用 Suno 做歌冲进公告牌：AI 艺人 Xania Monet 签下数百万美元唱片约
Billboard 报道，娱乐公司 Hallwood Media 与 AI 艺人 Xania Monet 签下数百万美元唱片约。该项目由创作者写词并借助 Suno 制作音乐，单曲已拿下全美 R&B 数字销量榜首，总点播量达 980 万次。
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
Kling AI 上线数字人功能：对口型模块同步升级，首发限量开放
Kling AI 宣布推出全新的 Avatar 数字人功能。之前受关注的 Lip Sync 对口型功能迎来了升级，并正式并入新的 Avatar 模块中。也就是说，生成会说话的动态人物会更加自然。不过目前上线初期仅限量开放访问权限。
Udio 上线 Voices：固定生成歌曲的专属声线
AI 音乐平台 Udio 推出「Voices」功能，让用户实现稳定的人声控制。你可以从官方预置库挑选声线，也能将已生成歌曲中的声音单独保存并在新歌中复用。该功能向所有用户免费试用两周，之后仅对付费订阅者开放。
Copilot Labs 上线脚本模式：新模型支持逐字精准朗读
Microsoft 旗下 Copilot Labs 推出音频生成「脚本模式」，由新模型 MAI-Voice-1 驱动。该模式能一字不差地逐字朗读输入文本，同时还提供戏剧感更强的 Emotive 模式与支持多角色的 Story 模式，解决了 AI 朗读容易自行发挥的痛点。
Stability AI 发布 Stable Audio 2.5：不到 2 秒生成 3 分钟音乐
Stability AI 推出专为企业级制作打造的 Stable Audio 2.5，可在 GPU 上不到 2 秒内生成最长 3 分钟的多段式音轨。新模型加入音频重绘功能，支持基于现有素材延展，且全程采用合规授权数据训练，主打品牌声音定制。
字节跳动推出 Seedream 4.0：支持原生 4K 与图片编辑，对标 Nano Banana
字节跳动推出最新图像生成与编辑模型 Seedream 4.0，不仅在即梦和豆包上线，还接入了 Krea AI。该模型原生支持 4K 分辨率，推理速度提升超 10 倍，在图像编辑能力上直接对标 Google 的 Nano Banana。每张生成成本约 0.03 美元，性价比非常高。
OpenAI 进军好莱坞：用 AI 制作动画长片《Critterz》
据《华尔街日报》报道，OpenAI 正在联手制作动画长片《Critterz》，计划于 2026 年上映。该片主要使用 GPT-5 等 AI 工具生成，制作周期仅 9 个月，预算不到 3000 万美元，意在向好莱坞证明 AI 能大幅压低大片制作成本与周期。
Google 升级 Veo 3：全面降价，支持 1080p 与 9:16 竖屏
Google 宣布为 Veo 3 和 Veo 3 Fast 推出更新：全面降低生成价格、新增 9:16 竖屏比例支持以及 1080p 高清输出。两款模型现已在 Gemini API 中进入稳定商用阶段，生成的视频均内置 SynthID 数字水印。
Roblox 推出 4D 生成 AI：做出的 3D 跑车不仅有门，还能直接开走
Roblox 在开发者大会上公布多款创作者 AI 工具，核心是能生成可交互道具的「4D Objects」，让生成的车辆自带车门且能直接开。此外还加入了多语言实时语音翻译，开发助手也将支持 MCP 协议协同第三方软件。游戏制作门槛被进一步拉低。
Snapchat 上线 Imagine Lens：不用套模板，输入文字就能生图
Snapchat 推出名为「Imagine Lens」的新滤镜，这是其首款支持自由文本提示词的文生图工具。用户可以直接输入文字提示来生成或修改图片，也能选预设模版。不过目前仅面向 Snapchat+ Platinum 与 Lens+ 付费订阅用户开放。
Krea AI 推出实时视频生成模型：画几笔或连摄像头，画面即刻动起来
Krea AI 推出实时视频生成模型 Realtime Video 并开启测试。它的生成速度超过播放速度，用户涂鸦、输入提示词、接入摄像头或共享屏幕时，画面都能实时响应并保持连贯。这意味着 AI 视频告别了漫长渲染，有了像玩游戏一样的即时操控感。
PixVerse 发布 V5 视频模型：全球用户破亿，限时免费开放
PixVerse 发布新一代视频模型 PixVerse V5 与 Agent 功能，宣布全球用户突破 1 亿。V5 提升了动态自然度和画质，最快 5 秒生成 360p 视频。官方同步开启限时免费体验，单张照片配合 Agent 即可生成短视频。
Google 发布 Gemini 生图指南：教你保持角色一致与局部微调
Google 公布 Gemini 图像生成与编辑官方提示词指南。官方梳理了主体、构图等 6 大要素，并展示了如何跨轮次保持角色一致、用自然语言精细修改局部以及按物理逻辑推演场景。不过 Google 也直言，模型在文字排版与锁定宽高比上仍有短板。
HeyGen 推出 Avatar IV：数字分身学会你的微表情和全身动作
HeyGen 宣布其数字分身产品 Digital Twin 正式接入全新 Avatar IV 模型。新模型能细致还原用户的标志性手势、面部表情与语调口吻，并支持全身自然动作。创作者不用反复补拍镜头即可生成逼真的个人出镜视频，目前该功能已在平台上线。
Google 升级 Gemini 图像编辑：换装换背景不走样，支持多图合成
Google 宣布在 Gemini 应用中接入 DeepMind 全新图像编辑模型。新模型重点解决了修图「走样」问题，在换装、换背景甚至多图融合时能精准保持人物与宠物的样貌，还支持多轮局部微调。所有编辑图片均会嵌入 SynthID 数字水印。
Adobe 集成 Google Gemini 2.5 Flash 图像模型：付费会员限时无限生成
Adobe 宣布将 Google 的 Gemini 2.5 Flash 图像模型接入 Adobe Firefly 与 Adobe Express。用户可在文本生图等模块中调用该模型，生成内容不用于模型训练。截至 9 月 1 日，Firefly 和 Creative Cloud Pro 付费用户可享无限次生成。
Wan-S2V 视频模型亮相：单张照片配音频，生成电影质感动态视频
2025 年，研究团队公布 Wan-S2V 模型，只需输入单张静态照片和音频，就能生成口型同步、带有自然表情与身体动作的动态视频。评测显示 Wan2.2-S2V-14B 在画面质量与身份一致性等核心指标上表现突出，支持全身生成与电影级叙事场景。
Sync Labs 推出 Lipsync-2-Pro：高画质改嘴型，连雀斑和胡须都能留住
Sync Labs 发布 Lipsync-2-Pro 视频模型，可以直接修改任意视频里人物说话的口型。新版本支持高分辨率画面，且对嘴时能完整保留雀斑、胡须等面部微小细节。也就是说，给视频重新配音时不容易再出现脸部发糊穿帮的情况了。
Higgsfield 上线 WAN 2.2：自带 30 多种预设，主打快速图生视频
Higgsfield AI 宣布在其平台上线开源模型 WAN 2.2，同时支持视频与图像生成。平台内置了 30 多种预设效果，支持一键点击渲染，主打更快的生成速度。
Runway 开启 Game Worlds 测试：支持实时交互与世界模拟
Runway 宣布推出 Game Worlds Beta，迈出实时探索虚拟世界的第一步。其目标是让用户能实时交互并探索任意角色、故事与模拟世界。Runway 表示这不仅关乎画面生成，更在探索玩家选择如何影响虚拟世界演进的全新交互机制。