FLUX Pro 微調 API 上線：僅需 1 至 5 張圖即可定製專屬模型
Black Forest Labs 推出 FLUX Pro Finetuning API。創作者僅需 1 至 5 張參考圖片，就能定製專屬 FLUX.1 [pro] 模型，精準復現特定角色或視覺風格，支援最高 400 萬畫素輸出，且能無縫相容整個 FLUX 工具鏈。
AIGC · 日報
週四
1月16日 星期四
週三
1月15日 星期三
Luma AI 釋出影片模型 Ray2：算力提升 10 倍，支援 4K 與 30 秒擴充套件
Luma AI 釋出下一代影片生成模型 Ray2。新模型算力規模達到 Ray1 的 10 倍，畫面動態更自然且符合物理邏輯，支援 1080p 輸出及 4K 超分，最長可連貫擴充套件至 30 秒。目前已面向 Dream Machine 付費訂閱使用者開放。
週二
1月14日 星期二
Freepik 套件上線 AI 影片生成：支援自帶音訊，全格式可用
Freepik 宣佈在其 AI 套件中推出帶音訊的 AI 影片生成功能。該功能支援任意模式與格式，讓創作者可直接在平臺內生成帶聲音的影片片段。這意味著做影片不再需要單獨配樂，創作流程進一步精簡。
週三
1月8日 星期三
Stability AI 推出 SPAR3D：單張圖片 0.7 秒生成 3D 模型
Stability AI 聯手 NVIDIA 在 CES 上推出 3D 生成模型 SPAR3D。它能從單張圖片在 0.7 秒內生成完整 3D 網格，並支援在 0.3 秒內對點雲進行即時修改。最值得關注的是，權重和程式碼已開源，並適用於 RTX AI PC 端側執行。
波蘭傳記片《Putin》定檔：用 AI 給演員即時換上普京的臉
據報道，波蘭導演 Patryk Vega 耗資 1500 萬美元的英語傳記片《Putin》將於 1 月 10 日首映。片中利用 AI 特效把普京的面部逼真貼在波蘭演員臉上，以此呈現其數十年人生。電影預計在 64 國上映，但其倫理與換臉技術也引來不少爭議。
週一
12月16日 星期一
Midjourney 上線情緒板：用一組參考圖定製專屬出圖風格
Midjourney 推出類 Pinterest 的情緒板功能，並支援多套個性化配置。使用者上傳圖片集或完成 40 次二選一打分即可定製專屬畫風，門檻大幅降低。創作者還能針對不同專案儲存並切換多個風格檔案，輕鬆統一齣圖調性。
Google 釋出影片模型 Veo 2：支援 4K 與鏡頭控制，Imagen 3 同步升級
Google 推出新一代影片模型 Veo 2，支援最高 4K 解析度與數分鐘長影片，能精準理解 18mm 鏡頭和景深等專業運鏡指令。同時升級的 Imagen 3 已在全球 100 多個國家上線，並配合 Gemini 推出影像混合工具 Whisk。目前 Veo 2 已在 Google Labs 開啟候補。
紐約大學 Tisch 學院引入 Runway：AI 影片工具進駐虛擬製作中心
Runway 宣佈紐約大學 Tisch 藝術學院虛擬製作碩士專案將引入其 AI 影片套件。2025 年春季學期，學生將在新建的馬丁·史柯西斯虛擬製作中心上課，探索將生成式 AI 融入影視前置預覽與終期創作。
週五
12月13日 星期五
Pika 2.0 上線：畫質提升，新增「場景素材」支援參考圖
Pika 正式推出 Pika 2.0 影片生成模型。新版本強化了文本對齊與畫面表現，並新增「場景素材」（Scene Ingredients）功能，允許使用者上傳人物、地點或物品的參考圖片，大幅提升影片生成的一致性與控制力。
週一
12月9日 星期一
曼城聯手彪馬推 AI 球衣設計賽：優勝款將成為官方正賽球衣
曼城聯手彪馬推出 Puma AI Creator，邀請球迷用 AI 設計球衣。獲勝設計將成為曼城 2026-2027 賽季官方第三球衣並上架發售。每位註冊使用者獲贈 15 次生成額度，活動將於 12 月 20 日截止，這也是足壇首套由 AI 生成的正式比賽球衣。
xAI 上線 Grok 影像模型 Aurora：攻克文字與人像細節，已登陸 X
xAI 宣佈在 X 平臺為 Grok 推出自迴歸影像生成模型 Aurora。該模型基於海量網際網路樣本訓練，大幅提升了逼真人像、複雜文字與標誌的渲染能力，並原生支援影像輸入和編輯。目前新功能已在部分地區先行上線，預計一週內向全量使用者開放。
AMD 開源 Nitro Diffusion：單步生圖模型落地，跑在自家顯示卡上
Dec 09, 2024，AMD 釋出並開源單步擴散模型 Nitro Diffusion。新模型基於 Stable Diffusion 2.1 和 PixArt-Sigma 打造，只需一步推理就能生成媲美多步擴散的影像，可部署在資料中心和端側 PC，相關程式碼與權重已上線 Hugging Face。
週六
12月7日 星期六
OpenAI 員工透露 Sora v2 即將釋出：最長生成 1 分鐘，支援多模態輸入
據 OpenAI 員工 Chad Nelson 在倫敦演講中透露，影片生成模型 Sora v2 即將釋出。新版本支援生成最長 1 分鐘的影片，並提供文本生影片、圖文生影片以及基於現有影片結合提示詞二次生成的多種輸入模式。
週五
12月6日 星期五
ElevenLabs 推出 GenFM：匯入文本秒變雙主播播客，支援 32 種語言
ElevenLabs 將 GenFM 功能引入長音訊編輯工具 Studio。使用者只需匯入 PDF、網頁連結或文本，系統就能自動生成兩個逼真 AI 主持人對談的播客，支援 32 種語言，且允許自由修改臺詞和匯出商用。ElevenReader 的 Android 端也同步上線了該功能。
週三
12月4日 星期三
AdCreative.ai 推出電商影片模型：單張產品圖變 16 秒廣告片
AdCreative.ai 推出產品影片生成模型 Product VideoShoot。它基於廣告大模型 AdLLM，能把靜態產品圖直接轉成 16 秒 1080p 廣告片，支援鏡頭縮放與運鏡控制。最值得關注的是其融入了轉化預測資料，目前向 Pro 和 Enterprise 使用者開啟 Beta 測試。
週二
12月3日 星期二
Google 開放視聽創作底牌：Imagen 3 正式上線，Veo 開啟企業私測
Google 宣佈 Imagen 3 全面開放給 Vertex AI 客戶，影片生成模型 Veo 也開啟私測。Veo 支援圖生影片與區域性編輯，最長可輸出 6 秒高畫質片段。這意味著 Google 開始將前沿多模態能力塞進企業雲服務，不過 Veo 目前仍需申請預覽資格。
Hailuo AI 推出 I2V-01-Live：讓 2D 插畫角色開口說話、自然動起來
MiniMax 旗下 Hailuo AI 釋出圖生影片模型 I2V-01-Live。該模型專為 2D 插畫和角色設計，重點優化了運動平滑度、穩定性和微表情，能讓靜態畫作裡的角色開口說話、動作更自然，並適配多種藝術風格。
週一
12月2日 星期一
李飛飛創辦的 World Labs 亮相：單張照片生成可漫遊 3D 場景
李飛飛聯合創辦的 World Labs 公佈首個系統，能將單張照片變成在瀏覽器裡實時互動的 3D 場景。模型不僅符合物理規律，還能用鍵鼠調節景深並自由移動視角。雖然目前漫遊範圍有限，但為可控的「世界模型」邁出關鍵一步。
週三
11月27日 星期三
Adobe 推出 MultiFoley：能把貓叫變成獅吼，給影片精準配音效
Adobe Research 推出多模態影片音效生成技術 MultiFoley。它能識別畫面動作，把打字機聲換成鋼琴聲、讓貓叫變成獅吼，並將現有音效精準對齊影片時間點。這意味著影片擬音製作無需逐幀手動對軌，創意換聲變得極其簡單。
週二
11月26日 星期二
不滿當免費測試員：藝術家洩露 OpenAI Sora 訪問許可權
藝術家團體「Sora PR Puppets」將 OpenAI 影片模型 Sora 的測試介面掛上 Hugging Face，一度允許公眾免費生成 1080p 影片。該團隊指責 OpenAI 利用早期測試藝術家進行無償勞動與公關造勢。該入口上線約三小時後已被封禁。
Stability AI 推出三款 ControlNet：為 Stable Diffusion 3.5 Large 帶來精準控制
Stability AI 為 Stable Diffusion 3.5 Large 釋出了三款 ControlNet 模型，包括 Blur、Canny 和 Depth。它們分別支援超解析度放大、邊緣線稿控制與深度引導，經約 150 人測試偏好度位居同類首位。年營收 100 萬美元以下可免費商用，支援通過 Comfy UI 呼叫。
