YouTube 将支持 AI 分身做短视频：创作者可用数字人自拍 Shorts
YouTube 宣布今年将允许创作者使用自己的 AI 形象生成 Shorts 短视频，还能靠文本提示做小游戏。平台还将同步配套肖像管理工具，防范未经授权的盗用与低质 AI 内容。目前该功能尚未正式上线。
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
ElevenLabs 联手格莱美得主发专辑：Eleven Music 操刀，艺人独占版权
ElevenLabs 联合多位格莱美获奖音乐人推出首张录音室级 AI 专辑《The Eleven Album》，曲目均由其音乐模型 Eleven Music 驱动生成。参与艺人拥有全部版权并享有全部流媒体版税。最值得关注的是，这表明 AI 音乐正在从侵权诉讼转向与主流音乐产业的版权共创。
OmniTransfer 发布：给一段参考视频，就能复刻特效、动作与运镜
OmniTransfer 推出基于 Wan 2.1 的视频迁移框架，将视觉特效、动作驱动、运镜控制以及角色 ID 和风格迁移统一在单个架构中。最值得关注的是，它无需手动提取骨架或估计相机轨迹，就能直接把参考视频里的动态与质感迁移到新画面。
Lightricks 推出音频转视频功能：听懂音乐节拍，用声音直接生成画面
Lightricks 推出音频转视频功能，允许用户输入语音、音乐或音效生成对应视频。模型能理解节奏与节拍，实现画面与声音精准卡点，可用来制作音乐视频、素材和数字人。这意味着声音也能直接充当画面的分镜脚本。
Google 升级 Veo 3.1：支持原生 9:16 竖屏与 4K，做短剧不崩脸
Google 升级视频模型 Veo 3.1，为图片生视频功能加入原生 9:16 竖屏与最高 4K 画质。新版大幅提升角色和背景跨镜头的一致性，换场景也不崩脸，创作者免裁切就能直出短剧，现已上线 Gemini 与 YouTube Create。
PixVerse 发布实时世界模型 R1：边播边改提示词，生成连续视频流
PixVerse 发布实时世界模型 PixVerse R1，能以流式生成连续 1080P 视频，用户中途随时输入提示词即可实时改变画面。虽然目前一致性较弱、物体易变形，但它让 AI 视频从等渲染的切片变成了可实时干预的模拟世界。
腾讯推出 VerseCrafter：单图生成视频，可在 Blender 里拖运镜和物体轨迹
腾讯等研究人员推出视频世界模型 VerseCrafter。它以 Wan2.1 为底座，能将单张图片转化为几何场景，让用户在 Blender 中直接编辑运镜路线与物体的 3D 运动轨迹，生成多视角下连贯的高质量动态视频。不过模型目前对人体朝向和非刚性背景形变控制仍有限制。
Z.ai 发布 GLM-Image：混合架构，文本渲染准确率达 91.2%
Z.ai 在 Hugging Face 发布图像生成模型 GLM-Image，采用混合自回归与扩散解码器架构。该模型支持单一模型内完成文本生成图像，在 CVTG-2K 评测上的文本渲染单词准确率达到 91.2%，超过 Seedream 4.5 与 GPT 图片 1。
通义实验室开源 Qwen-Image-2512：毛孔更逼真，还能生成 PPT
12 月，通义实验室开源发布文生图模型 Qwen-Image-2512。新版本主打摆脱「AI 塑料感」，不仅让人像皱纹、毛孔和动物毛发根根分明，还大幅提升了文字渲染精度，甚至能直接生成排版工整的信息图和 PPT 幻灯片。
Runway 联手 Adobe：AI 视频模型进驻全家桶，还要开发独占工作流
Runway 宣布与 Adobe 达成多年战略合作，把 Runway 的 AI 模型与技术直接接入 Adobe 创意工具。双方还将针对专业工作流联合开发专属能力，并且只在 Adobe 软件中独占提供。这意味着专业剪辑师和创作者无需再频繁切窗口换工具了。
阿里上线 Qwen-Image-Edit-2511：多人合照不走样，还内置社区 LoRA
阿里推出 Qwen-Image-Edit-2511。相比 2509 版本，新模型大幅减少图像漂移，重点强化了多人合照的人物一致性与几何推理能力。最实用的是直接内置热门社区 LoRA，做工业设计或改图免去了额外微调。
阿里发布 Qwen3-TTS 语音系列：3 秒克隆声音，用提示词捏出专属人设
阿里巴巴 Qwen 团队上线 Qwen3-TTS 语音系列，主打声音设计与克隆。其中 VoiceDesign 支持用自然语言提示词定制语气和人设，VoiceClone 则仅需 3 秒音频就能复刻声音并支持 10 种语言。在多语言测试中，其词错误率比 ElevenLabs 低 15%。
快手可灵 2.6 升级：支持自定义声音克隆，复杂动作与手部不再糊
快手为可灵 2.6 推出语音控制与动作控制两项升级。用户可上传音频训练专属声音，让角色在多个视频片段里保持音色一致，支持旁白与歌唱；动作控制则大幅强化了复杂运动捕捉，生成武术与舞蹈时手部更清晰、唇形同步也更自然。
Luma 推出 Ray3 Modify：用首尾帧生成过渡视频，还能保留真人演技
Luma 发布视频模型 Ray3 Modify，已上线 Dream Machine 平台。它支持输入首尾两帧来生成中间的过渡镜头，还能在替换角色外观的同时，保留原素材中演员的动作、眼神与情绪。创作者无需重新实拍，就能用 AI 随意更换布景与服装。
Kling VIDEO 2.6 升级动作控制：30 秒参考视频，手部快动作不糊
Kling AI 宣布在 Kling VIDEO 2.6 中上线升级版动作控制功能。新版支持精准捕捉全身动作与武术、舞蹈等复杂快节奏画面，改善了手势细节与面部口型。创作者可上传 3 到 30 秒参考视频生成连贯动作，还能配合提示词微调场景。
OpenAI 推出 GPT Image 1.5：生成提速 4 倍，支持自然语言精准修图
OpenAI 推出旗舰图像生成模型 GPT Image 1.5，生成速度比此前提升 4 倍，API 定价降低 20%。该模型支持用自然语言直接进行局部微调，能在多次修改中保持人脸与品牌 Logo 一致，并登顶 LMArena 图像生成与编辑榜单。
YouTube 内测 Playables Builder：输入一句话就能生成小游戏
YouTube Gaming 启动 Playables Builder 封闭内测。这是一款基于 Gemini 3 的原型工具，允许用户用简短的文本、视频或图像提示词直接生成小游戏。美、加、英、澳用户已可在部分合作创作者的频道内直接试玩首批作品。
Black Forest Labs 发布 FLUX.2 [max]：支持联网搜索，参考图拉到 10 张
Black Forest Labs 发布新模型 FLUX.2 [max]。新模型支持联网检索实时信息辅助生成，并允许输入最多 10 张参考图来保持角色、产品与风格一致，在 @ArtificialAnlys 的文生图和图像编辑中排名第二。
阿里发布 Wan2.6：支持 15 秒多镜头叙事，还能原生音画同步
阿里巴巴发布原生多模态模型 Wan2.6。它不仅支持生成 15 秒 1080p 视频，还能实现自动分镜的多镜头叙事与多人对话原生唇形对齐，甚至可将参考视频中的角色跨场景迁移。这意味着用 AI 制作连贯剧情短片的门槛进一步降低。
Adobe Firefly 上线提示词视频编辑：接入 FLUX.2，不用重抽整段视频了
Adobe 正式向所有用户推出 Firefly 视频编辑器。用户输入文字指令就能直接修改视频里的元素、色彩或运镜，不必整段重新生成。新版还接入了 FLUX.2 和 Topaz Astra 4K 超分等第三方模型，多档付费订阅用户在 1 月 15 日前可享无限生成。