TeleStyle 开源：用参考图或提示词给图片视频一键换风格
研究团队发布风格迁移模型 TeleStyle，支持通过参考图或文本为图像和视频赋予特定画风。该模型基于 Qwen-Image-Edit 构建，借助课程持续学习与专用的视频模块，在套用新风格时仍能保证画面内容和帧间连贯性。目前代码与预训练模型已开源。
AI图像
查看更新的新闻
阿里开源 Z-Image 满血基座：主打高多样性与微调，ComfyUI 首日支持
阿里通义团队开源图像生成基座模型 Z-Image。它是此前 Turbo 版本的未蒸馏满血底模，解决了一换种子构图不变、多人同脸的问题，原生支持负向提示词和 LoRA 微调。出图步数增至 50 步，目前已支持在 ComfyUI 中直接运行。
ESA 用 AI 筛查哈勃近亿张图像：两天半揪出 800 多个未知天体
欧洲空间局天文学家公布神经网络 AnomalyMatch。它在两天半内筛查了哈勃档案中近 1 亿张图像切片，找出 1400 个异常天体候选，其中 800 多个为此前从未记录的宇宙异常，包括引力透镜和无法归类的神秘天体。
Krea AI 测试 Realtime Edit：前万名候补与 Max 用户率先可用
Krea AI 宣布上线 Realtime Edit 的 Beta 测试，首批向候补名单前 10000 名用户以及全部 Max 订阅用户开放。该功能主打实时局部编辑与修图，普通用户目前仍需在候补名单中排队。
Google DeepMind 动画短片亮相圣丹斯：用 Veo 配合草图控制生成 4K 画面
Google DeepMind 联合前皮克斯动画师制作的短片在圣丹斯电影节展出。团队弃用单纯文字生成，改用草图与粗剪驱动 Veo 和 Imagen，实现局部重绘与风格微调。最值得关注的是，这套工作流证明了专业动画不必向 AI 的随机性妥协。
腾讯开源混元图像 3.0 Instruct：原生内置思维链，一句话精准修图
腾讯发布并开源混元图像 3.0 图生图模型（HunyuanImage 3.0-Instruct），支持指令修图与多图融合。模型原生内置思维链，生成前会先推理编辑步骤与保留区域。该能力已在腾讯元宝上线，开源权重约 169 GB，对本地显存要求极高。
谷歌 DeepMind 发布 D4RT：统一 4D 重建与追踪，速度快达 300 倍
谷歌 DeepMind 发布统一 4D 重建与跟踪模型 D4RT。它把整段视频压缩成全局时空表征，再通过并行查询即时生成深度与运动轨迹，轨迹追踪吞吐量比现有技术快出最高 300 倍。这意味着机器人和 AR 设备有望以极低延迟实时看清并预判流动的物理世界。
RF-DETR 开源：实时分割模型单图最快 3.4 毫秒，采用 Apache 2.0
研究员开源实时分割模型 RF-DETR segmentation，采用 Apache 2.0 协议。模型提供从 Nano 到 2XLarge 共 6 种尺寸，单图推理速度在 3.4 毫秒（40.3 mAP）至 21.8 毫秒（49.9 mAP）之间，兼顾实时性与高精度分割。
YouTube 将支持 AI 分身做短视频：创作者可用数字人自拍 Shorts
YouTube 宣布今年将允许创作者使用自己的 AI 形象生成 Shorts 短视频，还能靠文本提示做小游戏。平台还将同步配套肖像管理工具，防范未经授权的盗用与低质 AI 内容。目前该功能尚未正式上线。
视频抠像模型 VideoMaMa：粗掩码转像素级抠像，宣布将开源
研究人员推出视频抠像模型 VideoMaMa，利用预训练视频扩散模型的生成先验，直接将粗糙的分割掩码转化为发丝级精确的抠像。团队还基于此构建了含超 5 万条真实视频的数据集 MA-V 并训练出 SAM2-Matte。所有模型与数据均将公开发布。
Motion 3-to-4：单目视频直接转 4D 动态物体，角色动作还能迁移
研究团队开源 4D 动态生成模型 Motion 3-to-4。它能从单视角视频中直接重建高保真 4D 动态物体，把任务拆解为静态 3D 形状与逐帧顶点运动轨迹预测，还能将提取出的角色动作迁移到其他视频中。
Lightricks 推出音频转视频功能：听懂音乐节拍，用声音直接生成画面
Lightricks 推出音频转视频功能，允许用户输入语音、音乐或音效生成对应视频。模型能理解节奏与节拍，实现画面与声音精准卡点，可用来制作音乐视频、素材和数字人。这意味着声音也能直接充当画面的分镜脚本。
Overworld 开源实时世界模型 Waypoint-1：键鼠直接操控，5090 上跑出 60 帧
Overworld 开源实时交互式视频模型 Waypoint-1 及推理库 WorldEngine，支持通过键鼠实时操控画面。该模型基于上万小时游戏视频训练，在 RTX 5090 上最高可达 60 FPS 且近乎零延迟。不过目前画面一致性较弱且存在幻觉，已开放 2.3B 小型版本下载。
Meta 开源 ShapeR：随手拍视频拆出尺寸准确的独立 3D 物体
Meta 开源 3D 重建框架 ShapeR。它结合 SLAM 点云与多模态数据，能把随手拍摄的视频序列直接拆解，为场景中的每个物体生成具备真实度量尺寸的独立 3D 网格。这解决了以往 3D 生成将场景糊成一体、无法单独编辑物体的难题。
研究人员推出智能体 VIGA：给一张图，直接在 Blender 里重建成 3D 场景
研究团队推出多模态智能体 VIGA，能把单张二维图像重构成 Blender 里可完全编辑的 3D 场景程序。它通过交替多模态推理与上下文记忆，既能用几何图元从零搭场景，也能调用现有 3D 工具。基准测试显示，其在 BlenderBench 上的综合表现相比基线提升超 124%。
开源模型 CoDance：打破空间绑定，让画面中任意多角色同框起舞
研究团队开源多主体动画模型 CoDance，解决了角色与驱动姿态错位就无法动起来的难题。它先解绑动作与空间位置，再通过文本和遮罩把动作精准指派给目标角色，无论画面里有几个人、什么画风都能生成协调动画。目前代码与权重已全部开源。
Black Forest Labs 发布 FLUX.2 klein：亚秒生图，4B 开源、消费级显卡可跑
Black Forest Labs 发布图像生成模型 FLUX.2 klein，能在 13GB 显存的消费级显卡上实现亚秒级生图与编辑。模型提供 API 与本地部署支持，其中 4B 版本采用 Apache 2.0 协议开源，9B 版本开放权重，官方同步上线了免费 Demo。
Black Forest Labs 推出 FLUX.2 [klein]：亚秒级生图，4B 版本开源 Apache 2.0
Black Forest Labs 推出快速图像生成模型 FLUX.2 [klein]，主打亚秒级推理，官方称比竞品快 30% 以上。新模型分为 9B 与 4B 两种规格，其中 4B 版本采用宽松的 Apache 2.0 开源协议，最低仅需 8.4GB 显存即可本地部署，且官方提供了免注册体验 Demo。
3D 绑骨框架 RigMo 发布：无需人工标注，自动给动物和物体加骨骼做动画
研究团队公布 3D 动画框架 RigMo 论文。它能直接从模型序列中推断骨架与动作，无需人工标注骨骼，除了人形和鸟兽外，连风扇等物体也能准确绑定。相比 Uni-Rig 更稳且不易绑歪。目前代码与数据即将开源。
腾讯推出 VerseCrafter：单图生成视频，可在 Blender 里拖运镜和物体轨迹
腾讯等研究人员推出视频世界模型 VerseCrafter。它以 Wan2.1 为底座，能将单张图片转化为几何场景，让用户在 Blender 中直接编辑运镜路线与物体的 3D 运动轨迹，生成多视角下连贯的高质量动态视频。不过模型目前对人体朝向和非刚性背景形变控制仍有限制。