Kling AI 上线 Avatar 2.0：单次生成 5 分钟视频，修复手部动作
Kling AI 上线 Avatar 2.0 数字人模型，单次最多可生成 5 分钟完整视频。新版本重点修复了 1.0 中手部动作不稳定的问题，并提升了肢体动作与面部表情表现力，适合知识讲解与歌唱场景。官方称其在内部盲测中表现领先 HeyGen 与即梦 OmniHuman-1.5。
AIGC · 日报
周四
12月4日 星期四
周三
12月3日 星期三
Kling AI 推出 VIDEO 2.6：首个支持原生音频的视频模型
Kling AI 推出 VIDEO 2.6，这是其首个支持原生音频生成的视频模型。新模型能同步输出画面与连贯的声音，主打「音画合一」的叙事体验。官方还联合多位创意创作者发布了展示短片。
周一
12月1日 星期一
Leonardo.Ai 上线 Kling O1：支持 5 张参考图与首尾帧控制
Leonardo.Ai 宣布接入 Kling O1 视频模型。该模型支持最多 5 张参考图以及首尾帧控制，能在复杂运动中保持主体一致性，并提升了多指令提示词的遵从度。对创作者来说，把控视频分镜和连贯过渡变得容易得多。
Kling AI 推出 Kling O1：打通文本、图片与视频的统一创意引擎
Kling AI 推出全新创意引擎 Kling O1，开启 Omni 发布周。该模型主打真正的多模态理解，能统一处理文本、图像和视频输入，简化生成创作流程。目前新功能已面向订阅用户开启限时体验。
Runway 发布 Gen-4.5：登顶文生视频天梯榜，物理质感全面进化
Runway 发布新一代视频生成模型 Gen-4.5，以 1247 Elo 积分登顶 Artificial Analysis 文生视频基准榜首。该模型在物理规律表现、镜头动态与提示词遵循上大幅提升，并维持原有生成速度。目前已向全部付费订阅用户开放。
周五
11月28日 星期五
算力扛不住了：OpenAI 与 Google 缩减 Sora 和 Nano Banana 免费额度
因使用需求激增，OpenAI 与 Google 分别收紧了 Sora 和 Nano Banana Pro 的免费生成限制。Sora 免费额度定为每天 6 条视频，Nano Banana Pro 则降至每天 2 张图。说白了，算力紧缺让大厂吃不消，免费红利正在加速退场。
周三
11月26日 星期三
LTX Studio 推出 Retake 功能：视频渲染后也能改台词和重构镜头
LTX Studio 推出「Retake」功能，让用户在视频渲染完成后依然可以调整镜头。创作者无需重新生成整段视频，就能直接修改角色台词、重塑情绪以及重构画面景别。这意味着微调 AI 视频时不用再推倒重来。
周二
11月25日 星期二
Black Forest Labs 发布 FLUX.2：支持 10 张图多参考，开源 32B 权重
Black Forest Labs 发布视觉模型家族 FLUX.2。新模型支持最多 10 张参考图进行风格与角色一致性生成，编辑分辨率最高达 4MP，并包含 32B 的开源权重版 FLUX.2 [dev]。这意味着专业排版与精准控图的门槛进一步降低。
周五
11月21日 星期五
Midjourney 推出「Style Creator」早期版：不用文字也能捏风格
Midjourney 宣布推出新工具「Style Creator」的早期版本。该工具让创作者完全不依赖文字提示词，就能探索并生成全新视觉美学风格，官方称这是对未来生成体验的一次提前窥见。
周四
11月20日 星期四
Google 发布 Nano Banana Pro：支持多语言长文本渲染与 4K 输出
Google 推出图像生成与编辑模型 Nano Banana Pro（Gemini 3 Pro Image）。它不仅能结合搜索数据生成信息图，还攻克了文字渲染难题，支持多语言长段落，并能融合 14 张图保持 5 人一致性。免费用户可在 Gemini 应用中限量体验。
周三
11月19日 星期三
华纳音乐联手 Stability AI：用授权数据打造音乐生成工具
华纳音乐集团（WMG）与 Stability AI 宣布合作。双方将基于完全使用授权数据训练的模型，共同开发专业级音乐创作 AI 工具。最值得关注的是，该合作直接让音乐人参与工具设计，在探索生成式音频的同时保护版权并拓展增收渠道。
Meta 发布 SAM 3D：单张 2D 照片一键变 3D，权重与代码全开源
Meta 推出全新 SAM 3D 系列模型，包含 Objects 和 Body 两个分支，能从单张 2D 照片直接重建高精度 3D 物体、场景及人体。官方已开源权重与推理代码，并在 Playground 开放体验；该技术目前已落地至 Facebook Marketplace 的房间预览功能中。
OpenCV 创始人创办 CraftStory：推出 Model 2.0，支持 5 分钟长视频
周二，OpenCV 创始人打造的视频初创公司 CraftStory 宣布完成 200 万美元融资并推出 Model 2.0。该模型采用并行扩散架构，能生成长达 5 分钟的人物视频，突破了竞品普遍仅能生成数秒或 25 秒的限制。目前它采用视频驱动静态图的模式，生成 30 秒片段约需 15 分钟。
Midjourney 上线个人主页：24 小时内配齐资料送 5 小时算力
Midjourney 正式推出个人主页功能，支持自定义头像、横幅、社交链接并精选展示画作。为了给社区冷启动，官方宣布 24 小时内填完资料并精选至少 8 张作品的用户，可直接领到 5 小时免费 Fast 算力。关注功能也已同步上线，但关注者列表仅自己可见。
周三
11月12日 星期三
World Labs 发布商用世界模型 Marble：文本图片生成可导出 3D 场景
李飞飞创办的 World Labs 推出首款商用世界模型 Marble，支持把文本、图片或视频转为持久且可下载的 3D 环境。用户可将场景导出为网格或高斯泼溅格式。最值得关注的是它支持手动搭建空间粗胚再由 AI 填补细节，改变了纯靠随机生成的不可控问题。
周六
11月8日 星期六
Google 图像模型 Nano Banana 2 曝光：原生 2K 与局部精细修图
Google 下一代图像生成模型 Nano Banana 2（代号 GEMPIX 2）预览曝光。该模型支持原生 2K 并可放大至 4K，具备更强的主体一致性与自然语言局部编辑能力。最值得关注的是，它全面转向专业创作工作流。预计 11 月中旬面向部分用户开启测试。
周四
11月6日 星期四
Higgsfield AI 推出 Recast：支持视频角色替换与精细换脸
Higgsfield AI 推出新工具 Recast，主打视频与图片中的 AI 换脸和角色替换。它支持针对脸型、肤色以及特定角度进行细致调整，减少生硬拼接感。不过官方也提到，要达到影视制作级效果，仍需配合遮罩做多轮调整。
周一
10月20日 星期一
Fish Audio 上线 S1 语音模型：比 ElevenLabs 便宜 6 倍
Fish Audio 正式上线文本转语音模型 S1，宣称是市面上最自然生动的 TTS 模型。其价格比 ElevenLabs 便宜 6 倍，目前已有 2 万名活跃开发者，年经常性收入达到 500 万美元，并开放免费克隆声音。
周五
10月17日 星期五
OpenAI 限制 Sora：应家属要求，叫停马丁·路德·金 AI 视频生成
OpenAI 宣布在 Sora 中暂停生成已故民权领袖马丁·路德·金的肖像视频。此前有用户用该平台制作了大量不敬内容，引发家属抗议。OpenAI 表示，遗产所有者和合法代表均可申请禁止在 Sora 客串中出现其肖像，AI 名人肖像权治理迎来新规则。