.5 美仙，100 段影片約為 2.50 美元。
較低成本適合需要大量試作的影片創作者、AI-native creative studio，以及把影片生成功能整合到產品的開發者。Wonder Studios 測試後表示，模型讓團隊可以在相同時間和預算內反覆推進創意；不過，來源內容未提供具體畫質指標、支援格式或詳細使用流程。
語音對話模型可以先產生較短的語音 token 序列，再還原成原有格式的合成波形。CoSTA 在中英文基準測試中提升生成速度，並保留原有語音 tokenizer 和 decoder。
語音對話模型要逐個生成語音 token，序列較長時會拖慢回應。CoSTA 是一套語音模型適配方法，透過壓縮生成序列加快推理，同時保留原有語音 tokenizer 和 decoder，讓壓縮後的 token 可在合成波形前還原。
CoSTA 使用 byte-pair encoding（BPE）學習合併語音 token，並以原有 token 的 embedding 和 LM head 權重平均值初始化新增詞彙。適配分階段進行：先訓練發音，再調整語音對話輸出，讓模型生成交錯的文字與語音內容。它改變的是生成時使用的 token 空間，而非取代負責語音合成的原有元件。
在中英文基準結果中，CoSTA-ZH 的壓縮序列保留原 token 數量的 66.81%，擴展後語音 token 生成速度為每秒 101.99 個；CoSTA-EN 分別為 70.17% 和每秒 99.05 個。兩者相對 Step-Audio 2 mini 的速度為 173.63% 和 165.94%；這些結果反映特定基準測試，不能直接當成所有模型或硬件上的延遲保證。
對已有語音對話模型、希望提高回應速度而不重建語音合成流程的研究團隊，CoSTA 提供了一條可評估的適配路徑。GitHub 提供程式碼與論文連結，但模型權重及資料集仍標示為即將推出，現有資訊亦未列出完整安裝及測試流程。
串流影片未必會自然提供完整答案，AskStream 讓模型在等待與回答之外，判斷何時應該主動提問。
串流影片問答遇到畫面缺失、問題含糊或個人資料不足時，模型往往只能繼續等待，甚至猜出答案。AskStream 是一個串流影片理解 benchmark 與資料集，把 WAIT、ASK、ANSWER 放進多輪互動流程，實際測試模型能否找出不確定性、問對問題，再在資訊足夠時回答。
它涵蓋 Food & Dining、Sports、Clothing、Daily Life、Film & TV、Repair、Education、Travel 和 Technology 九類影片，共 438 段影片、1,401 條問題，以及 2,714 個人工標註的 frame-level time windows。每段影片平均有 3.2 個互動回合，資料再按 Video Uncertainty 和 User Uncertainty 拆成四類任務、八個 subtasks，適合檢查模型是只懂回答，還是懂得主動索取缺少的證據。
使用者可從 GitHub、Hugging Face dataset、論文及 project page 了解資料和評測入口；提供的資料沒有列出完整安裝流程、推理程式或硬件要求，因此不能據此承諾特定 GPU、記憶體配置或本地執行方式。研究團隊、影片理解模型開發者和多模態 agent 評測項目較適合採用它，尤其是需要處理直播、教學、維修或含個人背景問題的場景。它的價值不在單次答案準確度，而在揭示模型何時應該停止等待、向誰問甚麼，以及取得資訊後能否及時作答。