跳到正文
IFAI

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。

近 7 天 4 条

  1. 传播指数 60

    微软 Copilot 接入 Suno：输入一句话就能写歌兼演唱

    Microsoft 宣布与 AI 音乐初创公司 Suno 合作，将其模型接入 Microsoft Copilot。用户只需在聊天中输入风格描述或歌词，无需任何乐理和乐器基础，就能生成包含人声与伴奏的原创歌曲，把做音乐的门槛降到了几句提示词。

  3. 传播指数 39

    Stability AI 发布 Stable Zero123：单图生成 3D 模型

    Stability AI 推出 3D 模型 Stable Zero123，可从单张图片生成多视角并重构 3D 资产。相比前代 Zero123-XL，它优化了数据集与仰角条件，训练效率提升 40 倍。生成单视角显存与 SD1.5 相同，完整 3D 推荐 24GB 显存，权重已上线 Hugging Face。

  4. 传播指数 31

    Google 推出音乐生成工具 MusicFX：输入文字做曲，自带 SynthID 水印

    Google 宣布推出实验性音乐生成工具 MusicFX，输入文字即可生成曲目。该工具由 MusicLM 模型驱动，并采用 DeepMind 的 SynthID 技术嵌入隐形水印。为避开版权争议，系统主动屏蔽了生成人声和指定特定艺术家的提示词。目前已在美、澳等国开放测试。

  5. 传播指数 34

    Snapchat 升级 Plus 特权：支持 AI 文生图与照片画面扩展

    Snapchat 为每月 3.99 美元的 Snapchat Plus 订阅用户推出 AI 文生图功能，用户输入提示词就能生成图片直接发给好友。新版本还支持通过 AI 扩图补全照片背景，并允许与好友一同生成特定主题的 Dreams AI 自拍。

  6. 传播指数 50

    Meta 推出独立绘图工具 Imagine：基于 Emu 模型，网页端免费出图

    Meta 推出独立的网页端 AI 图像生成工具 Imagine with Meta。它基于底层 Emu 模型，美国用户可免费通过自然语言一次生成 4 张高分辨率图像。最值得关注的是，Meta 还承诺在未来几周加入抗裁剪、抗压缩的不可见 AI 水印，以提升透明度与溯源能力。

  10. 传播指数 38

    亚马逊发布 Titan 图像生成模型：自带隐形水印，还保版权

    Amazon 在 AWS re:Invent 大会上发布 Titan 图像生成模型。开发者可通过 Bedrock 接入，它支持文本生图和换背景，且生成的图片会自动打上无法通过裁剪去除的隐形水印。为了打消企业顾虑，Amazon 还承诺提供版权侵权赔偿。

  11. 传播指数 31

    HeyGen 获 560 万美元融资：手机拍 5 分钟，即时生成数字人

    AI 视频初创公司 HeyGen 宣布完成 560 万美元融资，估值达 7500 万美元，并推出即时数字人生成功能。以往定制写实数字人需要专业拍摄且耗时数天，现在用手机拍一段视频、5 分钟就能生成。公司年经常性收入已达 1800 万美元。

  15. 传播指数 44

    Stability AI 发布 Stable Video Diffusion：开源图生视频基础模型

    Stability AI 发布首个生成式视频基础模型 Stable Video Diffusion，并以研究预览形式开源了代码与权重。该模型基于 Stable Diffusion 打造，包含两款图生视频模型，可生成 14 帧与 25 帧画面。官方强调目前仅供研究，暂不可商用。

  19. 传播指数 31

    Meta 发布 Audiobox：输入文字就能做音效、改语音

    Meta 发布音频生成模型 Audiobox。作为 Voicebox 的后继者，它不仅能用文本提示词直接生成语音、音效和环境音，还支持「语音+文本」双输入来自由调整语气与场景。目前该模型仅面向受选研究人员开放申请，并同步上线了交互 Demo。

  20. 传播指数 39

    Polycam 推出「无悬浮噪点」高斯泼溅：支持 iPhone 直出，免费商用

    Polycam 推出算法更新，支持自动消除 3D 高斯泼溅中常见的悬浮噪点。新版本允许直接在 iPhone 上或通过上传视频生成模型，产出的泼溅模型完全免费商用，Pro 用户上传上限提至 1000 张图。这意味着用手机做 3D 重建不再受杂点困扰，商用门槛也大幅降低。