在 9 月 11 日至 14 日于阿姆斯特丹举行的 IBC 2026 上，来自 170 多个国家和地区的 4.4 万余名与会者参观了 1300 多个展览项目。NVIDIA 宣布对 AI for Media 进行重大扩展，新增一系列 GPU 加速的软件开发工具包、NIM 微服务、操作指南与蓝图，用于增强传媒娱乐工作流中的音频、视频与增强现实效果。
合成视频检测（SVD）以 NIM 形式提供，用于评估素材是真实拍摄还是由 AI 生成。NVIDIA 称，SVD 对文生视频内容的检测准确率已达 99.3%，对图生视频达 97.7%。Dalet 正把 SVD 集成进面向新闻机构的安全云托管验证工作流；TwelveLabs 的 Compliance 应用集成 SVD，提供逐帧真实性与置信度分数；Wowza 将通过 Video Intelligence Framework 分发 SVD，支持本地、边缘、云端、混合与完全隔离环境部署。
人体与视觉分析方面，3D Body Pose 可基于单个摄像头的视频估算人体关节在 2D 和 3D 的位置与角度，无需依赖标记点的动作捕捉系统，可用于运动追踪、生物力学与表现分析、回放增强以及裁判工作流；Vizrt 正把该技术用于实时虚拟演播室，通过追踪人体运动驱动反射、阴影与环境渲染。
视频处理环节有三项更新。视频帧生成（VFG）在原始帧之间生成新帧，把帧率提高 2 倍或 4 倍；Ross Video 已将其集成到 Rio Replay，用于生成 AI 辅助慢动作，目前支持 6 倍慢动作，8 倍插值仍在开发中。Video Super Resolution 新增流媒体模式与 10-bit 支持，可在实时性能与更高画质之间取舍；TrueHDR 可实时把 SDR 视频转换为最高约 2000 nit 的 HDR 输出。三者可在单一视频特效管线中组合使用。
本地化方面，LipSync 与新增的 Active Speaker Detection NIM 面向采访、新闻、体育等多人物场景，新版本改善了面部遮挡下的处理，并更好保留牙齿、嘴唇与面部纹理；NDI 使用 LipSync NIM 在现有广播工作流中实现实时翻译与唇形同步配音。Holoscan for Media 与媒体交换层（MXL）集成，提供统一的实时视频、音频与数据交换层，并把字幕、音频翻译、配音、音视频同步与图形本地化整合成参考工作流，AI-Media、CAMB.AI、Chyron 与 Panjaya 分别覆盖其中环节。
体育方向，NVIDIA Sports Intelligence Playbooks 提供基于自有赛事视频与标注微调开放模型的结构化框架，覆盖数据准备、微调、推理、评估、优化与部署，整合 Nemotron、NeMo AutoModel、Megatron Bridge 与 NIM。在对此前未见过的视频素材评估中，多选题准确率从约 53% 提升到 94%，开放式评估从约 5.7% 提升到 66%。Machina Sports 与 Wowza 已在集成该方案。
WeChat
Profile