Leonardo.Ai 启动新品牌活动：向创作者示好送 300 代币
Leonardo.Ai 推出全新品牌活动「Yours to Create」，呼吁设计师与艺术家拥抱生成式 AI，并在社交平台向互动用户赠送 300 代币。这表明图像生成平台正加紧拉拢专业创作者，试图将 AI 真正嵌入主流工作流。
AIGC · 日报
周三
2月18日 星期三
Tavus 发布数字人模型 Phoenix-4：支持实时情绪控制与微表情
Tavus 推出实时数字人渲染模型 Phoenix-4。它能在毫秒级延迟下生成头部运动，并支持在说话与倾听时动态调整情绪状态，解决了传统数字人全程固定假笑的生硬感。这意味着实时 AI 对话的交互拟真度迈进了一大步。
Google 在 Gemini 中上线 Lyria 3：文字或照片一键生成 30 秒音乐
Google 宣布在 Gemini 中上线 DeepMind 最新音乐模型 Lyria 3 测试版。输入文本或上传照片、视频，几秒内即可生成带自拟歌词的 30 秒音频和专属封面。音频内嵌 SynthID 水印，目前面向 18 岁以上用户开放网页端，移动端随后推出。
周二
2月17日 星期二
NVIDIA 推出三图示例编辑器 LoRAWeave：给一对前后对比图，精准克隆修图风格
NVIDIA 提出图像编辑方案 LoRAWeave。与单参考图不同，它需要输入编辑前、编辑后两张示例图以及目标图，自动提取变换规律并应用到新图上。这种视觉类比方式复刻风格更稳，尤其适合用语言难以描述的复杂画面处理。
Anam 发布 Cara-3：首帧仅 70 毫秒，单图秒变互动数字人
Anam 发布交互式面部生成模型 Cara-3。它将动作生成与画面渲染解耦，单张参考图即可实时驱动，首帧延迟压缩至 70 毫秒。盲测表明其综合好感度明显领先竞品；更关键的发现是，在实时对话中，响应速度比画面精细度更能跨越「恐怖谷」。
Moonlake 开启公测：一句话生成带物理和交互的可玩 3D 世界
Moonlake AI 开启世界建模智能体公测。与单纯生成场景不同，它把 3D 模型、物理、音效与规则绑定在同一实体上，仅凭一句提示词就能自主完成多阶段开发，输出实时可玩的虚拟世界。目前候补已超万人，订阅起价每月 15 美元。
周四
2月12日 星期四
Krea AI 收购 Wand：上线 iPad 原生应用，画笔涂鸦实时变 AI 画面
Krea AI 宣布收购创意绘图应用 Wand，并正式推出 iPad 原生应用。该应用结合了 iOS 原生操作体验与自定义画笔，并接入其实时 AI 生成技术，创作者在平板上落笔涂鸦时即可实时看到渲染效果。
Runway 推出 Story Panels 工作流：从单张图生成风格一致的全片分镜
Runway 推出「Story Panels」精选工作流。创作者只需一张图片，就能通过几步操作生成包含一致角色、场景与风格的整套镜头目录。这对苦于前后镜头角色「变脸」的创作者来说，大幅降低了连贯分镜的制作门槛。
字节跳动发布 Seedance 2.0：支持音视频联合生成，可混合输入 9 图 3 视频
字节跳动 Seed 团队发布音视频生成模型 Seedance 2.0。它采用音视频联合生成架构，支持同时输入最多 9 张图、3 段视频和 3 段音频进行参考，可生成带双声道音效的 15 秒多镜头视频，大幅提升了复杂运动交互的物理真实度。
超高分辨率视频框架 LUVE 亮相：支持真 4K 生成，细节精细到毛发
研究团队展示超高分辨率视频生成框架 LUVE，专门攻克超清视频细节难合成的痛点。它采用潜空间上采样与双频专家三阶段架构，能直接生成 2K 和 4K 视频，连蜜蜂绒毛与水波纹都清晰可见。目前论文与演示已公开，代码暂未开放。
周二
2月10日 星期二
Meta AI 落地 Facebook：静态头像一键动起来，发帖还带动态背景
Meta 宣布在 Facebook 推出由 Meta AI 驱动的创作功能，能把静态单人头像秒变挥手、抛彩带等动效。快拍和回忆也支持用提示词重绘画面风格，纯文字帖还加入了海浪、落叶等动态背景。Meta 正把生成式 AI 塞进最日常的社交表达里。
阿里发布 Qwen-Image-2.0：原生 2K 画质，告别乱码文字
阿里千问团队推出下一代图像生成模型 Qwen-Image-2.0。新模型支持 2K 原生分辨率，可处理长达 1000 token 的排版提示词，精准渲染图片中的文字，并整合了图像生成与编辑功能。同时架构更轻量，推理速度更快。
周一
2月9日 星期一
Hyper3D 推出 Rodin Gen-2：用自然语言精准局部修改 3D 模型
Hyper3D 推出 Rodin Gen-2 及其编辑功能，支持文本或图片生成 3D 资产。新增的局部重绘功能允许用户框选模型特定区域，直接用提示词微调结构与材质，无需推倒重建。生成结果具备生产级四边面网格，可直接导出 STL 等格式用于 3D 打印。
字节跳动测试 Seedance 2.0：告别「水下漂浮感」，动作更逼真
字节跳动公布最新 AI 视频生成模型 Seedance 2.0，目前面向即梦 AI 的部分用户展开 Beta 测试。该工具让画面动作更加逼真，大幅减少了以往 AI 视频常见的漂浮失真感。这项能力未来很可能接入 TikTok，直接给海外同类产品施加压力。
字节预告音视频模型 Alive：声画同步一次生成，口型表情全打通
字节跳动公布音视频统一生成模型 Alive。它能同时接收文本、参考图与参考音频，直接生成口型同步且表情自然的带声视频。评测显示其综合表现超越 Sora 与 LTX2，不过目前仅公开了论文，代码与在线 Demo 尚未开放。
ElevenLabs 推出 Audiobooks：手稿一键变有声书，支持全平台分发
ElevenLabs 推出 Audiobooks 功能，创作者可将文本手稿一键转为有声书。它提供富有表现力的 AI 配音与场景级精细调节，支持添加音效与声音克隆，并能直接分发至 ElevenReader 及各大主流平台，把繁琐的专业录音流程压缩为一站式工作流。
字节上线 Seedream 5.0 Preview：支持联网搜索与精准编辑，2K 图像目前免费
字节跳动推出 Seedream 5.0 Preview，主打联网检索、精准编辑与逻辑推理三合一。模型能实时调取天气或最新资讯融入画面，还可以参考给定图片学习修图手法、提取穿搭生成平铺图。生成规格支持 2K 高清，目前面向用户免费开放。
周日
2月8日 星期日
清华 Xmax AI 推出实时交互视频模型 X1：伸手就能与虚拟角色互动
清华大学 Xmax AI 团队推出实时交互视频模型 X1。它支持通过手机摄像头捕捉手势，无需手柄即可实时触摸并操控虚拟角色，具备毫秒级超低延迟和无限时长生成能力。目前团队已开启免费内测申请。
周三
2月4日 星期三
Kling AI 推出 Kling 3.0：支持 15 秒多镜头视频与 4K 图像输出
Kling AI 推出多模态创作模型 Kling 3.0。新模型支持生成 15 秒高逼真度可控多镜头视频，升级了支持多角色及多口音的原生音频，并带来 4K 图像输出。目前新模型已在网页端上线，仅限 Ultra 订阅用户抢先体验。
Roblox 公测「4D 生成」：一句话不仅能造出 3D 汽车，还能直接开走
Roblox 推出由 Cube 基础模型驱动的 4D 生成 Beta 版，在 3D 模型基础上加入了可运行的交互维度。系统通过预设规则把物体拆解成带脚本的独立部件，玩家输入一句话就能生成轮子能转、能直接开上路的汽车。该功能目前已面向创作者开放测试。
周二
2月3日 星期二
Kling 提出 3D Move：把动作换给新角色，还能自由运镜
Kling 公布运动控制技术 3D Move。它能将视频中人物的动作迁移给真人或动漫新角色，并首次做到在动作迁移的同时自由控制镜头运镜与缩放，保持空间一致性与精细手势。目前该成果仅发布了研究论文，尚未明确是否开源或上线。
周一
2月2日 星期一
Adobe Firefly 开放无限次生成：支持 Runway、GPT 等第三方模型
Adobe 宣布为 Firefly 订阅用户开放无限次图像与视频生成。除了自家商用安全的 Firefly 模型，还直接引入了 Google Nano Banana Pro、GPT 与 Runway Gen-4 等第三方顶尖模型。3 月 16 日前加入指定计划，即可无限生成最高 2K 分辨率内容。
xAI 发布 Grok Imagine 1.0：支持 720p 与 10 秒视频生成
xAI 正式发布 Grok Imagine 1.0，支持生成 10 秒 720p 视频并大幅提升音频质量。官方透露，仅过去 30 天 Imagine 便生成了 12.45 亿个视频。这意味着在大规模使用基础上，xAI 正在进一步补齐画质与时长的短板。
周六
1月31日 星期六
英伟达提出 DuoGen：生成连贯图文教程，连做菜步骤都能配图
英伟达发布论文介绍多模态生成模型 DuoGen。它能自动在文本与图像间切换，生成风格连贯的步骤说明与配图，还能用于机器人动作序列预测。目前该研究仅发表了技术论文，代码与数据计划后续开放。
周四
1月29日 星期四
Suno 上线 Sample 工具：录段音频，AI 几分钟内做成新歌
Suno 推出「Sample」功能。用户可直接录音、上传文件或挑选曲目片段，AI 会自动提取素材并重组为全新完整歌曲。最值得关注的是，该功能省去了传统宿主软件的手工切片流程，依靠滑块即可控制原声对成曲的影响程度。
Krea AI 全面上线 Realtime Edit：支持复杂指令实时修图
Krea AI 正式向所有用户开放 Realtime Edit 工具。该功能支持理解复杂的文本指令，并在输入的同时实时完成图像修改。这意味着创作者不再需要反复等待排队渲染，可以在调整提示词的过程中即时看到画面反馈。
MiniMax 发布 Music 2.5：支持 14 种段落标签控制，人声细节更逼真
MiniMax 正式发布音乐模型 MiniMax Music 2.5，攻克 AI 音乐的可控度与真实度难题。新模型支持 14 种段落结构标签精准编曲，拥有 100 多种乐器音色库，并优化了呼吸、颤音等真人演唱细节与流行混音。目前已开放试用与 API。
周三
1月28日 星期三
xAI 推出 Grok Imagine API：原生生成音视频，主打低延迟与性价比
xAI 正式推出 Grok Imagine API，支持文本及图像生成原生带音频的视频序列。模型兼顾画质与生成速度，支持局部擦除、角色动画和场景风格变换。最值得关注的是，xAI 试图通过压低延迟与成本，让创作者能够低门槛并行试验多种方案。
周二
1月27日 星期二
腾讯发布 ScriptAgent：三个 AI 编导分工，把对话拍成连贯电影
腾讯推出端到端视频生成框架 ScriptAgent，专门把粗略对话转为电影级长镜头视频。它由编剧、导演和评审三个智能体分工协作，细化剧本并调度 Sora2-Pro 等主流模型完成跨场景连续生成。测试显示其剧本忠实度最高提升 0.4 分，团队还同步推出了评测基准 ScriptBench。
周一
1月26日 星期一
Google DeepMind 动画短片亮相圣丹斯：用 Veo 配合草图控制生成 4K 画面
Google DeepMind 联合前皮克斯动画师制作的短片在圣丹斯电影节展出。团队弃用单纯文字生成，改用草图与粗剪驱动 Veo 和 Imagen，实现局部重绘与风格微调。最值得关注的是，这套工作流证明了专业动画不必向 AI 的随机性妥协。
Luma AI 发布 Ray3.14：原生 1080p 视频提速 4 倍，价格降三分之二
Luma AI 发布视频模型 Ray3.14。新版本支持原生 1080p 输出，生成速度提升至 4 倍，每秒计费仅为此前三分之一，并改善了运镜和光影稳定性。这意味着创作者无需依赖后期超分即可直接出片，大幅降低了影视与广告的试错成本。
