AI创作工具与前沿动态｜7月28日

从一款可申请预览的模型，到两项仍在论文阶段的视频研究。今天先分清「能试」和「值得读」。

Microsoft AI 在 7 月 23 日把两款模型放进 public preview：前者强调高质量图像、详细编辑和图内文字渲染，后者面向高并发语音体验，官方称速度是 MAI-Voice-2 的 2 倍，价格低 32%。1

适合做海报、精细修图、批量旁白或实时语音交互的团队。下一步先核对 Azure 模型目录里的地区、调用方式和价格，公开预览不等于稳定生产服务。

这篇 7 月 24 日提交的论文让多个 agent 先处理感知、交互和动作规划，再把 text-to-motion 先验对齐到视频扩散模型。论文报告，wearing、riding 等人机物场景的交互自然性、物体外观保持和复杂指令遵循有所提升。2

它更适合角色动作、产品演示和互动镜头的研究者。当前读到的是论文证据，不能据此判断公开 API、代码或生产稳定性；先看实验设置，再等实现或复现。

NEC Labs 7 月 21 日介绍的 PhyCo，在 Cosmos-Predict2-2B 上做物理监督微调，并用超过 100,000 条仿真视频和 VLM 反馈控制摩擦、恢复系数、形变与施加力。Physics-IQ 总分为 43.6，高于 VLIPP 的 34.6 和基础模型的 27.7。3

这条线适合产品或材料可视化、机器人交互数据和视频物理评测。当前场景仍集中在滑动、碰撞、弹跳和形变，不能替代真实物理求解器，后续要看它能否覆盖流体、关节运动和多物体接触。