Midjourney 上线 Omni-Reference：支持把指定角色和物体直接塞进新图
Midjourney 宣布 Omni-Reference 功能正式上线。该功能允许创作者明确指定「把这个放进图里」，支持角色、物体、载具等多种元素的一致性迁移。这意味着生图时固定特定道具或主体变得更加直接，不用再靠反复抽卡拼运气。
AIGC · 日报
周四
5月1日 星期四
Higgsfield 上线「首尾帧」功能：上传头尾两张图，精准控制 AI 视频
Higgsfield 推出「Start & End Frames」功能，允许用户分别上传起始和结束两张图片来定义视频结构。这意味着生成的视频能够拥有明确的方向与动作轨迹，大幅提升视频叙事的把控力。
Ideogram 3.0 升级：写实度拉高，Canvas 新增补图与扩图
Ideogram 推出 Ideogram 3.0 重大更新，重点提升了画面写实度、风格多样性与提示词遵循能力。用户现在可以在 Canvas 画布中配合 3.0 使用 Magic Fill 局部重绘与 Extend 外绘编辑图片，同时该模型也正式开放了 API 接入。
Suno 上线 v4.5：单次可直出 8 分钟歌曲，人声与跨风格融合大升级
Suno 推出 v4.5 版本，面向 Pro 和 Premier 付费用户开放。新版增强了人声质感与情感深度，支持跨风格融合，并将单曲直出时长由 4 分钟直接翻倍到最长 8 分钟，无需再手动延长音轨。
Pika 推出发型特效 Pikaffects：一键换粉发、超长发或秒变光头
Pika 推出全新「Pikaffects」发型特效，上线 Web 端与 iOS App。新功能支持把画面人物一键换成粉发、超长发甚至直接变成光头。这让视频趣味变形特效变得更接地气，随手就能做出恶搞或创意视觉效果。
Krea AI 推出 GPT Paint：用画笔和草图给 ChatGPT 发视觉提示词
Krea AI 推出新功能 GPT Paint。用户可以直接在 Krea Image 中通过画笔标记、基础图形、便签和参考图，以视觉方式向 ChatGPT 发送提示词。这让用涂鸦直接指挥 AI 创作变得更直观，告别了纯文字描述的沟通门槛。
周三
4月30日 星期三
Midjourney 更新 V7：优化手部与画质，新增灯箱编辑器与 --exp 参数
Midjourney 推送 V7 模型常规优化，直接提升画面细节、提示词遵循度以及手部和肢体一致性。同时，官方上线了改进版灯箱编辑器，支持智能分割工具；还新增了实验性美学参数 --exp（0-100），能赋予画面更强的动态感与色调映射。
Runway 上线 Gen-4 References：靠参考图搞定角色与场景一致性
Runway 宣布向所有付费订阅用户推出 Gen-4 References 功能。用户只需上传照片、生成图、3D 模型或自拍照作为参考，就能在后续画面中生成一致的角色与场景。这意味着多镜头创作里的角色连贯性难题，有了更直接的解法。
周二
4月29日 星期二
Freepik 推出开源图像模型 F Lite：完全基于授权数据训练，参数 100 亿
Freepik 联手 Fal.ai 发布开源 AI 图像模型 F Lite，拥有 100 亿参数。该模型完全基于 8000 万张商业授权图片训练，主打规避版权争议，提供标准版与质感版两种规格。不过它的本地运行门槛较高，至少需要 24GB 显存的 GPU。
Natasha Lyonne 拍新科幻片：用全授权 AI 模型 Marey 制作画面
演员 Natasha Lyonne 宣布将执导并主演科幻电影《Uncanny Valley》，其画面将由 Moonvalley 的视频模型 Marey 生成。制作方主打该模型完全依靠合规授权且付费的内容训练。不过该片目前尚无明确排期。
生数科技发布 Vidu Q1：支持首尾帧平滑过渡，自带 48kHz 音效
生数科技发布视频大模型 Vidu Q1。它支持首尾帧语义过渡，能在无关画面间补齐平滑转场，支持最高 5 秒 1080p 视频生成。此外它还首创 48 kHz 同步音效生成，能识别画面情绪并自动匹配相应音轨。
周一
4月28日 星期一
Luma AI 上线 Ray2 运镜控制 API：支持自定镜头运动与机位角度
Luma AI 推出 Ray2 Camera Concepts API，为开发者开放电影级运镜控制能力。这次首发上线了运动与机位角度控制，意味着视频生成不必再完全依靠随机提示词，开发者可以通过接口精确调度镜头画面。
Higgsfield 上线经典场景功能：自拍一键融入《黑客帝国》等大片
Higgsfield AI 推出 Iconic Scenes 模板，用户上传一张自拍就能化身经典电影主角。平台提供《星际穿越》《黑客帝国》《教父》等 20 多个模板，搭配 80 多种运镜控制与卡通滤镜，无需剪辑软件即可生成电影感片段。
周四
4月24日 星期四
Tavus 在 fal 上线 Hummingbird-0：主打高精度零样本唇形同步
Tavus 在 fal 平台上线唇形同步模型 Hummingbird-0 的研究预览版。官方称这是其测试过精度最高的零样本唇形同步模型，表现超过同类开源与闭源方案。这意味着视频对口型效果将更逼真自然，目前处于研究预览阶段。
Argil 结合 OpenAI 技术：AI 数字人能手持商品开口带货了
数字人平台 Argil 宣布结合 OpenAI 技术推出新功能，AI 数字人如今能手持商品并开口解说。用户仅需提供一张商品图片即可生成完整宣传视频，瞄准电商带货场景。目前该功能已开启测试申请。
Krea AI 接入 ChatGPT 图像能力：聊天就能修图、渲染 3D 场景
Krea AI 宣布接入 ChatGPT 图像能力。用户现在可以直接在聊天界面用自然语言编辑图片、渲染 3D 场景，支持超过 300 种预设风格，30 秒内即可完成换色或艺术风格迁移。
Adobe 发布 Firefly Image 4：最高 2K 分辨率，网页端还接入了竞品
Adobe 发布新一代图像模型 Firefly Image Model 4，支持 2K 分辨率与文字渲染，并全面开放 1080p 视频生成模型。改版后的 Firefly 网页端不仅上线了协作画板 Boards，还破天荒直接接入了 OpenAI、Google 和 Flux 的模型。
Imogen Heap 联手 AI 平台 Jen：推出 5 款经典作品音乐滤镜
格莱美得主 Imogen Heap 联合 AI 音乐平台 Jen 推出 5 款「风格滤镜」。用户可结合提示词与其授权单曲生成专属音乐，售价 4.99 美元起。与深陷侵权纠纷的竞品不同，Jen 主打合规训练，不过目前仅支持生成纯器乐。
周三
4月23日 星期三
Higgsfield 推出 Turbo 模型：渲染提速 1.5 倍且降价 30%
Higgsfield AI 发布其迄今最快的视频生成模型 Turbo。新模型渲染速度提升 1.5 倍、成本降低 30%，同时支持优先队列并新增 7 种运动风格。对需要高频试错的创作者来说，等待时间和生成成本都显著降低。
腾讯混元 3D 2.5 上线：百亿参数几何模型，每日免费额度翻倍
腾讯混元发布 3D AI 创作引擎 v2.5，几何模型参数增至 100 亿，网格面数提升 10 倍并支持 1024 分辨率细节。新版支持多视角 PBR 材质生成与自动骨骼蒙皮，每日免费额度翻倍至 20 次，腾讯云 API 也已同步开放。
OpenAI 上线 gpt-image-1 API：ChatGPT 同款画图能力开放，单张 0.02 美元起
OpenAI 正式在 API 中推出原生多模态图像生成模型 gpt-image-1。开发者现在能直接调用 ChatGPT 同款绘图能力，支持精准渲染文字与多风格创作；生成按 token 计费，单张方形图片成本约为 0.02 至 0.19 美元。
周二
4月22日 星期二
Character.AI 发布 AvatarFX：单张图配音频就能生成对白视频
Character.AI 公布视频生成模型 AvatarFX，用户上传单张静态图并搭配音频，就能让角色说话、唱歌并呈现手部与身体动作。模型基于 DiT 架构和蒸馏加速技术，支持真人及 2D/3D 卡通角色，未来几个月将率先面向 CAI+ 会员开放测试。
Dreamina 上线 Seedream 3.0：主打电影感画面与 2K 分辨率生成
Dreamina AI 正式推出图像生成模型 Seedream 3.0。新模型支持 2K 分辨率直出，主打电影级质感和逼真的材质渲染，同时强化了英文文字排版能力。目前已在官网开放体验。
周五
4月18日 星期五
Krea 推出 Krea Stage：单图生成可编辑 3D 场景，还能做连贯视频
Krea 推出实验性工具 Krea Stage。用户只需上传一张图片，就能直接生成可自由调整光照、物体和视角的完整 3D 场景，还能基于该场景生成风格一致的连贯视频。它大幅降低了传统 3D 建模门槛，无需专业硬件也能快速搭建虚拟世界。
周四
4月17日 星期四
Arcads 上线 Gestures：输入提示词就能生成数字人动作与情绪
Arcads 向所有用户上线「Gestures」功能。选定 AI 数字人后，只需输入一句情绪提示词，就能生成对应的神态与肢体动作，专为视频开头的吸睛钩子设计。也就是说，不用复杂调节，一句话就能解决数字人广告面部与动作呆板的问题。
周三
4月16日 星期三
LTX Studio 上线时间轴：支持精细剪辑与自定义 AI 演员
LTX Studio 发布更新，新增时间轴编辑器与自定义 AI 角色训练功能。创作者可以直接修剪片段、调整场景节奏并精准同步音频，还能用参考图固定主角面部与服装风格。AI 视频最头疼的剪辑和角色「变脸」难题，终于被整合进了同一套流程。
周二
4月15日 星期二
快手发布可灵 2.0：支持多元素视频编辑，全球用户超 2200 万
快手在北京正式发布 KLING 2.0 视频模型与 KOLORS 2.0 图像模型。新版本引入多元素编辑器，允许用户直接在已有视频中增删或替换元素。官方同时透露，自去年 6 月上线以来，可灵 AI 全球用户已突破 2200 万。
Google 开放 Veo 2 视频生成 API：支持图文生成 8 秒镜头
Google 宣布视频生成模型 Veo 2 正式面向开发者开放。开发者可在 Google AI Studio 试用或通过 Gemini API 付费接入，模型支持通过文本或图片提示生成 8 秒视频，具备真实物理模拟和多种运镜风格。
周四
4月10日 星期四
YouTube 上线 AI 音乐生成功能：输入提示词定制免版权伴奏
YouTube 开始在 Creator Music 中逐步推出 AI 音乐生成功能。创作者在「Music Assistant」标签页输入乐器、情绪等文字描述，即可生成专属纯器乐配乐并免费用于视频，免除版权困扰。该功能目前面向美国的 YouTube 合作伙伴计划创作者开放。
周三
4月9日 星期三
Google 用 AI 重制《绿野仙踪》：画面扩至 16K，让画外角色重回镜头
Google 披露正利用 AI 重制 86 年前的经典电影《绿野仙踪》，用于拉斯维加斯 Sphere 场馆的 16K 巨型屏幕。团队微调 Gemini、Veo 2 和 Imagen 3，不仅扩展背景、拉高画质，还借助华纳档案数字化还原画外角色。全片超 90% 内容经 AI 处理，预计 2025 年 8 月 28 日首映。
周二
4月8日 星期二
Amazon 升级 Nova Reel 1.1：视频时长翻倍至 2 分钟，支持多镜头连续生成
Amazon 升级视频生成模型 Nova Reel 至 1.1 版本，把生成时长从 1 分钟拉长到最长 2 分钟。新版本还加入了「多镜头」功能，不仅能保持整段视频风格统一，还支持用单张图片和提示词精准控镜，创作者一次最多可生成 20 个连续镜头。
