Google 上線 Nano Banana 2.1：支援 14 張參考圖融合，區域性微調不用重畫
Google 上線影像生成與編輯模型 Nano Banana 2.1，登陸 Gemini、Flow 等平臺。新版本重點改善了主體一致性與區域性精準編輯，支援最多 14 張參考圖融合與最高 4K 解析度。雖然實際畫質仍遜於頂尖模型，但 Flow 平臺每天提供幾十次免費生成額度，門檻極低。
AIGC · 日報
週二
10月6日 星期二
週五
10月2日 星期五
Midjourney Alpha 更新：側邊欄支援風格預覽，資料夾可設預設引數
Midjourney 釋出 Alpha 版本更新日誌，推出側邊欄風格預覽與資料夾預設引數功能。使用者在出圖前即可直觀預覽風格效果，多個風格參考還會合併為縮圖膠囊顯示。此外，新版修復了歷史圖片超過 10 萬張時的崩潰問題，並在影像編輯時自動鎖定原圖寬高比。
週四
10月1日 星期四
Suno 上線 Speech 測試版：一段提示詞同時生成語音與背景音樂
Suno 推出音訊模型 Speech 測試版，能直接將文本同時生成人聲朗讀與原創背景音樂。使用者輸入詩歌或故事，並描述聲音與音樂風格，即可輸出單軌完整音訊。它將人聲與伴奏製作合二為一，經測試後現已向所有使用者開放。
Black Forest Labs 釋出 FLUX 3 Image：畫框精準控圖，單圖反覆重繪不跑偏
Black Forest Labs 釋出影像模型 FLUX 3 Image。它引入邊界框排版機制，支援最多 10 張參考圖與原生 4K 輸出。最值得關注的是畫素級區域性編輯能力，修改指定區域不會影響其餘畫素，反覆微調畫面也不會變花變糊。目前已在官方 Playground 和 API 上線。
Mosaic Chunk 開源：給 AI 影片裝上長記憶，物體出畫也不崩
本週，AI 影片記憶系統 Mosaic Chunk 正式開源。它通過選擇性記住早期幀的關鍵特徵，解決了物體離開畫面數秒後模型就「失憶」變形的難題。專案已開放文生影片（基於 MiniMax H3）和圖生影片（基於 Ling World Infinity）兩套模型，支援本地執行。
週三
9月30日 星期三
Ideogram 釋出 4.5：主打多輪影像編輯不失真，支援 2420 萬畫素拼接
Ideogram 釋出影像編輯模型 Ideogram 4.5，重點解決連續修改導致的偽影與顏色漂移問題。它支援最高 2420 萬畫素的高畫質區域性修改與無縫回貼，即使連續多輪編輯畫面依然乾淨。模型已上線 Ideogram App、MCP 和 API，單張編輯 0.008 美元起。
週二
9月29日 星期二
NVIDIA 推出 SoL-Refiner：僅需一步去噪提至 4K，影片生成提速 27 倍
NVIDIA 團隊釋出影片精煉模型 SoL-Refiner。它通過單步去噪將低解析度影片直接提升至最高 4K，可搭配 MiniMax H3 等多種基礎生成器。測試顯示其能將 H3 生成提速達 27 倍，但增強後部分畫面細節會與原影片略有差異。
週一
9月28日 星期一
ElevenLabs 釋出 Eleven v4：10 秒克隆聲音，Turbo 版延遲僅 100 毫秒
ElevenLabs 釋出全新語音合成模型 Eleven v4 及其低延遲變體 Eleven v4 Turbo。新模型支援用行內標籤控制語氣與笑聲，聲音克隆僅需 10 秒音訊，支援超 90 種語言。Turbo 版本中位推理延遲約 100 毫秒，專為即時對話智慧體最佳化。
週四
9月24日 星期四
Midjourney Alpha 大更新：風格支援即時預覽，一鍵儲存預設引數
Midjourney 釋出 Alpha 網頁版更新，引入風格即時預覽功能，並支援一鍵將當前引數存為預設值。此外，Create 介面迎來瀑布流改版，編輯器支援 v8.1 和 v8.2 編輯型別，韓語支援也已面向所有使用者全量上線。
週三
9月23日 星期三
Google Vids 免費開放：接入 Gemini Omni 1.1，支援 1080p 影片生成
Google 宣佈向所有個人及 Workspace 賬號免費開放 Google Vids。該工具接入 Gemini Omni 1.1 Flash，支援生成 1080p 影片、平滑擴充套件場景並精確控制剪輯時長，生成內容均嵌入 SynthID 數字水印。支援 100 多種語言的 AI 配音功能也即將上線。
ACTx486 互動媒體演示：看播客能隨時打斷提問，畫面主角當場回應
研究者公佈互動媒體演示 ACTx486，能把現成播客影片變成可互動內容。觀眾輕點畫面即可打斷提問、切換語言或插入 3D 物體，畫面中的嘉賓會依據公開記錄生成回應，隨後無縫接回原片。不過目前單次互動生成需數分鐘，公開演示均為提前預渲染。
Leonardo.Ai 推出 Leonardo Agent：保持多場景角色與視覺一致
Leonardo.Ai 推出新工具 Leonardo Agent，讓使用者從一個構想出發，在角色、寫實場景、唱片封面到廣告等跨場景生成中保持形象一致。最值得關注的是，它解決了生圖工具長期的「一致性」痛點。目前該功能限時免費開放，僅消耗既有代幣。
週二
9月22日 星期二
PixVerse 推出 R2 即時世界模型：生成的世界可即時走入並操控劇情
PixVerse 推出即時互動世界模型 PixVerse R2。它把多模態理解與視聽生成整合到同一個模型中，使用者可以通過互動直接影響場景和角色，甚至用語言即時改變故事走向。最關鍵的是，它能在持續生成後續畫面的同時，保持整個世界狀態前後一致。
Tavus 釋出 Phoenix-4.5：134 毫秒音畫延遲，上半身能跟著說話一起動
Tavus 釋出即時人體渲染模型 Phoenix-4.5。新架構放棄區域性面部貼圖，改為單次生成包含面部、軀幹與背景的完整畫面，音畫延遲降至 134 毫秒。它還首次支援單張圖零樣本快速預覽，並將微調耗時縮短至兩小時。
週四
9月17日 星期四
Runway 推出插幀模型 Enhance Frame Rate：最高轉至 120 幀，提速 7 倍
Runway 推出影片插幀模型 Enhance Frame Rate，可將任意影片轉換至最高 120 fps。該模型支援 4K 解析度與最長 5 分鐘素材，執行速度比競品快 7 倍且成本低至三分之一。最值得關注的是，非 Runway 生成的外部影片同樣適用，每 2 秒僅消耗 1 個點數。
週三
9月16日 星期三
Midjourney Alpha 更新：支援韓語，改版移動端與 v8.2 編輯器
Midjourney 釋出 alpha.midjourney.com 更新，正式支援韓語介面。新版改進了 v8.2 編輯器體驗，重繪移動端全寬佈局並支援刪除上傳檔案，同時修復了 Animate 動圖生成和反引號導致標籤頁卡死等問題。
週一
9月14日 星期一
Viggle 釋出 Meridian：已有影片能換運鏡，還能做「子彈時間」
Viggle AI 釋出影片重構模型 Meridian。只要輸入一段現有影片或單張照片，它就能重建 3D 場景並按自定義軌跡重新運鏡，甚至凍結畫面做出「子彈時間」效果。模型基於 MiniMax-H3 構建，目前已開源 LoRA 權重並支援 ComfyUI。
週四
9月10日 星期四
環球音樂聯手 ElevenLabs：打造正版 AI 音樂二創平臺
環球音樂集團與 ElevenLabs 宣佈達成多年戰略合作。雙方正聯手打造獨立的正版 AI 音樂平臺，讓粉絲能利用合作藝人的作品合規混音、二創並體驗定製人聲，同時確保創作者獲得收益分成。這是 ElevenLabs 首次與主流唱片公司簽約。
週三
9月9日 星期三
Prime Video 引入 AI 唇形同步：配音劇告別對不上嘴
Prime Video 推出 AI 唇形同步配音技術，利用 AI 和視覺特效讓演員嘴型與真人配音音軌對齊。該功能現已在全球面向熱門劇集《Maxton Hall》前兩季的英語配音開放，12 月 9 日第三季上線時也將支援，未來計劃覆蓋更多影視內容。
Suno 釋出 v6 音樂模型：全靠授權資料訓練，支援分軌與圖文作詞
AI 音樂平臺 Suno 推出 v6 系列模型，全面轉向華納音樂、BMG 等授權資料訓練，並計劃淘汰舊模型。新模型支援區域性修歌、圖文參考生成及樂器分軌，包含付費專享的 v6、v6-wild 與面向所有使用者的 v6-mini。Suno 正試圖借合規授權化解版權訴訟危機。
