OpenAI 上線 ChatGPT Images 2.5：生成提速 50%，支援隨手塗鴉出圖
OpenAI 釋出 ChatGPT Images 2.5。新模型生成延遲較前代最高降低 50%，大幅提升了多輪編輯與參考圖還原能力，並新增手繪草圖作為參考的 Sketch 功能。目前全量桌面、移動與網頁端使用者均已可用。
AIGC · 日報
週二
9月8日 星期二
週五
9月4日 星期五
Google 音樂模型 Lyria 3.5 接入 Gemini：人聲更細膩，支援長短音軌定製
Google 宣佈其音樂生成模型 Lyria 3.5 正式接入 Gemini 應用與 API，面向全球使用者開放。新版本提升了人聲表現力與編曲豐富度，使用者可自由選擇曲風、人聲或純音樂模式，並能通過模板快速定製長短音軌。該能力也同步接入 Google Vids 和 Google Flow Music。
週四
9月3日 星期四
Runway 釋出 GWM Worlds 2：720p 即時生成互動世界，按鍵即可操控
Runway 釋出即時世界模型 GWM Worlds 2，支援以 720p 24 幀連續生成音影片，且沒有預設時長限制。使用者通過首幀與提示詞定義物理規則後，可像打遊戲一樣用按鍵或文本指令即時控制鏡頭、角色動作與場景互動。不過快速轉動鏡頭時畫質仍會下降。
週一
8月31日 星期一
fal 推出 AI 直播平臺：觀眾輸入提示詞即時當「導演」
fal 推出 AI 互動直播平臺 fal.live。使用者進入頻道後可輸入文字提示詞，即時引導接下來生成的直播畫面，從被動觀眾變成內容的「導演」。這也意味著即時影片生成技術開始走向無盡互動直播體驗。
週五
8月28日 星期五
MiniMax 開源 FastH3 v1：13 秒出 15 秒影片
Hao AI Lab 與 MiniMax 聯合開源影片模型 FastH3 v1。該模型在輝達 Blackwell GPU 上最高提速 14 倍，生成 15 秒 768p 影片僅需 13 秒。團隊目前已公開完整權重與推理程式碼，單個權重即可支援不同解析度和時長。
週四
8月27日 星期四
Midjourney 開啟 V8.2 編輯模型公測：支援指令修圖與四圖參考
Midjourney 宣佈向社群開放首個 V8.2 影像編輯模型測試。新模型支援輸入文字指令修圖、區域性重繪與畫布擴充套件，並允許同時傳入最多 4 張參考圖。最值得關注的是，它取代了此前的全能參考方案，且兼顧個性化引數與情緒板。
Google 推出 Gemini Omni 1.1 Flash：支援 40 秒場景延展與 4K 超分
Google 推出影片生成模型 Gemini Omni 1.1 Flash。新模型可結合前 10 秒上下文將片段延展至最長 40 秒，支援首尾關鍵幀插值，並新增 4K 超分與快 60%、成本僅三分之一的 360p 草稿模式。開發者可直接在 Google AI Studio 中呼叫。
週一
8月24日 星期一
Bria AI 開源 Fibo 1.5：支援結構化 JSON 提示，4 到 6 步快速出圖
Bria AI 開源 8B 引數影像生成模型 Fibo 1.5。它原生支援上千字的結構化 JSON 提示詞，能精準微調光影和鏡頭而不破壞整張畫面；經蒸餾後僅需 4 至 6 步推理且無需 CFG，非商用場景可免費下載權重。
週五
8月21日 星期五
Midjourney Alpha 網頁版大修補：資料夾摺疊歸類，舊圖放大重繪迴歸
Midjourney 為其 Alpha 網頁版推送大量體驗修復。新版本重構了側邊欄，支援資料夾摺疊與樹狀管理，找回了舊版 V8.2 圖片的 Upscale 與 Vary 按鈕，並解決了提示詞輸入卡頓和畫廊深層滾動變慢等效能問題。
Runway 推出 Ruby 模型：將 SDR 影片轉成 16-bit HDR，支援 ProRes 匯出
Runway 推出新模型 Ruby，能將普通 SDR 影片轉換成最高 16-bit 的 HDR 影片，支援匯出 ProRes 和 EXR 序列。它相容使用者上傳或由 Runway 生成的影片，單段最長 30 秒。創作者無需重新拍攝，就能直接提升畫面的動態範圍表現。
週四
8月20日 星期四
OpenAI 升級 GPT-Image-2：API 支援直接生成透明背景圖
OpenAI 宣佈在 GPT-Image-2 API 中推出透明背景生成預覽功能。開發者無需再借助後期摳圖，即可直接生成能夠無縫嵌入任何背景的設計素材，適用於電商產品圖、平面排版和網頁原型。該功能目前處於預覽階段。
週二
8月18日 星期二
Tripo 推出 P2.0 Preview：原生生成四邊面，遊戲資產直接可用
Tripo 推出專為遊戲與即時渲染管線打造的 3D 生成器 P2.0 Preview。其核心在於原生支援四邊面拓撲，支援最高 5 萬三角面或 2.5 萬四邊面，關節處邊緣環平滑、平面結構乾淨。目前每位使用者可獲贈 2 次免費生成機會。
Stability AI 推出 Stable Audio 外掛：直接嵌入宿主，支援 BPM 同步
Stability AI 推出 Stable Audio 3.0 外掛與升級版 Web 應用公測版。外掛支援 macOS AU 與 VST3，可在 Logic Pro 和 Ableton Live 中同步工程 BPM 生成最長 6 分鐘音訊；Web 端新增多軌混音與定向修改。商用安全，使用者擁有生成版權。
阿里上線音樂模型 HappyShrimp 1.0：一句話生成整首歌，還拉來太合音樂
阿里巴巴上線 AI 音樂生成模型 HappyShrimp 1.0 並開啟公測。使用者只需輸入一句話，模型就能構思樂理結構，直接生成包含旋律、編曲、歌詞和人聲的完整歌曲，涵蓋國風、流行等多種曲風。阿里同時宣佈與太合音樂集團展開藝人共創合作。
週五
8月14日 星期五
Pika 釋出四款音訊模型：價格最高便宜 20 倍，覆蓋配樂、音樂與語音
Pika 推出 Pika Audio 系列四款音訊基礎模型，涵蓋影片音效同步 Soundtrack、音樂生成 Music、音效生成 SFX 以及語音合成 Speech。官方稱其推理成本大幅降低，價格最高比同類競品便宜 20 倍，目前已通過 Pika API Club 開放。
週四
8月13日 星期四
Suno 釋出 Studio 2.0：支援 MIDI 錄製、AI 搓外掛和進階分軌
Suno 推出音樂工作站 Suno Studio 2.0。新版不僅支援 MIDI 匯入錄製與自動化曲線繪製，還加入了 Chat bar，讓音樂人能用自然語言直接生成獨家效果器外掛並進行進階音訊分軌。目前該版本已面向 Suno Premier 訂閱使用者開放。
MiniMax 開源 Music 3.0：單次生成 5 分鐘整曲，基於千問底座
MiniMax 推出開源權重音樂模型 Music 3.0。它採用基於 Qwen3.5-8B 的混合架構與流匹配技術，使用者只需輸入提示詞與歌詞，就能單次生成長達 5 分鐘的完整編曲與人聲演唱。最值得關注的是，它通過結構化描述解決了長音訊樂器走樣與情緒斷層問題。
週一
8月10日 星期一
Microsoft 釋出 MAI-Image-2.6：衝上 Arena 第二，文字渲染漲 91 分
Microsoft 宣佈推出文生圖模型 MAI-Image-2.6，直接登上 Arena 文生圖排行榜第二位，超越了 Google、Meta 和 xAI 的同類模型。新版本綜合 Elo 分提升 79 分，其中文字渲染大漲 91 分，並顯著增強了人像與商業成像質量。
騰訊釋出 WorldClaw：一句話生成可探索、可編輯的 3D 大世界
騰訊釋出智慧體驅動的 3D 大世界生成系統 WorldClaw，僅憑單句文本就能生成可探索、可編輯的大規模 3D 場景。系統拆為意圖規劃、全域性地形生成和區域性物體擺放三階段，藉助渲染智慧體微調物體姿態與接觸面，所有模型資產均獨立可複用。
週日
8月9日 星期日
LM 競技場現身神秘模型「莫娜·麗莎-1」：疑為 OpenAI 新一代影像生成模型
LM 競技場上線神秘模型「莫娜·麗莎-1」，引發外界猜測 OpenAI 正在測試新一代 GPT 影像生成模型。測試者發現該模型生成的影像帶有 SynthID 水印，效能明顯優於此前的 Image 2 模型。不過 OpenAI 官方目前尚未確認該模型。
