Midjourney 上線 Omni-Reference：支援把指定角色和物體直接塞進新圖
Midjourney 宣佈 Omni-Reference 功能正式上線。該功能允許創作者明確指定「把這個放進圖裡」，支援角色、物體、載具等多種元素的一致性遷移。這意味著生圖時固定特定道具或主體變得更加直接，不用再靠反覆抽卡拼運氣。
AIGC · 日報
週四
5月1日 星期四
Higgsfield 上線「首尾幀」功能：上傳頭尾兩張圖，精準控制 AI 影片
Higgsfield 推出「Start & End Frames」功能，允許使用者分別上傳起始和結束兩張圖片來定義影片結構。這意味著生成的影片能夠擁有明確的方向與動作軌跡，大幅提升影片敘事的把控力。
Ideogram 3.0 升級：寫實度拉高，Canvas 新增補圖與擴圖
Ideogram 推出 Ideogram 3.0 重大更新，重點提升了畫面寫實度、風格多樣性與提示詞遵循能力。使用者現在可以在 Canvas 畫布中配合 3.0 使用 Magic Fill 區域性重繪與 Extend 外繪編輯圖片，同時該模型也正式開放了 API 接入。
Suno 上線 v4.5：單次可直出 8 分鐘歌曲，人聲與跨風格融合大升級
Suno 推出 v4.5 版本，面向 Pro 和 Premier 付費使用者開放。新版增強了人聲質感與情感深度，支援跨風格融合，並將單曲直出時長由 4 分鐘直接翻倍到最長 8 分鐘，無需再手動延長音軌。
Pika 推出髮型特效 Pikaffects：一鍵換粉發、超長髮或秒變光頭
Pika 推出全新「Pikaffects」髮型特效，上線 Web 端與 iOS App。新功能支援把畫面人物一鍵換成粉發、超長髮甚至直接變成光頭。這讓影片趣味變形特效變得更接地氣，隨手就能做出惡搞或創意視覺效果。
Krea AI 推出 GPT Paint：用畫筆和草圖給 ChatGPT 發視覺提示詞
Krea AI 推出新功能 GPT Paint。使用者可以直接在 Krea Image 中通過畫筆標記、基礎圖形、便籤和參考圖，以視覺方式向 ChatGPT 傳送提示詞。這讓用塗鴉直接指揮 AI 創作變得更直觀，告別了純文字描述的溝通門檻。
週三
4月30日 星期三
Midjourney 更新 V7：最佳化手部與畫質，新增燈箱編輯器與 --exp 引數
Midjourney 推送 V7 模型常規最佳化，直接提升畫面細節、提示詞遵循度以及手部和肢體一致性。同時，官方上線了改進版燈箱編輯器，支援智慧分割工具；還新增了實驗性美學引數 --exp（0-100），能賦予畫面更強的動態感與色調對映。
Runway 上線 Gen-4 References：靠參考圖搞定角色與場景一致性
Runway 宣佈向所有付費訂閱使用者推出 Gen-4 References 功能。使用者只需上傳照片、生成圖、3D 模型或自拍照作為參考，就能在後續畫面中生成一致的角色與場景。這意味著多鏡頭創作裡的角色連貫性難題，有了更直接的解法。
週二
4月29日 星期二
Freepik 推出開源影像模型 F Lite：完全基於授權資料訓練，引數 100 億
Freepik 聯手 Fal.ai 釋出開源 AI 影像模型 F Lite，擁有 100 億引數。該模型完全基於 8000 萬張商業授權圖片訓練，主打規避版權爭議，提供標準版與質感版兩種規格。不過它的本地執行門檻較高，至少需要 24GB 視訊記憶體的 GPU。
Natasha Lyonne 拍新科幻片：用全授權 AI 模型 Marey 製作畫面
演員 Natasha Lyonne 宣佈將執導並主演科幻電影《Uncanny Valley》，其畫面將由 Moonvalley 的影片模型 Marey 生成。製作方主打該模型完全依靠合規授權且付費的內容訓練。不過該片目前尚無明確排期。
生數科技釋出 Vidu Q1：支援首尾幀平滑過渡，自帶 48kHz 音效
生數科技釋出影片大模型 Vidu Q1。它支援首尾幀語義過渡，能在無關畫面間補齊平滑轉場，支援最高 5 秒 1080p 影片生成。此外它還首創 48 kHz 同步音效生成，能識別畫面情緒並自動匹配相應音軌。
週一
4月28日 星期一
Luma AI 上線 Ray2 運鏡控制 API：支援自定鏡頭運動與機位角度
Luma AI 推出 Ray2 Camera Concepts API，為開發者開放電影級運鏡控制能力。這次首發上線了運動與機位角度控制，意味著影片生成不必再完全依靠隨機提示詞，開發者可以通過介面精確排程鏡頭畫面。
Higgsfield 上線經典場景功能：自拍一鍵融入《駭客帝國》等大片
Higgsfield AI 推出 Iconic Scenes 模板，使用者上傳一張自拍就能化身經典電影主角。平臺提供《星際穿越》《駭客帝國》《教父》等 20 多個模板，搭配 80 多種運鏡控制與卡通濾鏡，無需剪輯軟體即可生成電影感片段。
週四
4月24日 星期四
Tavus 在 fal 上線 Hummingbird-0：主打高精度零樣本唇形同步
Tavus 在 fal 平臺上線唇形同步模型 Hummingbird-0 的研究預覽版。官方稱這是其測試過精度最高的零樣本唇形同步模型，表現超過同類開源與閉源方案。這意味著影片對口型效果將更逼真自然，目前處於研究預覽階段。
Argil 結合 OpenAI 技術：AI 數字人能手持商品開口帶貨了
數字人平臺 Argil 宣佈結合 OpenAI 技術推出新功能，AI 數字人如今能手持商品並開口解說。使用者僅需提供一張商品圖片即可生成完整宣傳影片，瞄準電商帶貨場景。目前該功能已開啟測試申請。
Krea AI 接入 ChatGPT 影像能力：聊天就能修圖、渲染 3D 場景
Krea AI 宣佈接入 ChatGPT 影像能力。使用者現在可以直接在聊天介面用自然語言編輯圖片、渲染 3D 場景，支援超過 300 種預設風格，30 秒內即可完成換色或藝術風格遷移。
Adobe 釋出 Firefly Image 4：最高 2K 解析度，網頁端還接入了競品
Adobe 釋出新一代影像模型 Firefly Image Model 4，支援 2K 解析度與文字渲染，並全面開放 1080p 影片生成模型。改版後的 Firefly 網頁端不僅上線了協作畫板 Boards，還破天荒直接接入了 OpenAI、Google 和 Flux 的模型。
Imogen Heap 聯手 AI 平臺 Jen：推出 5 款經典作品音樂濾鏡
格萊美得主 Imogen Heap 聯合 AI 音樂平臺 Jen 推出 5 款「風格濾鏡」。使用者可結合提示詞與其授權單曲生成專屬音樂，售價 4.99 美元起。與深陷侵權糾紛的競品不同，Jen 主打合規訓練，不過目前僅支援生成純器樂。
週三
4月23日 星期三
Higgsfield 推出 Turbo 模型：渲染提速 1.5 倍且降價 30%
Higgsfield AI 釋出其迄今最快的影片生成模型 Turbo。新模型渲染速度提升 1.5 倍、成本降低 30%，同時支援優先佇列並新增 7 種運動風格。對需要高頻試錯的創作者來說，等待時間和生成成本都顯著降低。
騰訊混元 3D 2.5 上線：百億引數幾何模型，每日免費額度翻倍
騰訊混元釋出 3D AI 創作引擎 v2.5，幾何模型引數增至 100 億，網格面數提升 10 倍並支援 1024 解析度細節。新版支援多視角 PBR 材質生成與自動骨骼蒙皮，每日免費額度翻倍至 20 次，騰訊雲 API 也已同步開放。
OpenAI 上線 gpt-image-1 API：ChatGPT 同款畫圖能力開放，單張 0.02 美元起
OpenAI 正式在 API 中推出原生多模態影像生成模型 gpt-image-1。開發者現在能直接呼叫 ChatGPT 同款繪圖能力，支援精準渲染文字與多風格創作；生成按 token 計費，單張方形圖片成本約為 0.02 至 0.19 美元。
週二
4月22日 星期二
Character.AI 釋出 AvatarFX：單張圖配音訊就能生成對白影片
Character.AI 公佈影片生成模型 AvatarFX，使用者上傳單張靜態圖並搭配音訊，就能讓角色說話、唱歌並呈現手部與身體動作。模型基於 DiT 架構和蒸餾加速技術，支援真人及 2D/3D 卡通角色，未來幾個月將率先面向 CAI+ 會員開放測試。
Dreamina 上線 Seedream 3.0：主打電影感畫面與 2K 解析度生成
Dreamina AI 正式推出影像生成模型 Seedream 3.0。新模型支援 2K 解析度直出，主打電影級質感和逼真的材質渲染，同時強化了英文文字排版能力。目前已在官網開放體驗。
週五
4月18日 星期五
Krea 推出 Krea Stage：單圖生成可編輯 3D 場景，還能做連貫影片
Krea 推出實驗性工具 Krea Stage。使用者只需上傳一張圖片，就能直接生成可自由調整光照、物體和視角的完整 3D 場景，還能基於該場景生成風格一致的連貫影片。它大幅降低了傳統 3D 建模門檻，無需專業硬體也能快速搭建虛擬世界。
週四
4月17日 星期四
Arcads 上線 Gestures：輸入提示詞就能生成數字人動作與情緒
Arcads 向所有使用者上線「Gestures」功能。選定 AI 數字人後，只需輸入一句情緒提示詞，就能生成對應的神態與肢體動作，專為影片開頭的吸睛鉤子設計。也就是說，不用複雜調節，一句話就能解決數字人廣告面部與動作呆板的問題。
週三
4月16日 星期三
LTX Studio 上線時間軸：支援精細剪輯與自定義 AI 演員
LTX Studio 釋出更新，新增時間軸編輯器與自定義 AI 角色訓練功能。創作者可以直接修剪片段、調整場景節奏並精準同步音訊，還能用參考圖固定主角面部與服裝風格。AI 影片最頭疼的剪輯和角色「變臉」難題，終於被整合進了同一套流程。
週二
4月15日 星期二
快手釋出可靈 2.0：支援多元素影片編輯，全球使用者超 2200 萬
快手在北京正式釋出 KLING 2.0 影片模型與 KOLORS 2.0 影像模型。新版本引入多元素編輯器，允許使用者直接在已有影片中增刪或替換元素。官方同時透露，自去年 6 月上線以來，可靈 AI 全球使用者已突破 2200 萬。
Google 開放 Veo 2 影片生成 API：支援圖文生成 8 秒鏡頭
Google 宣佈影片生成模型 Veo 2 正式面向開發者開放。開發者可在 Google AI Studio 試用或通過 Gemini API 付費接入，模型支援通過文本或圖片提示生成 8 秒影片，具備真實物理模擬和多種運鏡風格。
週四
4月10日 星期四
YouTube 上線 AI 音樂生成功能：輸入提示詞定製免版權伴奏
YouTube 開始在 Creator Music 中逐步推出 AI 音樂生成功能。創作者在「Music Assistant」標籤頁輸入樂器、情緒等文字描述，即可生成專屬純器樂配樂並免費用於影片，免除版權困擾。該功能目前面向美國的 YouTube 合作伙伴計劃創作者開放。
週三
4月9日 星期三
Google 用 AI 重製《綠野仙蹤》：畫面擴至 16K，讓畫外角色重回鏡頭
Google 披露正利用 AI 重製 86 年前的經典電影《綠野仙蹤》，用於拉斯維加斯 Sphere 場館的 16K 巨型螢幕。團隊微調 Gemini、Veo 2 和 Imagen 3，不僅擴充套件背景、拉高畫質，還藉助華納檔案數字化還原畫外角色。全片超 90% 內容經 AI 處理，預計 2025 年 8 月 28 日首映。
週二
4月8日 星期二
Amazon 升級 Nova Reel 1.1：影片時長翻倍至 2 分鐘，支援多鏡頭連續生成
Amazon 升級影片生成模型 Nova Reel 至 1.1 版本，把生成時長從 1 分鐘拉長到最長 2 分鐘。新版本還加入了「多鏡頭」功能，不僅能保持整段影片風格統一，還支援用單張圖片和提示詞精準控鏡，創作者一次最多可生成 20 個連續鏡頭。
