Suno 上线 Speech 测试版：一段提示词同时生成语音与背景音乐
Suno 推出音频模型 Speech 测试版，能直接将文本同时生成人声朗读与原创背景音乐。用户输入诗歌或故事，并描述声音与音乐风格，即可输出单轨完整音频。它将人声与伴奏制作合二为一，经测试后现已向所有用户开放。
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
Black Forest Labs 发布 FLUX 3 Image：画框精准控图，单图反复重绘不跑偏
Black Forest Labs 发布图像模型 FLUX 3 Image。它引入边界框排版机制，支持最多 10 张参考图与原生 4K 输出。最值得关注的是像素级局部编辑能力，修改指定区域不会影响其余像素，反复微调画面也不会变花变糊。目前已在官方 Playground 和 API 上线。
Mosaic Chunk 开源：给 AI 视频装上长记忆，物体出画也不崩
本周，AI 视频记忆系统 Mosaic Chunk 正式开源。它通过选择性记住早期帧的关键特征，解决了物体离开画面数秒后模型就「失忆」变形的难题。项目已开放文生视频（基于 MiniMax H3）和图生视频（基于 Ling World Infinity）两套模型，支持本地运行。
Ideogram 发布 4.5：主打多轮图像编辑不失真，支持 2420 万像素拼接
Ideogram 发布图像编辑模型 Ideogram 4.5，重点解决连续修改导致的伪影与颜色漂移问题。它支持最高 2420 万像素的高清局部修改与无缝回贴，即使连续多轮编辑画面依然干净。模型已上线 Ideogram App、MCP 和 API，单张编辑 0.008 美元起。
NVIDIA 推出 SoL-Refiner：仅需一步去噪提至 4K，视频生成提速 27 倍
NVIDIA 团队发布视频精炼模型 SoL-Refiner。它通过单步去噪将低分辨率视频直接提升至最高 4K，可搭配 MiniMax H3 等多种基础生成器。测试显示其能将 H3 生成提速达 27 倍，但增强后部分画面细节会与原视频略有差异。
ElevenLabs 发布 Eleven v4：10 秒克隆声音，Turbo 版延迟仅 100 毫秒
ElevenLabs 发布全新语音合成模型 Eleven v4 及其低延迟变体 Eleven v4 Turbo。新模型支持用行内标签控制语气与笑声，声音克隆仅需 10 秒音频，支持超 90 种语言。Turbo 版本中位推理延迟约 100 毫秒，专为实时对话智能体优化。
Midjourney Alpha 大更新：风格支持实时预览，一键保存默认参数
Midjourney 发布 Alpha 网页版更新，引入风格实时预览功能，并支持一键将当前参数存为默认值。此外，Create 界面迎来瀑布流改版，编辑器支持 v8.1 和 v8.2 编辑类型，韩语支持也已面向所有用户全量上线。
Google Vids 免费开放：接入 Gemini Omni 1.1，支持 1080p 视频生成
Google 宣布向所有个人及 Workspace 账号免费开放 Google Vids。该工具接入 Gemini Omni 1.1 Flash，支持生成 1080p 视频、平滑扩展场景并精确控制剪辑时长，生成内容均嵌入 SynthID 数字水印。支持 100 多种语言的 AI 配音功能也即将上线。
ACTx486 互动媒体演示：看播客能随时打断提问，画面主角当场回应
研究者公布互动媒体演示 ACTx486，能把现成播客视频变成可交互内容。观众轻点画面即可打断提问、切换语言或插入 3D 物体，画面中的嘉宾会依据公开记录生成回应，随后无缝接回原片。不过目前单次交互生成需数分钟，公开演示均为提前预渲染。
Leonardo.Ai 推出 Leonardo Agent：保持多场景角色与视觉一致
Leonardo.Ai 推出新工具 Leonardo Agent，让用户从一个构想出发，在角色、写实场景、唱片封面到广告等跨场景生成中保持形象一致。最值得关注的是，它解决了生图工具长期的「一致性」痛点。目前该功能限时免费开放，仅消耗既有代币。
PixVerse 推出 R2 实时世界模型：生成的世界可实时走入并操控剧情
PixVerse 推出实时交互世界模型 PixVerse R2。它把多模态理解与视听生成整合到同一个模型中，用户可以通过交互直接影响场景和角色，甚至用语言实时改变故事走向。最关键的是，它能在持续生成后续画面的同时，保持整个世界状态前后一致。
Tavus 发布 Phoenix-4.5：134 毫秒音画延迟，上半身能跟着说话一起动
Tavus 发布实时人体渲染模型 Phoenix-4.5。新架构放弃局部面部贴图，改为单次生成包含面部、躯干与背景的完整画面，音画延迟降至 134 毫秒。它还首次支持单张图零样本快速预览，并将微调耗时缩短至两小时。
Runway 推出插帧模型 Enhance Frame Rate：最高转至 120 帧，提速 7 倍
Runway 推出视频插帧模型 Enhance Frame Rate，可将任意视频转换至最高 120 fps。该模型支持 4K 分辨率与最长 5 分钟素材，运行速度比竞品快 7 倍且成本低至三分之一。最值得关注的是，非 Runway 生成的外部视频同样适用，每 2 秒仅消耗 1 个点数。
Midjourney Alpha 更新：支持韩语，改版移动端与 v8.2 编辑器
Midjourney 发布 alpha.midjourney.com 更新，正式支持韩语界面。新版改进了 v8.2 编辑器体验，重绘移动端全宽布局并支持删除上传文件，同时修复了 Animate 动图生成和反引号导致标签页卡死等问题。
Viggle 发布 Meridian：已有视频能换运镜，还能做「子弹时间」
Viggle AI 发布视频重构模型 Meridian。只要输入一段现有视频或单张照片，它就能重建 3D 场景并按自定义轨迹重新运镜，甚至冻结画面做出「子弹时间」效果。模型基于 MiniMax-H3 构建，目前已开源 LoRA 权重并支持 ComfyUI。
环球音乐联手 ElevenLabs：打造正版 AI 音乐二创平台
环球音乐集团与 ElevenLabs 宣布达成多年战略合作。双方正联手打造独立的正版 AI 音乐平台，让粉丝能利用合作艺人的作品合规混音、二创并体验定制人声，同时确保创作者获得收益分成。这是 ElevenLabs 首次与主流唱片公司签约。
Prime Video 引入 AI 唇形同步：配音剧告别对不上嘴
Prime Video 推出 AI 唇形同步配音技术，利用 AI 和视觉特效让演员嘴型与真人配音音轨对齐。该功能现已在全球面向热门剧集《Maxton Hall》前两季的英语配音开放，12 月 9 日第三季上线时也将支持，未来计划覆盖更多影视内容。
Suno 发布 v6 音乐模型：全靠授权数据训练，支持分轨与图文作词
AI 音乐平台 Suno 推出 v6 系列模型，全面转向华纳音乐、BMG 等授权数据训练，并计划淘汰旧模型。新模型支持局部修歌、图文参考生成及乐器分轨，包含付费专享的 v6、v6-wild 与面向所有用户的 v6-mini。Suno 正试图借合规授权化解版权诉讼危机。
OpenAI 上线 ChatGPT Images 2.5：生成提速 50%，支持随手涂鸦出图
OpenAI 发布 ChatGPT Images 2.5。新模型生成延迟较前代最高降低 50%，大幅提升了多轮编辑与参考图还原能力，并新增手绘草图作为参考的 Sketch 功能。目前全量桌面、移动与网页端用户均已可用。
Google 音乐模型 Lyria 3.5 接入 Gemini：人声更细腻，支持长短音轨定制
Google 宣布其音乐生成模型 Lyria 3.5 正式接入 Gemini 应用与 API，面向全球用户开放。新版本提升了人声表现力与编曲丰富度，用户可自由选择曲风、人声或纯音乐模式，并能通过模板快速定制长短音轨。该能力也同步接入 Google Vids 和 Google Flow Music。