阿里公佈 FashionChameleon：單卡 23.8 幀，影片生成中能即時互動換衣
阿里巴巴公佈影片試衣框架 FashionChameleon。它允許在影片生成過程中即時互動式更換服裝，單卡生成速度達 23.8 FPS，並能保持人物動作與外觀連貫。最值得關注的是它僅靠單服裝資料訓練就實現了多套換裝。目前程式碼與模型尚未正式開放。
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
戛納首映真人與 AI 結合電影：保羅·路德主演，阿羅諾夫斯基監製
訊息，由達倫·阿羅諾夫斯基監製、達斯汀·耶林執導的真人與 AI 融合電影宣佈將於下週在戛納電影節首映。影片由保羅·路德與克里斯·洛克主演，將真人拍攝與 AI 生成畫面混合呈現。好萊塢一線陣容的加入，意味著 AI 影像正加速叩開主流電影圈的大門。
Resemble AI 釋出 DramaBox：像寫劇本一樣控制語音，嘆氣大笑全聽指揮
Resemble AI 釋出表現力語音模型 DramaBox。它像劇本一樣工作：引號內念臺詞，引號外用自然語言寫情緒、嘆氣或笑聲等舞臺指示，還能克隆音色。最關鍵的是它不僅自帶抗篡改水印，還開放了本地模型下載，不過本地執行需要 24GB 視訊記憶體。
Krea 推出首個自研模型 Krea 2：完全從零構建，主打風格控制
Krea 推出首個自研影像基礎模型 Krea 2。與以往基於第三方模型搭建工具不同，該模型完全從零開始訓練，專為影像生成的美學多樣性與精細風格控制而設計。此舉標誌著 Krea 從應用封裝轉向底層自研，目前已向用戶開放早期訪問。
Pixal3D 開源：靠畫素對齊做圖生 3D，生成超高精度幾何網格
圖生 3D 模型 Pixal3D 開放本地執行程式碼。它摒棄了傳統生成模型在規範空間鬆散匹配影像的做法，直接將 2D 畫素與 3D 結構明確對應。其輸出的 3D 網格在幾何精度與紋理細節上逼近真實重建水平，效果顯著超越同類工具。
Google 曝光新影片模型 Gemini Omni：融合圖文音生影片，支援對話修改
Google 全新多模態模型 Gemini Omni 曝光。它能結合影像、音訊與文本等多模態輸入生成連貫影片，並支援用自然語言對話直接修改畫面。最關鍵的是，它將邏輯推理與畫面渲染結合，首發版本 Omni Flash 可生成 10 秒短影片。
阿里釋出影像加速方法 CDM：擴散模型 4 步出圖，細節超越 DMD2
阿里推出影像生成加速方法 CDM，把傳統擴散模型所需的 20 到 50 步去噪壓縮至 4 步，實現約 5 倍加速。相比之前的 DMD2，它避免了畫面塑膠感，能保留更細膩的紋理。目前已支援 Stable Diffusion 3 和 LongCat，讓消費級 GPU 也能近乎即時出圖。
SwiftI2V 搞定 2K 圖生影片：單卡 RTX 4090 能跑，耗時狂降 202 倍
研究團隊提出高解析度圖生影片框架 SwiftI2V。它先生成低解析度運動參考，再通過條件分段生成精細的 2K 畫面，最多輸出 81 幀。這意味著 2K 影片生成不再依賴叢集，單張 24GB 的 RTX 4090 就能跑，計算時間縮減了 202 倍。
Video Rebirth 推出 Bach 1.0：生成 30 秒多鏡頭影片，原生帶聲音
初創公司 Video Rebirth 推出 AI 影片引擎 Bach 1.0。它支援生成最長 30 秒的原生 1080p 影片並自帶聲音，主打多鏡頭角色一致性與鏡頭語言控制，在 Artificial Analysis 盲測榜位列第六。目前官網已開放註冊免費試用。
Microsoft 釋出 Map2World：畫張俯視色塊圖，直接生成可探索 3D 世界
Microsoft 推出 AI 框架 Map2World。使用者只需輸入一張顏色分割槽的俯視地圖並搭配提示詞，系統就能生成可旋轉探索的完整 3D 世界，還能精準控制建築比例。它擺脫了傳統網格佈局限制，讓大場景 3D 建模像畫地圖一樣直觀。
UniVid-X 影片框架釋出：不僅能摳像換背景，還能重構光照與表面法線
研究團隊提出影片多模態框架 UniVid-X。它不僅能生成 RGB 影片，還能直接解析和生成物體的基礎顏色、光照資訊、表面法線以及前後景 Alpha 通道。這意味著只需輸入一段影片，就能精準完成角色替換、背景摳像甚至黃昏重打光等精細編輯。
ElevenLabs 推出 ElevenMusic：不止做語音，還能混音創作和賺錢
ElevenLabs 宣佈推出音樂平臺 ElevenMusic。該平臺基於其自研音樂模型，集成了音樂發現、混音與創作工具，還加入了變現機制讓創作者獲利。這意味著 ElevenLabs 正式從 AI 語音領域跨界殺入音樂生成賽道。
阿里 Qwen 上線 Qwen-Image-2.0-Pro：躋身 Arena 全球文生圖前十
阿里 Qwen 團隊宣佈上線文生圖模型 Qwen-Image-2.0-Pro。新模型大幅提升了影像質量、多語言文字渲染和指令遵循能力，並在競技場 Arena 的文生圖榜單中排在全球第 9 位。目前該模型已在 ModelScope 開放體驗，並同步上線 API。
Grok Imagine 升級圖生影片：對口型更準，音訊也更清晰了
Grok Imagine 升級圖生影片功能，大幅提升了對口型效果與音訊清晰度。更新後對白能夠準確貼合嘴型動作，聲音也更符合畫面場景，讓最終生成的聲畫表現更自然連貫。
Ideogram 上線自定義模型：用私有圖片訓練，鎖定品牌視覺與排版
Ideogram 推出自定義模型（Custom Models）功能，允許使用者使用自有影像資產而非全網公開資料訓練專屬生圖模型。該功能專門用於保持品牌的藝術風格、字型排版及視覺識別一致性，目前已面向 Team、Pro、Enterprise 會員及 API 開放呼叫。
3D 高斯濺射房產方案：手機掃全屋，瀏覽器免 App 即可全景漫遊
一項基於 PlayCanvas 的開源 3D 高斯濺射方案讓手機掃描看房成為現實。AI 能將拍攝照片重建為數百萬個光雲，檔案比短影片還小，在瀏覽器裡就能照片級漫遊。全景看房成本大幅降至約 200 美元，已有自由職業者開始向房產公司等收費接單。
OpenAI 釋出 ChatGPT Images 2.0：文字渲染大升級，支援中日韓等多語言
OpenAI 推出 ChatGPT Images 2.0。新模型重點提升了文字渲染與視覺推理能力，支援中文、日文、韓文和阿拉伯文等多種文字排版，並在攝影、漫畫等風格上帶來更高的控制精度。使用者已可直接在 ChatGPT 中使用。
UniGeo 帶來相機可控影像編輯：輸入精確角度，自由平移俯仰視角
研究團隊提出相機可控影像編輯框架 UniGeo。它能將單張圖片轉為 3D 幾何表徵，支援使用者通過輸入精確角度來平移或俯仰鏡頭，重新渲染新視角。這解決了普通影像生成工具難以精準運鏡且容易變形的問題，相關模型即將推出。
Gemini 接入 Google 相簿：結合 Nano Banana 2，一句話畫出個性化全家福
Google 宣佈為 Gemini 應用引入個性化生圖功能，結合 Nano Banana 2 與 Google 相簿。使用者無需上傳參考圖或手寫長篇提示詞，Gemini 能自動呼叫相簿中標記的人物與寵物生成水彩或黏土風格畫作。該功能正向美國 Google AI 訂閱使用者推送。
阿里 ATH 推出世界模型 Happy Oyster：即時生成可互動 3D 環境
阿里巴巴 ATH 團隊推出互動式 3D 世界模型 Happy Oyster 測試版。該模型能根據多模態輸入即時構建可探索的 3D 環境，使用者可用提示詞生成角色並操控其騎馬、滑翔甚至騎龍。目前官方已開放候補名單申請測試資格。