由上海炫动传播与迪士尼公司合拍的动画片《半斤八两》从1月16日-2月22日每天11：45、春节小长假期间每天8：05在东方卫视播出。该片以独具中国传统文化特色的两只石狮子“半斤”和“八两”为主角，他们的形象活泼可爱，一个矮胖，一个高瘦，一个天真乐观，一个略显消极。故事围绕这两个有趣的角色设定展开，内容包罗万象，从中国传统节日、美食文化、戏曲艺术、民间习俗、文化艺术以及神话传说等丰富的内容，充满了中国情怀，致力于将中国传统文化元素拟人化，共同为不同年龄、跨越国界的观众讲述带有中国元素的全新故事。
1945年5月，见习小八路董存瑞（张良）和同村好友郅振标（杨启天）要求像其它青年一样参军抗日，因年龄太小被赵连长（张莹）拒绝，两人尤其董存瑞很不服气，却也无可奈何。一次反“扫荡”中，区党委书记王平不幸牺牲，临死之际，他托付董存瑞替他上交最后一次党费，董存瑞和郅振标代王平完成心愿时，也如愿成了八路军的一员。经历抗日战争、内战的枪火洗礼，董存瑞逐渐由鲁莽、冲动的孩子蜕变成为真正的革命战士。
在某修车行工作的西泽尚志（佐藤健 饰）看起来像个寡然无味的年轻人，他和其他男生参加了一次联谊，阴差阳错和联谊会上的女孩中原麻衣（土屋太凤 饰）熟稔。麻衣快人快语，开朗阳光，和尚志形成了完美的互补。在接下来的一段时间，两人越走越近，尚志终于鼓起勇气向麻衣求婚，一切看似美好。可是毫无征兆，麻衣身上出现了各种奇怪的症状。经诊断发现，她罹患了十分棘手的疑难杂症——抗NMDA受体脑炎。最终，麻衣陷入长久的昏迷，饱受折磨。女孩的遭遇令她的父母伤痛欲绝，而尚志则不离不弃，始终坚守在女友身边，等待他醒来那一天。终于，麻衣张开了紧闭多年的双眼，可是更多的考验还等在前面…… 本片根据真实事件改编。
凯特（凯特·贝金赛尔 Kate Beckinsale 饰）是一名成功的女律师，在事业中节节攀升，却在家庭和婚姻关系里输得一败涂地。离婚后，丈夫获得了女儿的抚养权，父女两人生活在西雅图，凯特无法忍受骨肉分离的苦楚，决定不惜一切代价，也要夺回女儿的抚养权。 凯特接下了一宗十分苦手的案件，一个名叫莱西（安娜·安妮斯莫娃 Anna Anissimova 饰）的女人被指控谋杀，可莱西对自己的罪行拒不承认，更说出了自己在监狱中惨遭强奸的遭遇。赢得这个案子对于凯特来说十分重要，经历了种种波折困苦，凯特终于替莱西争取到了无罪的判决，然而，很快，凯特就发现，莱西其实是一个满嘴谎言的卑劣女人，在自己的未来和真相之间，凯特无法做出选择。
林奇为救身患绝症的女儿，加入了富豪齐腾、医学专家岚若、地质学家胖子及雇佣兵团等组成的冒险小队，踏上了寻找“生命之果”的旅程。在这片危险密布的丛林中，险象接踵而至，队员接二连三遇难身亡，暗处似乎还潜伏着觊觎他们生命的凶残猛兽。想要逃离的队员和齐藤的关系越发紧张，与此同时，生命之花即将开放，神秘猛兽的真面目也浮出水面。
在生下悉达多太子之后，释迦国的王后摩耶夫人（吉用小百合配音）往生忉利天，注视着这个不平凡之子的证道之路。生老病死的切实苦痛，让成年后的悉达多太子（吉冈秀隆配音）抛弃荣华富贵，爱欲纠缠，云游四方寻找生命的终极答案。在此过程中，他邂逅了极端自律的苦行僧迪帕（藤原启治配音）和性命虽短却开朗豁达的少年阿说示（泽城美雪配音）。他们前往著名的苦行林，试图通过折磨身心的办法得到解脱。与此同时，因出身而背负了巨大屈辱和仇恨的憍萨罗王子琉璃（真木阳子配音）则发誓要消灭所有的释迦种，为此他不惜囚禁折磨同样出身释迦国的生身母亲。佛陀证悟的前夕，一段伟大事迹的开始……本片根据手冢治虫的同名漫画改编。
日本战国时代末期，各路诸侯连年征伐，战火不断，致令饿殍遍野，生灵涂炭。一代霸主丰臣秀吉死后，旧有的丰臣家族和德川家康发动了夺取天下的战争。为了有效摧毁对手，德川下令组建了武功高桥的杀手集团，在这些人中间，唯一的少女阿墨（上户彩 饰）正是其中的佼佼者。继加藤正清、浅野长政之后，真田昌幸（平干二朗 饰）便是德川家族天下制霸的最后阻碍，而此番阿墨也将其作为最后的刺杀目标。无休止的杀戮，让这个没有笑容的少女早已厌倦，当在一次的争斗开始时，她却邂逅了那个与死去恋人长得一模一样的敌军武士银角（小栗旬 饰）。 阿墨的命运由此变得扑朔迷离……©豆瓣
第二部将拾起小拓(Midori Tamate)和欧(Adisorn Thanawanitch)俩人破碎的心。在道德与欲望之间，他们将如何抉择?两人的爱如此美好，周围的人却如此受伤。小拓与欧该如何面对困境?
暂无简介
万湖会议 Die Wannseekonferenz[电影解说]
At the Wannsee Conference on 20 January, 1942, senior Nazi officials meet to determine the manner in which the genocide of the European Jews can be best implemented.