阿里开源 Wan-Dancer-14B：听音乐就能跳舞，支持分钟级连贯长视频
阿里 Wan 团队开源舞蹈生成模型 Wan-Dancer-14B 及代码。它不需要参考动作视频，仅凭一段音乐和一张静态人像，就能生成节拍同步的分钟级舞蹈。最值得看的是它采用全局规划加局部精细化框架，已适配古典舞、街舞和 K-Pop 等多种风格。
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
Reve 发布 Reve 2.1：原生 4K 输出重回竞技场第二，算力仅对手十分之一
Reve 发布 Reve 2.1 图像模型，在 Arena 和 Design Arena 重回总榜第二。该模型支持原生 4K（1600 万像素）输出与精细局部编辑，在强化多语言文字渲染的同时，训练算力不到竞争对手的十分之一。
Google 相册上线 Video Remix：普通视频一键重混成油画短片
Google 在 Google 相册中上线 Video Remix 功能，依托 Gemini Omni 模型，让用户通过简易模板快速生成风格化视频。它支持电影级重新打光、更换背景以及水彩、油画等艺术特效。目前先面向部分国家的 Google AI 订阅用户推送。
字节跳动发布 Seedream 5.0 Pro：支持涂画标注修改，主打高密度信息图
字节跳动发布多模态图像模型 Seedream 5.0 Pro。新模型主打高信息密度图表与交互式编辑，不仅能排版复杂文本，还支持直接在图上画框和手写标注来指导局部修改，并支持图层分离。最值得关注的是，它开始真正把图像生成接入实用设计工作流。
Meta 上线图像模型 Muse Image：可直接圈选修改，日常免费用
Meta 推出首款图像生成模型 Muse Image 并集成至 Meta AI。它能根据自然语言描述处理照片，支持直接在画面上圈选涂改细节、渲染清晰文本，还能结合真实商品重做房间设计。日常使用免费，此前引发争议的 @公开账号参考功能已被撤下。
字节跳动曝光 Seedance 2.5：一条提示词生成 30 秒 4K 视频
上个月，字节跳动在北京披露了视频生成模型 Seedance 2.5，传最快将于 7 月 9 日上线。新模型单条提示词即可生成 30 秒 4K 视频，并支持多达 50 个参考图像、视频或音频，相比前代的 12 个大幅提升了画面可控性。目前官方落地页已在 Dreamina 上线。
Meta 悄然上线 Pocket：输入提示词就能生成互动小游戏
据报道，Meta 推出社交应用 Pocket，用户只靠文字提示词就能生成轻量级互动游戏。应用基于其收购的 Gizmo 团队技术，生成的互动小组件支持触控、倾斜感应与调用摄像头。目前 Pocket 仅在巴西等少数地区测试，Meta 尚未正式官宣。
Runway 接入 Gemini Omni Flash：支持生成编辑视频，可唤内置 Agent
Runway 宣布在其视频平台接入 Google Gemini Omni Flash 模型。该模型支持通过文本、图像及现有视频片段进行生成与编辑。用户不仅能直接在界面中选用，还可通过内置 Agent 直接调用 Omni 进行创作。
Netflix 旺卡真人秀用 AI 复活已故影星声音：家属授权、ElevenLabs 配音
Netflix 将于 9 月 23 日上线旺卡真人秀《Wonka’s The Golden Ticket》，预告片中采用了 AI 生成的已故影星 Gene Wilder 的声音担任旁白。该音频由 AI 语音公司 ElevenLabs 制作，并已获得 Wilder 家属授权。这也是流媒体平台再度尝试合规复现逝世名人声音。
Google 开放 Gemini 个性化生图：连通相册，免传照片画出自己
Google 宣布向符合条件的美国用户免费开放 Gemini 个性化图像生成。授权后，它可调用 Gmail 与 Google 相册等数据，直接根据真实相册与偏好生成专属图像，无需手动传图。该功能需用户主动开启，可在设置中随时调整。
Google Flow 接入街景：输入真实地点，AI 就能定点生成视频
Google 为 Google Flow 引入 Maps Imagery Grounding，支持调用 Google Maps 街景生成图片与视频。用户在提示词里输入具体地点或地标，AI 就会参考真实街景细节构图。最值得关注的是生成场景有了现实坐标，不再凭空捏造。不过目前仅支持美国地区。
快手公布 Kling Omni Director：把参考视频的运镜直接克隆给新画面
快手 Kling 团队本周推出 Omni Director 研究预览。它不再依赖文本提示词调镜头，而是能直接学习参考视频的运镜轨迹、切镜节奏甚至子弹时间特效，并驱动新图片生成视频。目前该功能尚未正式开放使用。
Stability AI 推出 3D 控制系统 Arbor：给生成加一份空间蓝图
Stability AI 发布 3D 生成控制系统 Arbor。它无需重新训练底模，创作者只需提供简单的粗略网格，就能精确指定物体的生成空间、避让留白和接触面。该模型仅 600MB 且已开源代码，配合 Trellis 使用，让 AI 生成的 3D 资产能真正嵌入实际游戏和工业管线。
Google 联手艺术家 Refik Anadol：全球首座 AI 艺术博物馆即将开馆
Google 宣布支持全球首个 AI 艺术博物馆 Dataland 于 6 月 20 日在洛杉矶开馆。馆内借助 Google Cloud 与 Gemini 企业级智能体平台，实时渲染 12 亿像素的生成艺术，并融合声音与气味等全感官互动。Google 同时提供资助扶持数字创作者。
xAI 上线 Grok Imagine Video 1.5：登顶视频榜首，价格比 Sora 低 86%
xAI 全面上线视频生成模型 Grok Imagine Video 1.5，并登顶图生视频竞技场。该模型采用自回归架构 Aurora，自带音画同步，720p 视频每秒定价 0.14 美元，比 Sora 2 Pro 便宜约 86%。不过其单次输出上限为 15 秒 720p。
Lightricks 推出 ScenA：一段提示词加人声样本，一次生成带环境音的多人对话场景
Lightricks 联合特拉维夫大学推出音频生成模型 ScenA。输入自由文本提示词与参考人声，模型能一次性生成长达 20 秒的多说话人音频场景，自然融入环境杂音、重叠说话和情绪喘息。最关键的是它摆脱了逐轮脚本和分轨生成的束缚，让机器对话真正有了真实世界的现场感。
阿里发布 HappyOyster 1.0：一句话生成可交互世界，支持键盘实时操控
阿里云宣布推出开放式世界模型产品 HappyOyster 1.0。它支持原生多模态音视频联合生成，能在生成过程中持续接收指令并实时响应。用户不仅能随时叫停并改写剧情，还能用 WASD 键在画面中走动探索，让视频生成真正变成可玩的游戏世界。
Midjourney V8.1 上线草稿模式：一次出 24 张图，只耗半份算力
Midjourney 为 V8.1 推出草稿模式。单次可生成 24 张低分辨率草稿，仅消耗标准任务一半的快速算力；对满意图点击 Vary 即可渲染完整分辨率。此外新增 --preview 参数，方便用户测试早期未打磨的新模型。
字节跳动上线 Seedance 2.0 Mini：价格砍半，主打日常视频生成
ByteDance 旗下 BytePlus 上线视频生成模型 Seedance 2.0 Mini。新模型支持以图像、视频和音频作为参考输入生成视频，专为高频日常制作打造，速度更快，定价仅为标准版 Seedance 2.0 的约 50%。
ElevenLabs 推出数字人功能：输入脚本一键生成音画同步视频
ElevenLabs 在 ElevenCreative 中上线 Avatars 功能。用户只需选定数字人、输入脚本并选择声音，即可在单一界面完成口型同步视频生成，还支持在多场景中保持角色一致性，目前面向所有付费方案开放。