FLUX Pro 微调 API 上线：仅需 1 至 5 张图即可定制专属模型
Black Forest Labs 推出 FLUX Pro Finetuning API。创作者仅需 1 至 5 张参考图片，就能定制专属 FLUX.1 [pro] 模型，精准复现特定角色或视觉风格，支持最高 400 万像素输出，且能无缝兼容整个 FLUX 工具链。
AIGC · 日报
周四
1月16日 星期四
周三
1月15日 星期三
Luma AI 发布视频模型 Ray2：算力提升 10 倍，支持 4K 与 30 秒扩展
Luma AI 发布下一代视频生成模型 Ray2。新模型算力规模达到 Ray1 的 10 倍，画面动态更自然且符合物理逻辑，支持 1080p 输出及 4K 超分，最长可连贯扩展至 30 秒。目前已面向 Dream Machine 付费订阅用户开放。
周二
1月14日 星期二
Freepik 套件上线 AI 视频生成：支持自带音频，全格式可用
Freepik 宣布在其 AI 套件中推出带音频的 AI 视频生成功能。该功能支持任意模式与格式，让创作者可直接在平台内生成带声音的视频片段。这意味着做视频不再需要单独配乐，创作流程进一步精简。
周三
1月8日 星期三
Stability AI 推出 SPAR3D：单张图片 0.7 秒生成 3D 模型
Stability AI 联手 NVIDIA 在 CES 上推出 3D 生成模型 SPAR3D。它能从单张图片在 0.7 秒内生成完整 3D 网格，并支持在 0.3 秒内对点云进行实时修改。最值得关注的是，权重和代码已开源，并适用于 RTX AI PC 端侧运行。
波兰传记片《Putin》定档：用 AI 给演员实时换上普京的脸
据报道，波兰导演 Patryk Vega 耗资 1500 万美元的英语传记片《Putin》将于 1 月 10 日首映。片中利用 AI 特效把普京的面部逼真贴在波兰演员脸上，以此呈现其数十年人生。电影预计在 64 国上映，但其伦理与换脸技术也引来不少争议。
周一
12月16日 星期一
Midjourney 上线情绪板：用一组参考图定制专属出图风格
Midjourney 推出类 Pinterest 的情绪板功能，并支持多套个性化配置。用户上传图片集或完成 40 次二选一打分即可定制专属画风，门槛大幅降低。创作者还能针对不同项目保存并切换多个风格档案，轻松统一出图调性。
Google 发布视频模型 Veo 2：支持 4K 与镜头控制，Imagen 3 同步升级
Google 推出新一代视频模型 Veo 2，支持最高 4K 分辨率与数分钟长视频，能精准理解 18mm 镜头和景深等专业运镜指令。同时升级的 Imagen 3 已在全球 100 多个国家上线，并配合 Gemini 推出图像混合工具 Whisk。目前 Veo 2 已在 Google Labs 开启候补。
纽约大学 Tisch 学院引入 Runway：AI 视频工具进驻虚拟制作中心
Runway 宣布纽约大学 Tisch 艺术学院虚拟制作硕士项目将引入其 AI 视频套件。2025 年春季学期，学生将在新建的马丁·斯科塞斯虚拟制作中心上课，探索将生成式 AI 融入影视前置预览与终期创作。
周五
12月13日 星期五
Pika 2.0 上线：画质提升，新增「场景素材」支持参考图
Pika 正式推出 Pika 2.0 视频生成模型。新版本强化了文本对齐与画面表现，并新增「场景素材」（Scene Ingredients）功能，允许用户上传人物、地点或物品的参考图片，大幅提升视频生成的一致性与控制力。
周一
12月9日 星期一
曼城联手彪马推 AI 球衣设计赛：优胜款将成为官方正赛球衣
曼城联手彪马推出 Puma AI Creator，邀请球迷用 AI 设计球衣。获胜设计将成为曼城 2026-2027 赛季官方第三球衣并上架发售。每位注册用户获赠 15 次生成额度，活动将于 12 月 20 日截止，这也是足坛首套由 AI 生成的正式比赛球衣。
xAI 上线 Grok 图像模型 Aurora：攻克文字与人像细节，已登陆 X
xAI 宣布在 X 平台为 Grok 推出自回归图像生成模型 Aurora。该模型基于海量互联网样本训练，大幅提升了逼真人像、复杂文字与标志的渲染能力，并原生支持图像输入和编辑。目前新功能已在部分地区先行上线，预计一周内向全量用户开放。
AMD 开源 Nitro Diffusion：单步生图模型落地，跑在自家显卡上
Dec 09, 2024，AMD 发布并开源单步扩散模型 Nitro Diffusion。新模型基于 Stable Diffusion 2.1 和 PixArt-Sigma 打造，只需一步推理就能生成媲美多步扩散的图像，可部署在数据中心和端侧 PC，相关代码与权重已上线 Hugging Face。
周六
12月7日 星期六
OpenAI 员工透露 Sora v2 即将发布：最长生成 1 分钟，支持多模态输入
据 OpenAI 员工 Chad Nelson 在伦敦演讲中透露，视频生成模型 Sora v2 即将发布。新版本支持生成最长 1 分钟的视频，并提供文本生视频、图文生视频以及基于现有视频结合提示词二次生成的多种输入模式。
周五
12月6日 星期五
ElevenLabs 推出 GenFM：导入文本秒变双主播播客，支持 32 种语言
ElevenLabs 将 GenFM 功能引入长音频编辑工具 Studio。用户只需导入 PDF、网页链接或文本，系统就能自动生成两个逼真 AI 主持人对谈的播客，支持 32 种语言，且允许自由修改台词和导出商用。ElevenReader 的 Android 端也同步上线了该功能。
周三
12月4日 星期三
AdCreative.ai 推出电商视频模型：单张产品图变 16 秒广告片
AdCreative.ai 推出产品视频生成模型 Product VideoShoot。它基于广告大模型 AdLLM，能把静态产品图直接转成 16 秒 1080p 广告片，支持镜头缩放与运镜控制。最值得关注的是其融入了转化预测数据，目前向 Pro 和 Enterprise 用户开启 Beta 测试。
周二
12月3日 星期二
Google 开放视听创作底牌：Imagen 3 正式上线，Veo 开启企业私测
Google 宣布 Imagen 3 全面开放给 Vertex AI 客户，视频生成模型 Veo 也开启私测。Veo 支持图生视频与局部编辑，最长可输出 6 秒高画质片段。这意味着 Google 开始将前沿多模态能力塞进企业云服务，不过 Veo 目前仍需申请预览资格。
Hailuo AI 推出 I2V-01-Live：让 2D 插画角色开口说话、自然动起来
MiniMax 旗下 Hailuo AI 发布图生视频模型 I2V-01-Live。该模型专为 2D 插画和角色设计，重点优化了运动平滑度、稳定性和微表情，能让静态画作里的角色开口说话、动作更自然，并适配多种艺术风格。
周一
12月2日 星期一
李飞飞创办的 World Labs 亮相：单张照片生成可漫游 3D 场景
李飞飞联合创办的 World Labs 公布首个系统，能将单张照片变成在浏览器里实时交互的 3D 场景。模型不仅符合物理规律，还能用键鼠调节景深并自由移动视角。虽然目前漫游范围有限，但为可控的「世界模型」迈出关键一步。
周三
11月27日 星期三
Adobe 推出 MultiFoley：能把猫叫变成狮吼，给视频精准配音效
Adobe Research 推出多模态视频音效生成技术 MultiFoley。它能识别画面动作，把打字机声换成钢琴声、让猫叫变成狮吼，并将现有音效精准对齐视频时间点。这意味着视频拟音制作无需逐帧手动对轨，创意换声变得极其简单。
周二
11月26日 星期二
不满当免费测试员：艺术家泄露 OpenAI Sora 访问权限
艺术家团体「Sora PR Puppets」将 OpenAI 视频模型 Sora 的测试接口挂上 Hugging Face，一度允许公众免费生成 1080p 视频。该团队指责 OpenAI 利用早期测试艺术家进行无偿劳动与公关造势。该入口上线约三小时后已被封禁。
Stability AI 推出三款 ControlNet：为 Stable Diffusion 3.5 Large 带来精准控制
Stability AI 为 Stable Diffusion 3.5 Large 发布了三款 ControlNet 模型，包括 Blur、Canny 和 Depth。它们分别支持超分辨率放大、边缘线稿控制与深度引导，经约 150 人测试偏好度位居同类首位。年营收 100 万美元以下可免费商用，支持通过 Comfy UI 调用。
