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 45

    OpenAI 推出 DALL·E 3：原生整合 ChatGPT，告別繁瑣提示詞工程

    OpenAI 推出文生圖模型 DALL·E 3，原生整合在 ChatGPT 中。它大幅提升了對複雜細節的理解力，使用者無需專門的提示詞技巧即可精準出圖，並限制生成公眾人物與在世藝術家風格。生成圖片完全歸使用者所有，可直接商用。

  2. 傳播指數 41

    Stability AI 釋出 Stable Audio：用文字生成 44.1 kHz 音樂和音效

    Stability AI 推出首款音樂與音效生成工具 Stable Audio。它基於潛在擴散架構，使用者輸入文本提示詞和指定時長即可生成 44.1 kHz 音訊。免費版支援最長 45 秒片段，Pro 訂閱可生成 90 秒且允許商用，訓練資料來自版權曲庫 AudioSparx。

  3. 傳播指數 42

    文生圖模型 Würstchen 開源：42 倍空間壓縮，訓練成本直降 16 倍

    Hugging Face 宣佈文生圖模型 Würstchen 正式整合至 Diffusers 庫。它用創新的兩階段架構實現了 42 倍影像空間壓縮，生成速度遠快於 SDXL 且佔用極少視訊記憶體，訓練成本相比 SD 1.4 直降 16 倍。這意味著沒有頂級顯示卡的開發者也能低成本玩轉高畫質生圖。

  5. 傳播指數 39

    AI Drake 幕後作者再發新歌，還想拿 AI 假歌衝刺格萊美

    炮製 AI Drake 爆款的匿名創作者 Ghostwriter 釋出新歌，用 AI 仿製歌手聲音，並把此前作品送選格萊美。錄音學院確認詞曲由人類創作因此符合參評資格，但受版權下架影響卡在發行門檻。AI 仿聲與傳統唱片業的博弈正被推上風口浪尖。

  6. 傳播指數 42

    Ideogram 0.1 免費向全球開放：主打在 AI 圖片裡精準渲染文字

    Ideogram 宣佈文生圖模型 Ideogram 0.1 正式免費向所有人開放。該模型主打攻克現有工具的缺陷，能在圖片中直接渲染連貫且美觀的文字，支援字型排版與多種風格標籤。最值得關注的是，它解決了 AI 生成文字模糊錯亂的通病。

  7. 傳播指數 35

    Stability AI 聯手 NVIDIA 最佳化 SDXL：H100 出圖只需 1.47 秒

    Stability AI 宣佈與 NVIDIA 合作，通過 TensorRT 深度最佳化 SDXL 並開放 ONNX 權重。在 H100 GPU 上模型效能翻倍，高畫質圖生成僅需 1.47 秒，延遲降低 41%、吞吐量提升 70%。生圖效率大幅提高，能直接降低創作者與開發者的部署成本。

  8. 傳播指數 31

    Snapchat 曝光 AI 新功能 Dreams：能跟好友一起拍奇幻大片

    據 TechCrunch 報道，Snapchat 正在開發名為「Dreams」的生成式 AI 功能。使用者上傳清晰自拍後，系統能將自己和好友合成到奇幻場景中。程式碼中還出現了「Dream Packs」付費包痕跡，目前 Snapchat 暫未正式回應上線時間。

  9. 傳播指數 35

    Runway 上線 Watch 功能：給 AI 生成長影片搭了個放映廳

    Runway 在其網站和 iOS App 上線「Watch」功能，供使用者分享與瀏覽使用 Runway 工具生成的長影片作品。面對好萊塢因擔憂 AI 搶飯碗而爆發的罷工，其 CEO 表示 AI 不是要替代一切而是增強創作，上線該功能正是為了展示創作者的實際成果。

  10. 傳播指數 31

    Shutterstock 聯手輝達 Picasso：用文字一鍵生成 8K 3D 背景貼圖

    Shutterstock 宣佈藉助 NVIDIA Picasso 雲服務開發 3D 場景背景生成功能。創作者輸入文本或影像提示詞，就能生成 8K 解析度的 360 度環境貼圖來為 3D 場景打光和做背景，模型訓練全部基於完全授權的資料。說白了，就是把繁瑣的環境佈景交給 AI，讓 3D 藝術家省下時間專心摳主體模型。

  12. 傳播指數 47

    Twitch 上的不間斷 AI 辯論：AI 特朗普與 AI 拜登同臺吵架

    Twitch 上線名為 trumporbiden2024 的 24 小時 AI 辯論直播，AI 驅動的特朗普與拜登不僅能模仿原聲和神態，還互相人身攻擊並嘲弄彈幕觀眾。這場實驗吸引了超 10 萬人觀看，雖然言論頻頻陷入荒誕失控，但也展示了 AI 擬真模仿的高成熟度。

  13. 傳播指數 42

    Midjourney 釋出 v5.2：鏡頭級「Zoom Out」，一鍵把畫面向外拉遠

    週四，Midjourney 釋出 v5.2 影像模型，新增類似相機鏡頭的「Zoom Out」外擴功能。它能保持中心主體不變，向外補全 1.5 倍或 2 倍的更大場景，還重構了美學系統並加入精簡提示詞的「/shorten」指令。不過該功能目前僅支援平臺內生成的影像，無法匯入外部圖片。

  14. 傳播指數 44

    Stability AI 釋出 SDXL 0.9：引數翻倍，消費級顯示卡也能跑

    Stability AI 推出文生圖模型 SDXL 0.9，畫面細節相比 4 月的測試版大幅升級。新版本採用兩階段生成架構，組合引數達 6.6B，能在 8GB 視訊記憶體的消費級顯示卡上跑出 1024x1024 影像。普通使用者現可通過 Clipdrop 試用，正式開源版 1.0 預計 7 月中旬到來。

  19. 傳播指數 39

    Meta 釋出 MusicGen：輸入文字或哼段旋律，直接生成音樂

    Meta 推出音樂生成模型 MusicGen，支援通過文本描述或旋律提示來創作音樂。該模型基於 2 萬小時的音樂和樂器樣本訓練，理論上只要哼個調子就能生成變體曲目。這意味著零門檻音樂創作正在成真，但也可能面臨音樂產業的版權挑戰。