YouTube 將支援 AI 分身做短影片：創作者可用數字人自拍 Shorts
YouTube 宣佈今年將允許創作者使用自己的 AI 形象生成 Shorts 短影片，還能靠文本提示做小遊戲。平臺還將同步配套肖像管理工具，防範未經授權的盜用與低質 AI 內容。目前該功能尚未正式上線。
AIGC
Midjourney、Sora、Veo、Suno 等 AI 繪畫、影片、配音和音樂生成工具的新模型、新功能和新玩法。
檢視更新的新聞
ElevenLabs 聯手格萊美得主發專輯：Eleven Music 操刀，藝人獨佔版權
ElevenLabs 聯合多位格萊美獲獎音樂人推出首張錄音室級 AI 專輯《The Eleven Album》，曲目均由其音樂模型 Eleven Music 驅動生成。參與藝人擁有全部版權並享有全部流媒體版稅。最值得關注的是，這表明 AI 音樂正在從侵權訴訟轉向與主流音樂產業的版權共創。
OmniTransfer 釋出：給一段參考影片，就能復刻特效、動作與運鏡
OmniTransfer 推出基於 Wan 2.1 的影片遷移框架，將視覺特效、動作驅動、運鏡控制以及角色 ID 和風格遷移統一在單個架構中。最值得關注的是，它無需手動提取骨架或估計相機軌跡，就能直接把參考影片裡的動態與質感遷移到新畫面。
Lightricks 推出音訊轉影片功能：聽懂音樂節拍，用聲音直接生成畫面
Lightricks 推出音訊轉影片功能，允許使用者輸入語音、音樂或音效生成對應影片。模型能理解節奏與節拍，實現畫面與聲音精準卡點，可用來製作音樂影片、素材和數字人。這意味著聲音也能直接充當畫面的分鏡指令碼。
Google 升級 Veo 3.1：支援原生 9:16 豎屏與 4K，做短劇不崩臉
Google 升級影片模型 Veo 3.1，為圖片生影片功能加入原生 9:16 豎屏與最高 4K 畫質。新版大幅提升角色和背景跨鏡頭的一致性，換場景也不崩臉，創作者免裁切就能直出短劇，現已上線 Gemini 與 YouTube Create。
PixVerse 釋出即時世界模型 R1：邊播邊改提示詞，生成連續影片流
PixVerse 釋出即時世界模型 PixVerse R1，能以流式生成連續 1080P 影片，使用者中途隨時輸入提示詞即可即時改變畫面。雖然目前一致性較弱、物體易變形，但它讓 AI 影片從等渲染的切片變成了可即時干預的模擬世界。
騰訊推出 VerseCrafter：單圖生成影片，可在 Blender 裡拖運鏡和物體軌跡
騰訊等研究人員推出影片世界模型 VerseCrafter。它以 Wan2.1 為底座，能將單張圖片轉化為幾何場景，讓使用者在 Blender 中直接編輯運鏡路線與物體的 3D 運動軌跡，生成多視角下連貫的高質量動態影片。不過模型目前對人體朝向和非剛性背景形變控制仍有限制。
Z.ai 釋出 GLM-Image：混合架構，文本渲染準確率達 91.2%
Z.ai 在 Hugging Face 釋出影像生成模型 GLM-Image，採用混合自迴歸與擴散解碼器架構。該模型支援單一模型內完成文本生成影像，在 CVTG-2K 評測上的文本渲染單詞準確率達到 91.2%，超過 Seedream 4.5 與 GPT 圖片 1。
通義實驗室開源 Qwen-Image-2512：毛孔更逼真，還能生成 PPT
12 月，通義實驗室開源釋出文生圖模型 Qwen-Image-2512。新版本主打擺脫「AI 塑膠感」，不僅讓人像皺紋、毛孔和動物毛髮根根分明，還大幅提升了文字渲染精度，甚至能直接生成排版工整的資訊圖和 PPT 幻燈片。
Runway 聯手 Adobe：AI 影片模型進駐全家桶，還要開發獨佔工作流
Runway 宣佈與 Adobe 達成多年戰略合作，把 Runway 的 AI 模型與技術直接接入 Adobe 創意工具。雙方還將針對專業工作流聯合開發專屬能力，並且只在 Adobe 軟體中獨佔提供。這意味著專業剪輯師和創作者無需再頻繁切視窗換工具了。
阿里上線 Qwen-Image-Edit-2511：多人合照不走樣，還內建社群 LoRA
阿里推出 Qwen-Image-Edit-2511。相比 2509 版本，新模型大幅減少影像漂移，重點強化了多人合照的人物一致性與幾何推理能力。最實用的是直接內建熱門社群 LoRA，做工業設計或改圖免去了額外微調。
阿里釋出 Qwen3-TTS 語音系列：3 秒克隆聲音，用提示詞捏出專屬人設
阿里巴巴 Qwen 團隊上線 Qwen3-TTS 語音系列，主打聲音設計與克隆。其中 VoiceDesign 支援用自然語言提示詞定製語氣和人設，VoiceClone 則僅需 3 秒音訊就能復刻聲音並支援 10 種語言。在多語言測試中，其詞錯誤率比 ElevenLabs 低 15%。
快手可靈 2.6 升級：支援自定義聲音克隆，複雜動作與手部不再糊
快手為可靈 2.6 推出語音控制與動作控制兩項升級。使用者可上傳音訊訓練專屬聲音，讓角色在多個影片片段裡保持音色一致，支援旁白與歌唱；動作控制則大幅強化了複雜運動捕捉，生成武術與舞蹈時手部更清晰、唇形同步也更自然。
Luma 推出 Ray3 Modify：用首尾幀生成過渡影片，還能保留真人演技
Luma 釋出影片模型 Ray3 Modify，已上線 Dream Machine 平臺。它支援輸入首尾兩幀來生成中間的過渡鏡頭，還能在替換角色外觀的同時，保留原素材中演員的動作、眼神與情緒。創作者無需重新實拍，就能用 AI 隨意更換佈景與服裝。
Kling VIDEO 2.6 升級動作控制：30 秒參考影片，手部快動作不糊
Kling AI 宣佈在 Kling VIDEO 2.6 中上線升級版動作控制功能。新版支援精準捕捉全身動作與武術、舞蹈等複雜快節奏畫面，改善了手勢細節與面部口型。創作者可上傳 3 到 30 秒參考影片生成連貫動作，還能配合提示詞微調場景。
OpenAI 推出 GPT Image 1.5：生成提速 4 倍，支援自然語言精準修圖
OpenAI 推出旗艦影像生成模型 GPT Image 1.5，生成速度比此前提升 4 倍，API 定價降低 20%。該模型支援用自然語言直接進行區域性微調，能在多次修改中保持人臉與品牌 Logo 一致，並登頂 LMArena 影像生成與編輯榜單。
YouTube 內測 Playables Builder：輸入一句話就能生成小遊戲
YouTube Gaming 啟動 Playables Builder 封閉內測。這是一款基於 Gemini 3 的原型工具，允許使用者用簡短的文本、影片或影像提示詞直接生成小遊戲。美、加、英、澳使用者已可在部分合作創作者的頻道內直接試玩首批作品。
Black Forest Labs 釋出 FLUX.2 [max]：支援聯網搜尋，參考圖拉到 10 張
Black Forest Labs 釋出新模型 FLUX.2 [max]。新模型支援聯網檢索即時資訊輔助生成，並允許輸入最多 10 張參考圖來保持角色、產品與風格一致，在 @ArtificialAnlys 的文生圖和影像編輯中排名第二。
阿里釋出 Wan2.6：支援 15 秒多鏡頭敘事，還能原生音畫同步
阿里巴巴釋出原生多模態模型 Wan2.6。它不僅支援生成 15 秒 1080p 影片，還能實現自動分鏡的多鏡頭敘事與多人對話原生唇形對齊，甚至可將參考影片中的角色跨場景遷移。這意味著用 AI 製作連貫劇情短片的門檻進一步降低。
Adobe Firefly 上線提示詞影片編輯：接入 FLUX.2，不用重抽整段影片了
Adobe 正式向所有使用者推出 Firefly 影片編輯器。使用者輸入文字指令就能直接修改影片裡的元素、色彩或運鏡，不必整段重新生成。新版還接入了 FLUX.2 和 Topaz Astra 4K 超分等第三方模型，多檔付費訂閱使用者在 1 月 15 日前可享無限生成。