Kling AI 上線數字人功能：對口型模組同步升級，首發限量開放
Kling AI 宣佈推出全新的 Avatar 數字人功能。之前受關注的 Lip Sync 對口型功能迎來了升級，並正式併入新的 Avatar 模組中。也就是說，生成會說話的動態人物會更加自然。不過目前上線初期僅限量開放訪問許可權。
AIGC · 日報
週六
9月13日 星期六
週四
9月11日 星期四
Udio 上線 Voices：固定生成歌曲的專屬聲線
AI 音樂平臺 Udio 推出「Voices」功能，讓使用者實現穩定的人聲控制。你可以從官方預置庫挑選聲線，也能將已生成歌曲中的聲音單獨儲存並在新歌中複用。該功能向所有使用者免費試用兩週，之後僅對付費訂閱者開放。
週三
9月10日 星期三
Copilot Labs 上線指令碼模式：新模型支援逐字精準朗讀
Microsoft 旗下 Copilot Labs 推出音訊生成「指令碼模式」，由新模型 MAI-Voice-1 驅動。該模式能一字不差地逐字朗讀輸入文本，同時還提供戲劇感更強的 Emotive 模式與支援多角色的 Story 模式，解決了 AI 朗讀容易自行發揮的痛點。
Stability AI 釋出 Stable Audio 2.5：不到 2 秒生成 3 分鐘音樂
Stability AI 推出專為企業級製作打造的 Stable Audio 2.5，可在 GPU 上不到 2 秒內生成最長 3 分鐘的多段式音軌。新模型加入音訊重繪功能，支援基於現有素材延展，且全程採用合規授權資料訓練，主打品牌聲音定製。
字節跳動推出 Seedream 4.0：支援原生 4K 與圖片編輯，對標 Nano Banana
字節跳動推出最新影像生成與編輯模型 Seedream 4.0，不僅在即夢和豆包上線，還接入了 Krea AI。該模型原生支援 4K 解析度，推理速度提升超 10 倍，在影像編輯能力上直接對標 Google 的 Nano Banana。每張生成成本約 0.03 美元，價效比非常高。
週一
9月8日 星期一
OpenAI 進軍好萊塢：用 AI 製作動畫長片《Critterz》
據《華爾街日報》報道，OpenAI 正在聯手製作動畫長片《Critterz》，計劃於 2026 年上映。該片主要使用 GPT-5 等 AI 工具生成，製作週期僅 9 個月，預算不到 3000 萬美元，意在向好萊塢證明 AI 能大幅壓低大片製作成本與週期。
Google 升級 Veo 3：全面降價，支援 1080p 與 9:16 豎屏
Google 宣佈為 Veo 3 和 Veo 3 Fast 推出更新：全面降低生成價格、新增 9:16 豎屏比例支援以及 1080p 高畫質輸出。兩款模型現已在 Gemini API 中進入穩定商用階段，生成的影片均內建 SynthID 數字水印。
週五
9月5日 星期五
Roblox 推出 4D 生成 AI：做出的 3D 跑車不僅有門，還能直接開走
Roblox 在開發者大會上公佈多款創作者 AI 工具，核心是能生成可互動道具的「4D Objects」，讓生成的車輛自帶車門且能直接開。此外還加入了多語言即時語音翻譯，開發助手也將支援 MCP 協議協同第三方軟體。遊戲製作門檻被進一步拉低。
Snapchat 上線 Imagine Lens：不用套模板，輸入文字就能生圖
Snapchat 推出名為「Imagine Lens」的新濾鏡，這是其首款支援自由文本提示詞的文生圖工具。使用者可以直接輸入文字提示來生成或修改圖片，也能選預設模版。不過目前僅面向 Snapchat+ Platinum 與 Lens+ 付費訂閱使用者開放。
週五
8月29日 星期五
Krea AI 推出即時影片生成模型：畫幾筆或連攝像頭，畫面即刻動起來
Krea AI 推出即時影片生成模型 Realtime Video 並開啟測試。它的生成速度超過播放速度，使用者塗鴉、輸入提示詞、接入攝像頭或共享螢幕時，畫面都能即時響應並保持連貫。這意味著 AI 影片告別了漫長渲染，有了像玩遊戲一樣的即時操控感。
週四
8月28日 星期四
PixVerse 釋出 V5 影片模型：全球使用者破億，限時免費開放
PixVerse 釋出新一代影片模型 PixVerse V5 與 Agent 功能，宣佈全球使用者突破 1 億。V5 提升了動態自然度和畫質，最快 5 秒生成 360p 影片。官方同步開啟限時免費體驗，單張照片配合 Agent 即可生成短影片。
週二
8月26日 星期二
Google 釋出 Gemini 生圖指南：教你保持角色一致與區域性微調
Google 公佈 Gemini 影像生成與編輯官方提示詞指南。官方梳理了主體、構圖等 6 大要素，並展示瞭如何跨輪次保持角色一致、用自然語言精細修改區域性以及按物理邏輯推演場景。不過 Google 也直言，模型在文字排版與鎖定寬高比上仍有短板。
HeyGen 推出 Avatar IV：數字分身學會你的微表情和全身動作
HeyGen 宣佈其數字分身產品 Digital Twin 正式接入全新 Avatar IV 模型。新模型能細緻還原使用者的標誌性手勢、面部表情與語調口吻，並支援全身自然動作。創作者不用反覆補拍鏡頭即可生成逼真的個人出鏡影片，目前該功能已在平臺上線。
Google 升級 Gemini 影像編輯：換裝換背景不走樣，支援多圖合成
Google 宣佈在 Gemini 應用中接入 DeepMind 全新影像編輯模型。新模型重點解決了修圖「走樣」問題，在換裝、換背景甚至多圖融合時能精準保持人物與寵物的樣貌，還支援多輪區域性微調。所有編輯圖片均會嵌入 SynthID 數字水印。
Adobe 整合 Google Gemini 2.5 Flash 影像模型：付費會員限時無限生成
Adobe 宣佈將 Google 的 Gemini 2.5 Flash 影像模型接入 Adobe Firefly 與 Adobe Express。使用者可在文本生圖等模組中呼叫該模型，生成內容不用於模型訓練。截至 9 月 1 日，Firefly 和 Creative Cloud Pro 付費使用者可享無限次生成。
Wan-S2V 影片模型亮相：單張照片配音訊，生成電影質感動態影片
2025 年，研究團隊公佈 Wan-S2V 模型，只需輸入單張靜態照片和音訊，就能生成口型同步、帶有自然表情與身體動作的動態影片。評測顯示 Wan2.2-S2V-14B 在畫面質量與身份一致性等核心指標上表現突出，支援全身生成與電影級敘事場景。
週一
8月25日 星期一
Sync Labs 推出 Lipsync-2-Pro：高畫質改嘴型，連雀斑和鬍鬚都能留住
Sync Labs 釋出 Lipsync-2-Pro 影片模型，可以直接修改任意影片里人物說話的口型。新版本支援高解析度畫面，且對嘴時能完整保留雀斑、鬍鬚等面部微小細節。也就是說，給影片重新配音時不容易再出現臉部發糊穿幫的情況了。
週四
8月21日 星期四
Higgsfield 上線 WAN 2.2：自帶 30 多種預設，主打快速圖生影片
Higgsfield AI 宣佈在其平臺上線開源模型 WAN 2.2，同時支援影片與影像生成。平臺內建了 30 多種預設效果，支援一鍵點選渲染，主打更快的生成速度。
Runway 開啟 Game Worlds 測試：支援即時互動與世界模擬
Runway 宣佈推出 Game Worlds Beta，邁出即時探索虛擬世界的第一步。其目標是讓使用者能即時互動並探索任意角色、故事與模擬世界。Runway 表示這不僅關乎畫面生成，更在探索玩家選擇如何影響虛擬世界演進的全新互動機制。
LTX Studio 上線運鏡控制：LTXV 與 Turbo 模型支援預設移動
LTX Studio 宣佈在平臺中上線運鏡控制功能。使用者使用 LTXV 或 LTXV Turbo 模型生成影片時，可以直接選擇預設的鏡頭移動方式，從而更精準地控制畫面構圖與動態一致性，不再全靠提示詞抽卡。
週三
8月20日 星期三
Runway 為 Act-Two 上線 Voices：角色動作與聲音能一起調了
Runway 宣佈在 Act-Two 中加入 Voices 功能。創作者現在不僅能用動作驅動畫面，還能直接調整發聲表現，讓聲音貼合生成的角色。Runway Academy 當天同步上線了對應教程。
週一
8月18日 星期一
通義千問推出 Qwen-Image-Edit：支援中英文精準改字與 180 度翻轉
Qwen 推出影像編輯模型 Qwen-Image-Edit。該模型基於 20B 底座打造，不僅能精準增刪改圖片中的中英文字並保留原字型風格，還支援物體 180 度旋轉視角合成與區域性畫素級修圖。目前已在 Qwen Chat 上線體驗。
ElevenLabs 推出音樂 API：首個支援商用的授權音樂生成介面
ElevenLabs 推出面向開發者的 Eleven Music API。該介面基於授權資料訓練，支援廣泛的商業用途，方便開發者接入產品與工作流中。官方還透露，自 Eleven Music 推出以來，創作者已累計生成超過 75 萬首歌曲。
週五
8月15日 星期五
ElevenLabs 上線影片生成音樂功能：一鍵為畫面配樂
ElevenLabs 在 ElevenLabs Studio 中推出 Video-to-Music 工作流。藉助其 Eleven Music 模型，使用者只需一鍵就能基於影片畫面內容生成定製配樂，還能直接在 Studio 內疊加配音與音效。影片創作者做後期音訊更省事了。
週四
8月14日 星期四
xAI 限時免費開放 Grok Imagine：支援帶音效生成 15 秒影片
Elon Musk 宣佈 xAI 旗下影像與影片生成工具 Grok Imagine 限時面向全球免費開放。該工具可在移動端生成自帶音效的 15 秒影片，正面叫板 OpenAI Sora。伴隨 Grok 4 開放免費層，xAI 意在趁競品爭議期加速拉新。
