OpenAI 上线 ChatGPT Images 2.5：生成提速 50%，支持随手涂鸦出图
OpenAI 发布 ChatGPT Images 2.5。新模型生成延迟较前代最高降低 50%，大幅提升了多轮编辑与参考图还原能力，并新增手绘草图作为参考的 Sketch 功能。目前全量桌面、移动与网页端用户均已可用。
AIGC · 日报
周二
9月8日 星期二
周五
9月4日 星期五
Google 音乐模型 Lyria 3.5 接入 Gemini：人声更细腻，支持长短音轨定制
Google 宣布其音乐生成模型 Lyria 3.5 正式接入 Gemini 应用与 API，面向全球用户开放。新版本提升了人声表现力与编曲丰富度，用户可自由选择曲风、人声或纯音乐模式，并能通过模板快速定制长短音轨。该能力也同步接入 Google Vids 和 Google Flow Music。
周四
9月3日 星期四
Runway 发布 GWM Worlds 2：720p 实时生成交互世界，按键即可操控
Runway 发布实时世界模型 GWM Worlds 2，支持以 720p 24 帧连续生成音视频，且没有预设时长限制。用户通过首帧与提示词定义物理规则后，可像打游戏一样用按键或文本指令实时控制镜头、角色动作与场景交互。不过快速转动镜头时画质仍会下降。
周一
8月31日 星期一
fal 推出 AI 直播平台：观众输入提示词实时当「导演」
fal 推出 AI 互动直播平台 fal.live。用户进入频道后可输入文字提示词，实时引导接下来生成的直播画面，从被动观众变成内容的「导演」。这也意味着实时视频生成技术开始走向无尽互动直播体验。
周五
8月28日 星期五
MiniMax 开源 FastH3 v1：13 秒出 15 秒视频
Hao AI Lab 与 MiniMax 联合开源视频模型 FastH3 v1。该模型在英伟达 Blackwell GPU 上最高提速 14 倍，生成 15 秒 768p 视频仅需 13 秒。团队目前已公开完整权重与推理代码，单个权重即可支持不同分辨率和时长。
周四
8月27日 星期四
Midjourney 开启 V8.2 编辑模型公测：支持指令修图与四图参考
Midjourney 宣布向社区开放首个 V8.2 图像编辑模型测试。新模型支持输入文字指令修图、局部重绘与画布扩展，并允许同时传入最多 4 张参考图。最值得关注的是，它取代了此前的全能参考方案，且兼顾个性化参数与情绪板。
Google 推出 Gemini Omni 1.1 Flash：支持 40 秒场景延展与 4K 超分
Google 推出视频生成模型 Gemini Omni 1.1 Flash。新模型可结合前 10 秒上下文将片段延展至最长 40 秒，支持首尾关键帧插值，并新增 4K 超分与快 60%、成本仅三分之一的 360p 草稿模式。开发者可直接在 Google AI Studio 中调用。
周一
8月24日 星期一
Bria AI 开源 Fibo 1.5：支持结构化 JSON 提示，4 到 6 步快速出图
Bria AI 开源 8B 参数图像生成模型 Fibo 1.5。它原生支持上千字的结构化 JSON 提示词，能精准微调光影和镜头而不破坏整张画面；经蒸馏后仅需 4 至 6 步推理且无需 CFG，非商用场景可免费下载权重。
周五
8月21日 星期五
Midjourney Alpha 网页版大修补：文件夹折叠归类，旧图放大重绘回归
Midjourney 为其 Alpha 网页版推送大量体验修复。新版本重构了侧边栏，支持文件夹折叠与树状管理，找回了旧版 V8.2 图片的 Upscale 与 Vary 按钮，并解决了提示词输入卡顿和画廊深层滚动变慢等性能问题。
Runway 推出 Ruby 模型：将 SDR 视频转成 16-bit HDR，支持 ProRes 导出
Runway 推出新模型 Ruby，能将普通 SDR 视频转换成最高 16-bit 的 HDR 视频，支持导出 ProRes 和 EXR 序列。它兼容用户上传或由 Runway 生成的视频，单段最长 30 秒。创作者无需重新拍摄，就能直接提升画面的动态范围表现。
周四
8月20日 星期四
OpenAI 升级 GPT-Image-2：API 支持直接生成透明背景图
OpenAI 宣布在 GPT-Image-2 API 中推出透明背景生成预览功能。开发者无需再借助后期抠图，即可直接生成能够无缝嵌入任何背景的设计素材，适用于电商产品图、平面排版和网页原型。该功能目前处于预览阶段。
周二
8月18日 星期二
Tripo 推出 P2.0 Preview：原生生成四边面，游戏资产直接可用
Tripo 推出专为游戏与实时渲染管线打造的 3D 生成器 P2.0 Preview。其核心在于原生支持四边面拓扑，支持最高 5 万三角面或 2.5 万四边面，关节处边缘环平滑、平面结构干净。目前每位用户可获赠 2 次免费生成机会。
Stability AI 推出 Stable Audio 插件：直接嵌入宿主，支持 BPM 同步
Stability AI 推出 Stable Audio 3.0 插件与升级版 Web 应用公测版。插件支持 macOS AU 与 VST3，可在 Logic Pro 和 Ableton Live 中同步工程 BPM 生成最长 6 分钟音频；Web 端新增多轨混音与定向修改。商用安全，用户拥有生成版权。
阿里上线音乐模型 HappyShrimp 1.0：一句话生成整首歌，还拉来太合音乐
阿里巴巴上线 AI 音乐生成模型 HappyShrimp 1.0 并开启公测。用户只需输入一句话，模型就能构思乐理结构，直接生成包含旋律、编曲、歌词和人声的完整歌曲，涵盖国风、流行等多种曲风。阿里同时宣布与太合音乐集团展开艺人共创合作。
周五
8月14日 星期五
Pika 发布四款音频模型：价格最高便宜 20 倍，覆盖配乐、音乐与语音
Pika 推出 Pika Audio 系列四款音频基础模型，涵盖视频音效同步 Soundtrack、音乐生成 Music、音效生成 SFX 以及语音合成 Speech。官方称其推理成本大幅降低，价格最高比同类竞品便宜 20 倍，目前已通过 Pika API Club 开放。
周四
8月13日 星期四
Suno 发布 Studio 2.0：支持 MIDI 录制、AI 搓插件和进阶分轨
Suno 推出音乐工作站 Suno Studio 2.0。新版不仅支持 MIDI 导入录制与自动化曲线绘制，还加入了 Chat bar，让音乐人能用自然语言直接生成独家效果器插件并进行进阶音频分轨。目前该版本已面向 Suno Premier 订阅用户开放。
MiniMax 开源 Music 3.0：单次生成 5 分钟整曲，基于千问底座
MiniMax 推出开源权重音乐模型 Music 3.0。它采用基于 Qwen3.5-8B 的混合架构与流匹配技术，用户只需输入提示词与歌词，就能单次生成长达 5 分钟的完整编曲与人声演唱。最值得关注的是，它通过结构化描述解决了长音频乐器走样与情绪断层问题。
周一
8月10日 星期一
Microsoft 发布 MAI-Image-2.6：冲上 Arena 第二，文字渲染涨 91 分
Microsoft 宣布推出文生图模型 MAI-Image-2.6，直接登上 Arena 文生图排行榜第二位，超越了 Google、Meta 和 xAI 的同类模型。新版本综合 Elo 分提升 79 分，其中文字渲染大涨 91 分，并显著增强了人像与商业成像质量。
腾讯发布 WorldClaw：一句话生成可探索、可编辑的 3D 大世界
腾讯发布智能体驱动的 3D 大世界生成系统 WorldClaw，仅凭单句文本就能生成可探索、可编辑的大规模 3D 场景。系统拆为意图规划、全局地形生成和局部物体摆放三阶段，借助渲染智能体微调物体姿态与接触面，所有模型资产均独立可复用。
周日
8月9日 星期日
LM 竞技场现身神秘模型「莫娜·丽莎-1」：疑为 OpenAI 新一代图像生成模型
LM 竞技场上线神秘模型「莫娜·丽莎-1」，引发外界猜测 OpenAI 正在测试新一代 GPT 图像生成模型。测试者发现该模型生成的图像带有 SynthID 水印，性能明显优于此前的 Image 2 模型。不过 OpenAI 官方目前尚未确认该模型。
