LTX Studio 上线配音与字幕功能：主打企业视频本地化
AI 视频生成平台 LTX Studio 宣布推出配音与字幕功能，专门面向需要快速制作和本地化视频的企业团队。新能力旨在帮助企业针对不同语言受众调整视频内容。目前官方尚未公布具体支持的语言种类与定价细节。
AIGC
Midjourney、Sora、Veo、Suno 等 AI 绘画、视频、配音和音乐生成工具的新模型、新功能和新玩法。
查看更新的新闻
字节联合清华发布 DreamID-Omni：一张图配声音，搞定多人对嘴对话
字节跳动与清华大学团队发布 DreamID-Omni。它能接收图像、文本与参考音频，让虚拟角色用对应原声说话，并解决了多人同屏对嘴混乱的问题，还支持现有视频的换脸换声。团队预计 3 月正式开源。
Google 推出 Nano Banana 2：Pro 级生图进驻 Flash 速度，支持 5 人一致性
Google 发布图像生成模型 Nano Banana 2（Gemini 3.1 Flash Image）。新模型兼具 Pro 级的画面质感与 Flash 级的生成速度，支持最多 5 个角色的一致性生成、实时联网检索和 4K 分辨率输出，已直接接入 Gemini、Google 搜索及 API。
QuiverAI 开启 Arrow 1.0 公测：专门生成原生 SVG 矢量图
QuiverAI 宣布开放矢量图 AI 模型 Arrow 1.0 的公开测试。与常见生成位图的图像模型不同，Arrow 1.0 原生输出可无损缩放、可编辑的 SVG 格式矢量图，主要面向需要素材排版与设计的开发者及设计师。
Google 改版创作平台 Flow：整合 ImageFX，生图直接无缝转视频
Google 宣布改版 AI 创作平台 Flow，将 ImageFX 和 Whisk 的生图能力直接并入统一工作区。用户用内置模型生成的图像可直接喂给 Veo 制作视频；新版还加入了套索圈选与自然语言精细化修改，并支持视频内物体增删与运镜控制。
Gemini 上线视频模板库：选风格扔照片，一键生成 9:16 竖屏短片
Google 为 Gemini 应用推出视频模板功能。用户在工具菜单选择「Create video」即可挑选赛博朋克、动作英雄等预设风格，还能上传人物或宠物照片直接当主角，并支持 9:16 竖屏输出。用户不再需要手写复杂提示词，降低了做短视频的门槛。
Replit 推出 Replit Animation：用 Gemini 3.1 Pro 几分钟「Vibecode」爆款视频
Replit 推出视频创作工具 Replit Animation。该工具底层由 Gemini 3.1 Pro 驱动，主打用「Vibecode」在几分钟内做出爆款视频，官方演示片全程由其生成。说白了，Replit 正在把写代码的交互体验直接搬到多媒体视频创作上。
因网络强烈反弹：AMC 影院紧急叫停 AI 获奖短片贴片放映
AMC 影院宣布拒绝在映前贴片时段播放 AI 动画短片《Thanksgiving Day》。该片此前获 AI 电影节大奖并原定在全美影院展映两周，但消息曝光后引发强烈抗议，AMC 随后紧急声明退出。传统院线试水 AI 内容正遭遇巨大的观众阻力。
Leonardo.Ai 启动新品牌活动：向创作者示好送 300 代币
Leonardo.Ai 推出全新品牌活动「Yours to Create」，呼吁设计师与艺术家拥抱生成式 AI，并在社交平台向互动用户赠送 300 代币。这表明图像生成平台正加紧拉拢专业创作者，试图将 AI 真正嵌入主流工作流。
Tavus 发布数字人模型 Phoenix-4：支持实时情绪控制与微表情
Tavus 推出实时数字人渲染模型 Phoenix-4。它能在毫秒级延迟下生成头部运动，并支持在说话与倾听时动态调整情绪状态，解决了传统数字人全程固定假笑的生硬感。这意味着实时 AI 对话的交互拟真度迈进了一大步。
Google 在 Gemini 中上线 Lyria 3：文字或照片一键生成 30 秒音乐
Google 宣布在 Gemini 中上线 DeepMind 最新音乐模型 Lyria 3 测试版。输入文本或上传照片、视频，几秒内即可生成带自拟歌词的 30 秒音频和专属封面。音频内嵌 SynthID 水印，目前面向 18 岁以上用户开放网页端，移动端随后推出。
NVIDIA 推出三图示例编辑器 LoRAWeave：给一对前后对比图，精准克隆修图风格
NVIDIA 提出图像编辑方案 LoRAWeave。与单参考图不同，它需要输入编辑前、编辑后两张示例图以及目标图，自动提取变换规律并应用到新图上。这种视觉类比方式复刻风格更稳，尤其适合用语言难以描述的复杂画面处理。
Anam 发布 Cara-3：首帧仅 70 毫秒，单图秒变互动数字人
Anam 发布交互式面部生成模型 Cara-3。它将动作生成与画面渲染解耦，单张参考图即可实时驱动，首帧延迟压缩至 70 毫秒。盲测表明其综合好感度明显领先竞品；更关键的发现是，在实时对话中，响应速度比画面精细度更能跨越「恐怖谷」。
Moonlake 开启公测：一句话生成带物理和交互的可玩 3D 世界
Moonlake AI 开启世界建模智能体公测。与单纯生成场景不同，它把 3D 模型、物理、音效与规则绑定在同一实体上，仅凭一句提示词就能自主完成多阶段开发，输出实时可玩的虚拟世界。目前候补已超万人，订阅起价每月 15 美元。
Krea AI 收购 Wand：上线 iPad 原生应用，画笔涂鸦实时变 AI 画面
Krea AI 宣布收购创意绘图应用 Wand，并正式推出 iPad 原生应用。该应用结合了 iOS 原生操作体验与自定义画笔，并接入其实时 AI 生成技术，创作者在平板上落笔涂鸦时即可实时看到渲染效果。
Runway 推出 Story Panels 工作流：从单张图生成风格一致的全片分镜
Runway 推出「Story Panels」精选工作流。创作者只需一张图片，就能通过几步操作生成包含一致角色、场景与风格的整套镜头目录。这对苦于前后镜头角色「变脸」的创作者来说，大幅降低了连贯分镜的制作门槛。
字节跳动发布 Seedance 2.0：支持音视频联合生成，可混合输入 9 图 3 视频
字节跳动 Seed 团队发布音视频生成模型 Seedance 2.0。它采用音视频联合生成架构，支持同时输入最多 9 张图、3 段视频和 3 段音频进行参考，可生成带双声道音效的 15 秒多镜头视频，大幅提升了复杂运动交互的物理真实度。
超高分辨率视频框架 LUVE 亮相：支持真 4K 生成，细节精细到毛发
研究团队展示超高分辨率视频生成框架 LUVE，专门攻克超清视频细节难合成的痛点。它采用潜空间上采样与双频专家三阶段架构，能直接生成 2K 和 4K 视频，连蜜蜂绒毛与水波纹都清晰可见。目前论文与演示已公开，代码暂未开放。
Meta AI 落地 Facebook：静态头像一键动起来，发帖还带动态背景
Meta 宣布在 Facebook 推出由 Meta AI 驱动的创作功能，能把静态单人头像秒变挥手、抛彩带等动效。快拍和回忆也支持用提示词重绘画面风格，纯文字帖还加入了海浪、落叶等动态背景。Meta 正把生成式 AI 塞进最日常的社交表达里。
阿里发布 Qwen-Image-2.0：原生 2K 画质，告别乱码文字
阿里千问团队推出下一代图像生成模型 Qwen-Image-2.0。新模型支持 2K 原生分辨率，可处理长达 1000 token 的排版提示词，精准渲染图片中的文字，并整合了图像生成与编辑功能。同时架构更轻量，推理速度更快。