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 45

    OpenAI 推出 DALL·E 3：原生集成 ChatGPT，告别繁琐提示词工程

    OpenAI 推出文生图模型 DALL·E 3，原生集成在 ChatGPT 中。它大幅提升了对复杂细节的理解力，用户无需专门的提示词技巧即可精准出图，并限制生成公众人物与在世艺术家风格。生成图片完全归用户所有，可直接商用。

  2. 传播指数 41

    Stability AI 发布 Stable Audio：用文字生成 44.1 kHz 音乐和音效

    Stability AI 推出首款音乐与音效生成工具 Stable Audio。它基于潜在扩散架构，用户输入文本提示词和指定时长即可生成 44.1 kHz 音频。免费版支持最长 45 秒片段，Pro 订阅可生成 90 秒且允许商用，训练数据来自版权曲库 AudioSparx。

  3. 传播指数 42

    文生图模型 Würstchen 开源：42 倍空间压缩，训练成本直降 16 倍

    Hugging Face 宣布文生图模型 Würstchen 正式集成至 Diffusers 库。它用创新的两阶段架构实现了 42 倍图像空间压缩，生成速度远快于 SDXL 且占用极少显存，训练成本相比 SD 1.4 直降 16 倍。这意味着没有顶级显卡的开发者也能低成本玩转高清生图。

  5. 传播指数 39

    AI Drake 幕后作者再发新歌，还想拿 AI 假歌冲刺格莱美

    炮制 AI Drake 爆款的匿名创作者 Ghostwriter 发布新歌，用 AI 仿制歌手声音，并把此前作品送选格莱美。录音学院确认词曲由人类创作因此符合参评资格，但受版权下架影响卡在发行门槛。AI 仿声与传统唱片业的博弈正被推上风口浪尖。

  6. 传播指数 42

    Ideogram 0.1 免费向全球开放：主打在 AI 图片里精准渲染文字

    Ideogram 宣布文生图模型 Ideogram 0.1 正式免费向所有人开放。该模型主打攻克现有工具的缺陷，能在图片中直接渲染连贯且美观的文字，支持字体排版与多种风格标签。最值得关注的是，它解决了 AI 生成文字模糊错乱的通病。

  7. 传播指数 35

    Stability AI 联手 NVIDIA 优化 SDXL：H100 出图只需 1.47 秒

    Stability AI 宣布与 NVIDIA 合作，通过 TensorRT 深度优化 SDXL 并开放 ONNX 权重。在 H100 GPU 上模型性能翻倍，高清图生成仅需 1.47 秒，延迟降低 41%、吞吐量提升 70%。生图效率大幅提高，能直接降低创作者与开发者的部署成本。

  8. 传播指数 31

    Snapchat 曝光 AI 新功能 Dreams：能跟好友一起拍奇幻大片

    据 TechCrunch 报道，Snapchat 正在开发名为「Dreams」的生成式 AI 功能。用户上传清晰自拍后，系统能将自己和好友合成到奇幻场景中。代码中还出现了「Dream Packs」付费包痕迹，目前 Snapchat 暂未正式回应上线时间。

  9. 传播指数 35

    Runway 上线 Watch 功能：给 AI 生成长视频搭了个放映厅

    Runway 在其网站和 iOS App 上线「Watch」功能，供用户分享与浏览使用 Runway 工具生成的长视频作品。面对好莱坞因担忧 AI 抢饭碗而爆发的罢工，其 CEO 表示 AI 不是要替代一切而是增强创作，上线该功能正是为了展示创作者的实际成果。

  10. 传播指数 31

    Shutterstock 联手英伟达 Picasso：用文字一键生成 8K 3D 背景贴图

    Shutterstock 宣布借助 NVIDIA Picasso 云服务开发 3D 场景背景生成功能。创作者输入文本或图像提示词，就能生成 8K 分辨率的 360 度环境贴图来为 3D 场景打光和做背景，模型训练全部基于完全授权的数据。说白了，就是把繁琐的环境布景交给 AI，让 3D 艺术家省下时间专心抠主体模型。

  12. 传播指数 47

    Twitch 上的不间断 AI 辩论：AI 特朗普与 AI 拜登同台吵架

    Twitch 上线名为 trumporbiden2024 的 24 小时 AI 辩论直播，AI 驱动的特朗普与拜登不仅能模仿原声和神态，还互相人身攻击并嘲弄弹幕观众。这场实验吸引了超 10 万人观看，虽然言论频频陷入荒诞失控，但也展示了 AI 拟真模仿的高成熟度。

  13. 传播指数 42

    Midjourney 发布 v5.2：镜头级「Zoom Out」，一键把画面向外拉远

    周四，Midjourney 发布 v5.2 图像模型，新增类似相机镜头的「Zoom Out」外扩功能。它能保持中心主体不变，向外补全 1.5 倍或 2 倍的更大场景，还重构了美学系统并加入精简提示词的「/shorten」指令。不过该功能目前仅支持平台内生成的图像，无法导入外部图片。

  14. 传播指数 44

    Stability AI 发布 SDXL 0.9：参数翻倍，消费级显卡也能跑

    Stability AI 推出文生图模型 SDXL 0.9，画面细节相比 4 月的测试版大幅升级。新版本采用两阶段生成架构，组合参数达 6.6B，能在 8GB 显存的消费级显卡上跑出 1024x1024 图像。普通用户现可通过 Clipdrop 试用，正式开源版 1.0 预计 7 月中旬到来。

  19. 传播指数 39

    Meta 发布 MusicGen：输入文字或哼段旋律，直接生成音乐

    Meta 推出音乐生成模型 MusicGen，支持通过文本描述或旋律提示来创作音乐。该模型基于 2 万小时的音乐和乐器样本训练，理论上只要哼个调子就能生成变体曲目。这意味着零门槛音乐创作正在成真，但也可能面临音乐产业的版权挑战。