Kling AI 上线数字人功能：对口型模块同步升级，首发限量开放
Kling AI 宣布推出全新的 Avatar 数字人功能。之前受关注的 Lip Sync 对口型功能迎来了升级，并正式并入新的 Avatar 模块中。也就是说，生成会说话的动态人物会更加自然。不过目前上线初期仅限量开放访问权限。
AIGC · 日报
周六
9月13日 星期六
周四
9月11日 星期四
Udio 上线 Voices：固定生成歌曲的专属声线
AI 音乐平台 Udio 推出「Voices」功能，让用户实现稳定的人声控制。你可以从官方预置库挑选声线，也能将已生成歌曲中的声音单独保存并在新歌中复用。该功能向所有用户免费试用两周，之后仅对付费订阅者开放。
周三
9月10日 星期三
Copilot Labs 上线脚本模式：新模型支持逐字精准朗读
Microsoft 旗下 Copilot Labs 推出音频生成「脚本模式」，由新模型 MAI-Voice-1 驱动。该模式能一字不差地逐字朗读输入文本，同时还提供戏剧感更强的 Emotive 模式与支持多角色的 Story 模式，解决了 AI 朗读容易自行发挥的痛点。
Stability AI 发布 Stable Audio 2.5：不到 2 秒生成 3 分钟音乐
Stability AI 推出专为企业级制作打造的 Stable Audio 2.5，可在 GPU 上不到 2 秒内生成最长 3 分钟的多段式音轨。新模型加入音频重绘功能，支持基于现有素材延展，且全程采用合规授权数据训练，主打品牌声音定制。
字节跳动推出 Seedream 4.0：支持原生 4K 与图片编辑，对标 Nano Banana
字节跳动推出最新图像生成与编辑模型 Seedream 4.0，不仅在即梦和豆包上线，还接入了 Krea AI。该模型原生支持 4K 分辨率，推理速度提升超 10 倍，在图像编辑能力上直接对标 Google 的 Nano Banana。每张生成成本约 0.03 美元，性价比非常高。
周一
9月8日 星期一
OpenAI 进军好莱坞：用 AI 制作动画长片《Critterz》
据《华尔街日报》报道，OpenAI 正在联手制作动画长片《Critterz》，计划于 2026 年上映。该片主要使用 GPT-5 等 AI 工具生成，制作周期仅 9 个月，预算不到 3000 万美元，意在向好莱坞证明 AI 能大幅压低大片制作成本与周期。
Google 升级 Veo 3：全面降价，支持 1080p 与 9:16 竖屏
Google 宣布为 Veo 3 和 Veo 3 Fast 推出更新：全面降低生成价格、新增 9:16 竖屏比例支持以及 1080p 高清输出。两款模型现已在 Gemini API 中进入稳定商用阶段，生成的视频均内置 SynthID 数字水印。
周五
9月5日 星期五
Roblox 推出 4D 生成 AI：做出的 3D 跑车不仅有门，还能直接开走
Roblox 在开发者大会上公布多款创作者 AI 工具，核心是能生成可交互道具的「4D Objects」，让生成的车辆自带车门且能直接开。此外还加入了多语言实时语音翻译，开发助手也将支持 MCP 协议协同第三方软件。游戏制作门槛被进一步拉低。
Snapchat 上线 Imagine Lens：不用套模板，输入文字就能生图
Snapchat 推出名为「Imagine Lens」的新滤镜，这是其首款支持自由文本提示词的文生图工具。用户可以直接输入文字提示来生成或修改图片，也能选预设模版。不过目前仅面向 Snapchat+ Platinum 与 Lens+ 付费订阅用户开放。
周五
8月29日 星期五
Krea AI 推出实时视频生成模型：画几笔或连摄像头，画面即刻动起来
Krea AI 推出实时视频生成模型 Realtime Video 并开启测试。它的生成速度超过播放速度，用户涂鸦、输入提示词、接入摄像头或共享屏幕时，画面都能实时响应并保持连贯。这意味着 AI 视频告别了漫长渲染，有了像玩游戏一样的即时操控感。
周四
8月28日 星期四
PixVerse 发布 V5 视频模型：全球用户破亿，限时免费开放
PixVerse 发布新一代视频模型 PixVerse V5 与 Agent 功能，宣布全球用户突破 1 亿。V5 提升了动态自然度和画质，最快 5 秒生成 360p 视频。官方同步开启限时免费体验，单张照片配合 Agent 即可生成短视频。
周二
8月26日 星期二
Google 发布 Gemini 生图指南：教你保持角色一致与局部微调
Google 公布 Gemini 图像生成与编辑官方提示词指南。官方梳理了主体、构图等 6 大要素，并展示了如何跨轮次保持角色一致、用自然语言精细修改局部以及按物理逻辑推演场景。不过 Google 也直言，模型在文字排版与锁定宽高比上仍有短板。
HeyGen 推出 Avatar IV：数字分身学会你的微表情和全身动作
HeyGen 宣布其数字分身产品 Digital Twin 正式接入全新 Avatar IV 模型。新模型能细致还原用户的标志性手势、面部表情与语调口吻，并支持全身自然动作。创作者不用反复补拍镜头即可生成逼真的个人出镜视频，目前该功能已在平台上线。
Google 升级 Gemini 图像编辑：换装换背景不走样，支持多图合成
Google 宣布在 Gemini 应用中接入 DeepMind 全新图像编辑模型。新模型重点解决了修图「走样」问题，在换装、换背景甚至多图融合时能精准保持人物与宠物的样貌，还支持多轮局部微调。所有编辑图片均会嵌入 SynthID 数字水印。
Adobe 集成 Google Gemini 2.5 Flash 图像模型：付费会员限时无限生成
Adobe 宣布将 Google 的 Gemini 2.5 Flash 图像模型接入 Adobe Firefly 与 Adobe Express。用户可在文本生图等模块中调用该模型，生成内容不用于模型训练。截至 9 月 1 日，Firefly 和 Creative Cloud Pro 付费用户可享无限次生成。
Wan-S2V 视频模型亮相：单张照片配音频，生成电影质感动态视频
2025 年，研究团队公布 Wan-S2V 模型，只需输入单张静态照片和音频，就能生成口型同步、带有自然表情与身体动作的动态视频。评测显示 Wan2.2-S2V-14B 在画面质量与身份一致性等核心指标上表现突出，支持全身生成与电影级叙事场景。
周一
8月25日 星期一
Sync Labs 推出 Lipsync-2-Pro：高画质改嘴型，连雀斑和胡须都能留住
Sync Labs 发布 Lipsync-2-Pro 视频模型，可以直接修改任意视频里人物说话的口型。新版本支持高分辨率画面，且对嘴时能完整保留雀斑、胡须等面部微小细节。也就是说，给视频重新配音时不容易再出现脸部发糊穿帮的情况了。
周四
8月21日 星期四
Higgsfield 上线 WAN 2.2：自带 30 多种预设，主打快速图生视频
Higgsfield AI 宣布在其平台上线开源模型 WAN 2.2，同时支持视频与图像生成。平台内置了 30 多种预设效果，支持一键点击渲染，主打更快的生成速度。
Runway 开启 Game Worlds 测试：支持实时交互与世界模拟
Runway 宣布推出 Game Worlds Beta，迈出实时探索虚拟世界的第一步。其目标是让用户能实时交互并探索任意角色、故事与模拟世界。Runway 表示这不仅关乎画面生成，更在探索玩家选择如何影响虚拟世界演进的全新交互机制。
LTX Studio 上线运镜控制：LTXV 与 Turbo 模型支持预设移动
LTX Studio 宣布在平台中上线运镜控制功能。用户使用 LTXV 或 LTXV Turbo 模型生成视频时，可以直接选择预设的镜头移动方式，从而更精准地控制画面构图与动态一致性，不再全靠提示词抽卡。
周三
8月20日 星期三
Runway 为 Act-Two 上线 Voices：角色动作与声音能一起调了
Runway 宣布在 Act-Two 中加入 Voices 功能。创作者现在不仅能用动作驱动画面，还能直接调整发声表现，让声音贴合生成的角色。Runway Academy 当天同步上线了对应教程。
周一
8月18日 星期一
通义千问推出 Qwen-Image-Edit：支持中英文精准改字与 180 度翻转
Qwen 推出图像编辑模型 Qwen-Image-Edit。该模型基于 20B 底座打造，不仅能精准增删改图片中的中英文字并保留原字体风格，还支持物体 180 度旋转视角合成与局部像素级修图。目前已在 Qwen Chat 上线体验。
ElevenLabs 推出音乐 API：首个支持商用的授权音乐生成接口
ElevenLabs 推出面向开发者的 Eleven Music API。该接口基于授权数据训练，支持广泛的商业用途，方便开发者接入产品与工作流中。官方还透露，自 Eleven Music 推出以来，创作者已累计生成超过 75 万首歌曲。
周五
8月15日 星期五
ElevenLabs 上线视频生成音乐功能：一键为画面配乐
ElevenLabs 在 ElevenLabs Studio 中推出 Video-to-Music 工作流。借助其 Eleven Music 模型，用户只需一键就能基于视频画面内容生成定制配乐，还能直接在 Studio 内叠加配音与音效。视频创作者做后期音频更省事了。
周四
8月14日 星期四
xAI 限时免费开放 Grok Imagine：支持带音效生成 15 秒视频
Elon Musk 宣布 xAI 旗下图像与视频生成工具 Grok Imagine 限时面向全球免费开放。该工具可在移动端生成自带音效的 15 秒视频，正面叫板 OpenAI Sora。伴随 Grok 4 开放免费层，xAI 意在趁竞品争议期加速拉新。
