跳到正文
IFAI

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。

近 7 天 4 則

  1. 傳播指數 41

    Runway 釋出 GWM Worlds 2：720p 即時生成互動世界，按鍵即可操控

    Runway 釋出即時世界模型 GWM Worlds 2，支援以 720p 24 幀連續生成音影片，且沒有預設時長限制。使用者通過首幀與提示詞定義物理規則後，可像打遊戲一樣用按鍵或文本指令即時控制鏡頭、角色動作與場景互動。不過快速轉動鏡頭時畫質仍會下降。

  2. 傳播指數 39

    fal 推出 AI 直播平臺：觀眾輸入提示詞即時當「導演」

    fal 推出 AI 互動直播平臺 fal.live。使用者進入頻道後可輸入文字提示詞，即時引導接下來生成的直播畫面，從被動觀眾變成內容的「導演」。這也意味著即時影片生成技術開始走向無盡互動直播體驗。

  3. 傳播指數 45

    MiniMax 開源 FastH3 v1：13 秒出 15 秒影片

    Hao AI Lab 與 MiniMax 聯合開源影片模型 FastH3 v1。該模型在輝達 Blackwell GPU 上最高提速 14 倍，生成 15 秒 768p 影片僅需 13 秒。團隊目前已公開完整權重與推理程式碼，單個權重即可支援不同解析度和時長。

  4. 傳播指數 41

    Midjourney 開啟 V8.2 編輯模型公測：支援指令修圖與四圖參考

    Midjourney 宣佈向社群開放首個 V8.2 影像編輯模型測試。新模型支援輸入文字指令修圖、區域性重繪與畫布擴充套件，並允許同時傳入最多 4 張參考圖。最值得關注的是，它取代了此前的全能參考方案，且兼顧個性化引數與情緒板。

  5. 傳播指數 49

    Google 推出 Gemini Omni 1.1 Flash：支援 40 秒場景延展與 4K 超分

    Google 推出影片生成模型 Gemini Omni 1.1 Flash。新模型可結合前 10 秒上下文將片段延展至最長 40 秒，支援首尾關鍵幀插值，並新增 4K 超分與快 60%、成本僅三分之一的 360p 草稿模式。開發者可直接在 Google AI Studio 中呼叫。

  9. 傳播指數 38

    OpenAI 升級 GPT-Image-2：API 支援直接生成透明背景圖

    OpenAI 宣佈在 GPT-Image-2 API 中推出透明背景生成預覽功能。開發者無需再借助後期摳圖，即可直接生成能夠無縫嵌入任何背景的設計素材，適用於電商產品圖、平面排版和網頁原型。該功能目前處於預覽階段。

  10. 傳播指數 37

    Tripo 推出 P2.0 Preview：原生生成四邊面，遊戲資產直接可用

    Tripo 推出專為遊戲與即時渲染管線打造的 3D 生成器 P2.0 Preview。其核心在於原生支援四邊面拓撲，支援最高 5 萬三角面或 2.5 萬四邊面，關節處邊緣環平滑、平面結構乾淨。目前每位使用者可獲贈 2 次免費生成機會。

  14. 傳播指數 47

    Suno 釋出 Studio 2.0：支援 MIDI 錄製、AI 搓外掛和進階分軌

    Suno 推出音樂工作站 Suno Studio 2.0。新版不僅支援 MIDI 匯入錄製與自動化曲線繪製，還加入了 Chat bar，讓音樂人能用自然語言直接生成獨家效果器外掛並進行進階音訊分軌。目前該版本已面向 Suno Premier 訂閱使用者開放。

  15. 傳播指數 41

    MiniMax 開源 Music 3.0：單次生成 5 分鐘整曲，基於千問底座

    MiniMax 推出開源權重音樂模型 Music 3.0。它採用基於 Qwen3.5-8B 的混合架構與流匹配技術，使用者只需輸入提示詞與歌詞，就能單次生成長達 5 分鐘的完整編曲與人聲演唱。最值得關注的是，它通過結構化描述解決了長音訊樂器走樣與情緒斷層問題。

  17. 傳播指數 35

    騰訊釋出 WorldClaw：一句話生成可探索、可編輯的 3D 大世界

    騰訊釋出智慧體驅動的 3D 大世界生成系統 WorldClaw，僅憑單句文本就能生成可探索、可編輯的大規模 3D 場景。系統拆為意圖規劃、全域性地形生成和區域性物體擺放三階段，藉助渲染智慧體微調物體姿態與接觸面，所有模型資產均獨立可複用。