Runway 上线 Gen-4.5 图生视频：实验称仅 10% 的人能分辨真假
Runway 为 Gen-4.5 推出图像转视频功能。官方表示在一项测试实验中，仅有 10% 的人能分辨出生成视频的真伪。目前该模型位居 Artificial Analysis 榜首，Runway 称这种逼真度标志着 AI 媒体迎来了社会「临界点」。
AIGC · 日报
周四
1月22日 星期四
周三
1月21日 星期三
YouTube 将支持 AI 分身做短视频：创作者可用数字人自拍 Shorts
YouTube 宣布今年将允许创作者使用自己的 AI 形象生成 Shorts 短视频，还能靠文本提示做小游戏。平台还将同步配套肖像管理工具，防范未经授权的盗用与低质 AI 内容。目前该功能尚未正式上线。
ElevenLabs 联手格莱美得主发专辑：Eleven Music 操刀，艺人独占版权
ElevenLabs 联合多位格莱美获奖音乐人推出首张录音室级 AI 专辑《The Eleven Album》，曲目均由其音乐模型 Eleven Music 驱动生成。参与艺人拥有全部版权并享有全部流媒体版税。最值得关注的是，这表明 AI 音乐正在从侵权诉讼转向与主流音乐产业的版权共创。
周二
1月20日 星期二
OmniTransfer 发布：给一段参考视频，就能复刻特效、动作与运镜
OmniTransfer 推出基于 Wan 2.1 的视频迁移框架，将视觉特效、动作驱动、运镜控制以及角色 ID 和风格迁移统一在单个架构中。最值得关注的是，它无需手动提取骨架或估计相机轨迹，就能直接把参考视频里的动态与质感迁移到新画面。
Lightricks 推出音频转视频功能：听懂音乐节拍，用声音直接生成画面
Lightricks 推出音频转视频功能，允许用户输入语音、音乐或音效生成对应视频。模型能理解节奏与节拍，实现画面与声音精准卡点，可用来制作音乐视频、素材和数字人。这意味着声音也能直接充当画面的分镜脚本。
周二
1月13日 星期二
Google 升级 Veo 3.1：支持原生 9:16 竖屏与 4K，做短剧不崩脸
Google 升级视频模型 Veo 3.1，为图片生视频功能加入原生 9:16 竖屏与最高 4K 画质。新版大幅提升角色和背景跨镜头的一致性，换场景也不崩脸，创作者免裁切就能直出短剧，现已上线 Gemini 与 YouTube Create。
周一
1月12日 星期一
PixVerse 发布实时世界模型 R1：边播边改提示词，生成连续视频流
PixVerse 发布实时世界模型 PixVerse R1，能以流式生成连续 1080P 视频，用户中途随时输入提示词即可实时改变画面。虽然目前一致性较弱、物体易变形，但它让 AI 视频从等渲染的切片变成了可实时干预的模拟世界。
周四
1月8日 星期四
腾讯推出 VerseCrafter：单图生成视频，可在 Blender 里拖运镜和物体轨迹
腾讯等研究人员推出视频世界模型 VerseCrafter。它以 Wan2.1 为底座，能将单张图片转化为几何场景，让用户在 Blender 中直接编辑运镜路线与物体的 3D 运动轨迹，生成多视角下连贯的高质量动态视频。不过模型目前对人体朝向和非刚性背景形变控制仍有限制。
Z.ai 发布 GLM-Image：混合架构，文本渲染准确率达 91.2%
Z.ai 在 Hugging Face 发布图像生成模型 GLM-Image，采用混合自回归与扩散解码器架构。该模型支持单一模型内完成文本生成图像，在 CVTG-2K 评测上的文本渲染单词准确率达到 91.2%，超过 Seedream 4.5 与 GPT 图片 1。
周三
12月31日 星期三
通义实验室开源 Qwen-Image-2512：毛孔更逼真，还能生成 PPT
12 月，通义实验室开源发布文生图模型 Qwen-Image-2512。新版本主打摆脱「AI 塑料感」，不仅让人像皱纹、毛孔和动物毛发根根分明，还大幅提升了文字渲染精度，甚至能直接生成排版工整的信息图和 PPT 幻灯片。
周二
12月30日 星期二
Runway 联手 Adobe：AI 视频模型进驻全家桶，还要开发独占工作流
Runway 宣布与 Adobe 达成多年战略合作，把 Runway 的 AI 模型与技术直接接入 Adobe 创意工具。双方还将针对专业工作流联合开发专属能力，并且只在 Adobe 软件中独占提供。这意味着专业剪辑师和创作者无需再频繁切窗口换工具了。
周二
12月23日 星期二
阿里上线 Qwen-Image-Edit-2511：多人合照不走样，还内置社区 LoRA
阿里推出 Qwen-Image-Edit-2511。相比 2509 版本，新模型大幅减少图像漂移，重点强化了多人合照的人物一致性与几何推理能力。最实用的是直接内置热门社区 LoRA，做工业设计或改图免去了额外微调。
阿里发布 Qwen3-TTS 语音系列：3 秒克隆声音，用提示词捏出专属人设
阿里巴巴 Qwen 团队上线 Qwen3-TTS 语音系列，主打声音设计与克隆。其中 VoiceDesign 支持用自然语言提示词定制语气和人设，VoiceClone 则仅需 3 秒音频就能复刻声音并支持 10 种语言。在多语言测试中，其词错误率比 ElevenLabs 低 15%。
周日
12月21日 星期日
快手可灵 2.6 升级：支持自定义声音克隆，复杂动作与手部不再糊
快手为可灵 2.6 推出语音控制与动作控制两项升级。用户可上传音频训练专属声音，让角色在多个视频片段里保持音色一致，支持旁白与歌唱；动作控制则大幅强化了复杂运动捕捉，生成武术与舞蹈时手部更清晰、唇形同步也更自然。
周四
12月18日 星期四
Luma 推出 Ray3 Modify：用首尾帧生成过渡视频，还能保留真人演技
Luma 发布视频模型 Ray3 Modify，已上线 Dream Machine 平台。它支持输入首尾两帧来生成中间的过渡镜头，还能在替换角色外观的同时，保留原素材中演员的动作、眼神与情绪。创作者无需重新实拍，就能用 AI 随意更换布景与服装。
周三
12月17日 星期三
Kling VIDEO 2.6 升级动作控制：30 秒参考视频，手部快动作不糊
Kling AI 宣布在 Kling VIDEO 2.6 中上线升级版动作控制功能。新版支持精准捕捉全身动作与武术、舞蹈等复杂快节奏画面，改善了手势细节与面部口型。创作者可上传 3 到 30 秒参考视频生成连贯动作，还能配合提示词微调场景。
周二
12月16日 星期二
OpenAI 推出 GPT Image 1.5：生成提速 4 倍，支持自然语言精准修图
OpenAI 推出旗舰图像生成模型 GPT Image 1.5，生成速度比此前提升 4 倍，API 定价降低 20%。该模型支持用自然语言直接进行局部微调，能在多次修改中保持人脸与品牌 Logo 一致，并登顶 LMArena 图像生成与编辑榜单。
YouTube 内测 Playables Builder：输入一句话就能生成小游戏
YouTube Gaming 启动 Playables Builder 封闭内测。这是一款基于 Gemini 3 的原型工具，允许用户用简短的文本、视频或图像提示词直接生成小游戏。美、加、英、澳用户已可在部分合作创作者的频道内直接试玩首批作品。
Black Forest Labs 发布 FLUX.2 [max]：支持联网搜索，参考图拉到 10 张
Black Forest Labs 发布新模型 FLUX.2 [max]。新模型支持联网检索实时信息辅助生成，并允许输入最多 10 张参考图来保持角色、产品与风格一致，在 @ArtificialAnlys 的文生图和图像编辑中排名第二。
阿里发布 Wan2.6：支持 15 秒多镜头叙事，还能原生音画同步
阿里巴巴发布原生多模态模型 Wan2.6。它不仅支持生成 15 秒 1080p 视频，还能实现自动分镜的多镜头叙事与多人对话原生唇形对齐，甚至可将参考视频中的角色跨场景迁移。这意味着用 AI 制作连贯剧情短片的门槛进一步降低。
Adobe Firefly 上线提示词视频编辑：接入 FLUX.2，不用重抽整段视频了
Adobe 正式向所有用户推出 Firefly 视频编辑器。用户输入文字指令就能直接修改视频里的元素、色彩或运镜，不必整段重新生成。新版还接入了 FLUX.2 和 Topaz Astra 4K 超分等第三方模型，多档付费订阅用户在 1 月 15 日前可享无限生成。
OpenAI 升级 ChatGPT 图像模型：生成快 4 倍，修图终于不跑偏了
OpenAI 推出新版 ChatGPT Images 及 API 模型 GPT Image 1.5。新模型生成速度最高提升 4 倍，修改图片时能锁定光影和人物面貌，文字排版也更稳，API 费用降低 20%。最值得关注的是，ChatGPT 侧边栏还新增了独立专区，免写提示词就能直接套用风格模板。
周二
12月9日 星期二
传 OpenAI 新图像模型现身 Arena：代号板栗与榛子
社区用户发现疑似 OpenAI 旗下的新图像生成模型正在 Design Arena 和 LM Arena 盲测，代号分别为 Chestnut 和 Hazelnut。测试显示其在世界知识、图内代码生成上表现亮眼，外界推测或随 GPT 5.2 近期发布，但官方尚未确认。
