Leonardo.Ai 啟動新品牌活動：向創作者示好送 300 代幣
Leonardo.Ai 推出全新品牌活動「Yours to Create」，呼籲設計師與藝術家擁抱生成式 AI，並在社交平臺向互動使用者贈送 300 代幣。這表明影像生成平臺正加緊拉攏專業創作者，試圖將 AI 真正嵌入主流工作流。
AIGC · 日報
週三
2月18日 星期三
Tavus 釋出數字人模型 Phoenix-4：支援即時情緒控制與微表情
Tavus 推出即時數字人渲染模型 Phoenix-4。它能在毫秒級延遲下生成頭部運動，並支援在說話與傾聽時動態調整情緒狀態，解決了傳統數字人全程固定假笑的生硬感。這意味著即時 AI 對話的互動擬真度邁進了一大步。
Google 在 Gemini 中上線 Lyria 3：文字或照片一鍵生成 30 秒音樂
Google 宣佈在 Gemini 中上線 DeepMind 最新音樂模型 Lyria 3 測試版。輸入文本或上傳照片、影片，幾秒內即可生成帶自擬歌詞的 30 秒音訊和專屬封面。音訊內嵌 SynthID 水印，目前面向 18 歲以上使用者開放網頁端，移動端隨後推出。
週二
2月17日 星期二
NVIDIA 推出三圖示例編輯器 LoRAWeave：給一對前後對比圖，精準克隆修圖風格
NVIDIA 提出影像編輯方案 LoRAWeave。與單參考圖不同，它需要輸入編輯前、編輯後兩張示例圖以及目標圖，自動提取變換規律並應用到新圖上。這種視覺類比方式復刻風格更穩，尤其適合用語言難以描述的複雜畫面處理。
Anam 釋出 Cara-3：首幀僅 70 毫秒，單圖秒變互動數字人
Anam 釋出互動式面部生成模型 Cara-3。它將動作生成與畫面渲染解耦，單張參考圖即可即時驅動，首幀延遲壓縮至 70 毫秒。盲測表明其綜合好感度明顯領先競品；更關鍵的發現是，在即時對話中，響應速度比畫面精細度更能跨越「恐怖谷」。
Moonlake 開啟公測：一句話生成帶物理和互動的可玩 3D 世界
Moonlake AI 開啟世界建模智慧體公測。與單純生成場景不同，它把 3D 模型、物理、音效與規則繫結在同一實體上，僅憑一句提示詞就能自主完成多階段開發，輸出即時可玩的虛擬世界。目前候補已超萬人，訂閱起價每月 15 美元。
週四
2月12日 星期四
Krea AI 收購 Wand：上線 iPad 原生應用，畫筆塗鴉即時變 AI 畫面
Krea AI 宣佈收購創意繪圖應用 Wand，並正式推出 iPad 原生應用。該應用結合了 iOS 原生操作體驗與自定義畫筆，並接入其即時 AI 生成技術，創作者在平板上落筆塗鴉時即可即時看到渲染效果。
Runway 推出 Story Panels 工作流：從單張圖生成風格一致的全片分鏡
Runway 推出「Story Panels」精選工作流。創作者只需一張圖片，就能通過幾步操作生成包含一致角色、場景與風格的整套鏡頭目錄。這對苦於前後鏡頭角色「變臉」的創作者來說，大幅降低了連貫分鏡的製作門檻。
字節跳動釋出 Seedance 2.0：支援音影片聯合生成，可混合輸入 9 圖 3 影片
字節跳動 Seed 團隊釋出音影片生成模型 Seedance 2.0。它採用音影片聯合生成架構，支援同時輸入最多 9 張圖、3 段影片和 3 段音訊進行參考，可生成帶雙聲道音效的 15 秒多鏡頭影片，大幅提升了複雜運動互動的物理真實度。
超高解析度影片框架 LUVE 亮相：支援真 4K 生成，細節精細到毛髮
研究團隊展示超高解析度影片生成框架 LUVE，專門攻克超清影片細節難合成的痛點。它採用潛空間上取樣與雙頻專家三階段架構，能直接生成 2K 和 4K 影片，連蜜蜂絨毛與水波紋都清晰可見。目前論文與演示已公開，程式碼暫未開放。
週二
2月10日 星期二
Meta AI 落地 Facebook：靜態頭像一鍵動起來，發帖還帶動態背景
Meta 宣佈在 Facebook 推出由 Meta AI 驅動的創作功能，能把靜態單人頭像秒變揮手、拋綵帶等動效。快拍和回憶也支援用提示詞重繪畫面風格，純文字帖還加入了海浪、落葉等動態背景。Meta 正把生成式 AI 塞進最日常的社交表達裡。
阿里釋出 Qwen-Image-2.0：原生 2K 畫質，告別亂碼文字
阿里千問團隊推出下一代影像生成模型 Qwen-Image-2.0。新模型支援 2K 原生解析度，可處理長達 1000 token 的排版提示詞，精準渲染圖片中的文字，並整合了影像生成與編輯功能。同時架構更輕量，推理速度更快。
週一
2月9日 星期一
Hyper3D 推出 Rodin Gen-2：用自然語言精準區域性修改 3D 模型
Hyper3D 推出 Rodin Gen-2 及其編輯功能，支援文本或圖片生成 3D 資產。新增的區域性重繪功能允許使用者框選模型特定區域，直接用提示詞微調結構與材質，無需推倒重建。生成結果具備生產級四邊面網格，可直接匯出 STL 等格式用於 3D 列印。
字節跳動測試 Seedance 2.0：告別「水下漂浮感」，動作更逼真
字節跳動公佈最新 AI 影片生成模型 Seedance 2.0，目前面向即夢 AI 的部分使用者展開 Beta 測試。該工具讓畫面動作更加逼真，大幅減少了以往 AI 影片常見的漂浮失真感。這項能力未來很可能接入 TikTok，直接給海外同類產品施加壓力。
位元組預告音影片模型 Alive：聲畫同步一次生成，口型表情全打通
字節跳動公佈音影片統一生成模型 Alive。它能同時接收文本、參考圖與參考音訊，直接生成口型同步且表情自然的帶聲影片。評測顯示其綜合表現超越 Sora 與 LTX2，不過目前僅公開了論文，程式碼與線上 Demo 尚未開放。
ElevenLabs 推出 Audiobooks：手稿一鍵變有聲書，支援全平臺分發
ElevenLabs 推出 Audiobooks 功能，創作者可將文本手稿一鍵轉為有聲書。它提供富有表現力的 AI 配音與場景級精細調節，支援新增音效與聲音克隆，並能直接分發至 ElevenReader 及各大主流平臺，把繁瑣的專業錄音流程壓縮為一站式工作流。
位元組上線 Seedream 5.0 Preview：支援聯網搜尋與精準編輯，2K 影像目前免費
字節跳動推出 Seedream 5.0 Preview，主打聯網檢索、精準編輯與邏輯推理三合一。模型能即時調取天氣或最新資訊融入畫面，還可以參考給定圖片學習修圖手法、提取穿搭生成平鋪圖。生成規格支援 2K 高畫質，目前面向用戶免費開放。
週日
2月8日 星期日
清華 Xmax AI 推出即時互動影片模型 X1：伸手就能與虛擬角色互動
清華大學 Xmax AI 團隊推出即時互動影片模型 X1。它支援通過手機攝像頭捕捉手勢，無需手柄即可即時觸控並操控虛擬角色，具備毫秒級超低延遲和無限時長生成能力。目前團隊已開啟免費內測申請。
週三
2月4日 星期三
Kling AI 推出 Kling 3.0：支援 15 秒多鏡頭影片與 4K 影像輸出
Kling AI 推出多模態創作模型 Kling 3.0。新模型支援生成 15 秒高逼真度可控多鏡頭影片，升級了支援多角色及多口音的原生音訊，並帶來 4K 影像輸出。目前新模型已在網頁端上線，僅限 Ultra 訂閱使用者搶先體驗。
Roblox 公測「4D 生成」：一句話不僅能造出 3D 汽車，還能直接開走
Roblox 推出由 Cube 基礎模型驅動的 4D 生成 Beta 版，在 3D 模型基礎上加入了可執行的互動維度。系統通過預設規則把物體拆解成帶指令碼的獨立部件，玩家輸入一句話就能生成輪子能轉、能直接開上路的汽車。該功能目前已面向創作者開放測試。
週二
2月3日 星期二
Kling 提出 3D Move：把動作換給新角色，還能自由運鏡
Kling 公佈運動控制技術 3D Move。它能將影片中人物的動作遷移給真人或動漫新角色，並首次做到在動作遷移的同時自由控制鏡頭運鏡與縮放，保持空間一致性與精細手勢。目前該成果僅釋出了研究論文，尚未明確是否開源或上線。
週一
2月2日 星期一
Adobe Firefly 開放無限次生成：支援 Runway、GPT 等第三方模型
Adobe 宣佈為 Firefly 訂閱使用者開放無限次影像與影片生成。除了自家商用安全的 Firefly 模型，還直接引入了 Google Nano Banana Pro、GPT 與 Runway Gen-4 等第三方頂尖模型。3 月 16 日前加入指定計劃，即可無限生成最高 2K 解析度內容。
xAI 釋出 Grok Imagine 1.0：支援 720p 與 10 秒影片生成
xAI 正式釋出 Grok Imagine 1.0，支援生成 10 秒 720p 影片並大幅提升音訊質量。官方透露，僅過去 30 天 Imagine 便生成了 12.45 億個影片。這意味著在大規模使用基礎上，xAI 正在進一步補齊畫質與時長的短板。
週六
1月31日 星期六
輝達提出 DuoGen：生成連貫圖文教程，連做菜步驟都能配圖
輝達釋出論文介紹多模態生成模型 DuoGen。它能自動在文本與影像間切換，生成風格連貫的步驟說明與配圖，還能用於機器人動作序列預測。目前該研究僅發表了技術論文，程式碼與資料計劃後續開放。
週四
1月29日 星期四
Suno 上線 Sample 工具：錄段音訊，AI 幾分鐘內做成新歌
Suno 推出「Sample」功能。使用者可直接錄音、上傳檔案或挑選曲目片段，AI 會自動提取素材並重組為全新完整歌曲。最值得關注的是，該功能省去了傳統宿主軟體的手工切片流程，依靠滑塊即可控制原聲對成曲的影響程度。
Krea AI 全面上線 Realtime Edit：支援複雜指令即時修圖
Krea AI 正式向所有使用者開放 Realtime Edit 工具。該功能支援理解複雜的文本指令，並在輸入的同時即時完成影像修改。這意味著創作者不再需要反覆等待排隊渲染，可以在調整提示詞的過程中即時看到畫面反饋。
MiniMax 釋出 Music 2.5：支援 14 種段落標籤控制，人聲細節更逼真
MiniMax 正式釋出音樂模型 MiniMax Music 2.5，攻克 AI 音樂的可控度與真實度難題。新模型支援 14 種段落結構標籤精準編曲，擁有 100 多種樂器音色庫，並優化了呼吸、顫音等真人演唱細節與流行混音。目前已開放試用與 API。
週三
1月28日 星期三
xAI 推出 Grok Imagine API：原生生成音影片，主打低延遲與價效比
xAI 正式推出 Grok Imagine API，支援文本及影像生成原生帶音訊的影片序列。模型兼顧畫質與生成速度，支援區域性擦除、角色動畫和場景風格變換。最值得關注的是，xAI 試圖通過壓低延遲與成本，讓創作者能夠低門檻並行試驗多種方案。
週二
1月27日 星期二
騰訊釋出 ScriptAgent：三個 AI 編導分工，把對話拍成連貫電影
騰訊推出端到端影片生成框架 ScriptAgent，專門把粗略對話轉為電影級長鏡頭影片。它由編劇、導演和評審三個智慧體分工協作，細化劇本並排程 Sora2-Pro 等主流模型完成跨場景連續生成。測試顯示其劇本忠實度最高提升 0.4 分，團隊還同步推出了評測基準 ScriptBench。
週一
1月26日 星期一
Google DeepMind 動畫短片亮相聖丹斯：用 Veo 配合草圖控制生成 4K 畫面
Google DeepMind 聯合前皮克斯動畫師製作的短片在聖丹斯電影節展出。團隊棄用單純文字生成，改用草圖與粗剪驅動 Veo 和 Imagen，實現區域性重繪與風格微調。最值得關注的是，這套工作流證明了專業動畫不必向 AI 的隨機性妥協。
Luma AI 釋出 Ray3.14：原生 1080p 影片提速 4 倍，價格降三分之二
Luma AI 釋出影片模型 Ray3.14。新版本支援原生 1080p 輸出，生成速度提升至 4 倍，每秒計費僅為此前三分之一，並改善了運鏡和光影穩定性。這意味著創作者無需依賴後期超分即可直接出片，大幅降低了影視與廣告的試錯成本。
