Runway 上線 Gen-4.5 圖生影片：實驗稱僅 10% 的人能分辨真假
Runway 為 Gen-4.5 推出影像轉影片功能。官方表示在一項測試實驗中，僅有 10% 的人能分辨出生成影片的真偽。目前該模型位居 Artificial Analysis 榜首，Runway 稱這種逼真度標誌著 AI 媒體迎來了社會「臨界點」。
AIGC · 日報
週四
1月22日 星期四
週三
1月21日 星期三
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。
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。
週二
1月20日 星期二
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。
週二
1月13日 星期二
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。
週一
1月12日 星期一
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。
週四
1月8日 星期四
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。
週三
12月31日 星期三
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。
週二
12月30日 星期二
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。
週二
12月23日 星期二
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%。
週日
12月21日 星期日
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。
週四
12月18日 星期四
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。
週三
12月17日 星期三
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。
週二
12月16日 星期二
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。
OpenAI 升級 ChatGPT 影像模型：生成快 4 倍，修圖終於不跑偏了
OpenAI 推出新版 ChatGPT Images 及 API 模型 GPT Image 1.5。新模型生成速度最高提升 4 倍，修改圖片時能鎖定光影和人物面貌，文字排版也更穩，API 費用降低 20%。最值得關注的是，ChatGPT 側邊欄還新增了獨立專區，免寫提示詞就能直接套用風格模板。
週二
12月9日 星期二
傳 OpenAI 新影像模型現身 Arena：代號板栗與榛子
社群使用者發現疑似 OpenAI 旗下的新影像生成模型正在 Design Arena 和 LM Arena 盲測，代號分別為 Chestnut 和 Hazelnut。測試顯示其在世界知識、圖內程式碼生成上表現亮眼，外界推測或隨 GPT 5.2 近期釋出，但官方尚未確認。
