阿里釋出影片模型 Wan3.0：單次直出 30 秒，PPT 與表格也能做影片
阿里雲在百鍊平臺上線影片生成模型 Wan3.0。它將單次生成時長延長至 30 秒，並首次支援直接把 PPT、PDF 和表格等文件轉成影片，同時改善了人臉真實度與參考一致性。API 計費 480P 輸出每秒 0.05 美元起。
AIGC · 日報
週五
8月7日 星期五
xAI 釋出 Imagine Image 2.0：支援 5 圖參考與區域性精修，登雙榜第二
xAI 釋出影像模型 Imagine Image 2.0，作為 Quality Mode 上線網頁及移動端。新模型主打精準可控編輯，支援魔棒區域性修改、背景扣除、最多 5 張參考圖生成以及排版文字渲染。官方稱其在 Arena 文生圖與編輯雙榜均位列全球第二。
週二
8月4日 星期二
Black Forest Labs 上線 FLUX 3 Video：最長 20 秒高畫質影片，自帶原生對白音效
Black Forest Labs 正式通過 API 推出 FLUX 3 Video。該模型支援生成最長 20 秒、最高 1080p 影片，並原生同步生成對白音效，支援 14 種以上語言對口型。最值得關注的是它支援多鏡頭與關鍵幀控制，並提供低成本草稿模式。
週一
8月3日 星期一
騰訊釋出 Hunyuan3D-Buffalo 1.0：生成、理解與編輯全包了
騰訊混元團隊公佈統一 3D 多模態框架 Hunyuan3D-Buffalo 1.0。它基於共享的 VLM 底座，單套流程就能搞定文本生成 3D、自然語言編輯、3D 問答和部件拆解。創作者不再需要拼湊多個專用工具，用一句話就能微調或拆解 3D 資產。
週五
7月31日 星期五
xAI 升級 Imagine Video 1.5：支援音畫參考與原生 1080p
xAI 為 Imagine Video 1.5 推出重要升級，新增影像與聲音參考、純文本生影片和原生 1080p 輸出。使用者單次最多可傳入 7 張參考圖來固定人臉、產品或場景，並同步鎖定角色聲音保持鏡頭一致。純文本生成與 1080p 已全面開放，音畫參考先向美國付費使用者推送。
字節跳動釋出 Seedance 2.5：單次生成 30 秒音影片，支援多模態參考
字節跳動釋出影片生成模型 Seedance 2.5。模型單次生成時長增至 30 秒並支援多輪延展，能同時接收最多 30 張圖片、10 段影片及 10 段音訊作為參考，還加入了時間戳級編輯與白模參考能力，目前已在即夢和豆包 Pro 上線。
週四
7月30日 星期四
Ideogram 推出 P-Image：單張 0.003 美元起，原生支援 2K
Ideogram 聯合 Pruna AI 釋出影像生成模型 P-Image-Ideogram，主打質量、速度與成本的平衡，單張生成價格低至 0.003 美元。模型提供 4 種質量模式並原生支援 1K 與 2K 解析度，延遲在 3 到 8 秒之間。目前已通過 API 及 ComfyUI、Replicate 等平臺開放測試。
Google Earth 上線 AI 生圖才一天：因違規內容被緊急撤回
Google 為 Google Earth 網頁版接入 Nano Banana 2 影像生成能力，允許使用者基於衛星與 3D 實景輸入提示詞重構全球任意地點。然而僅隔一天，Google 便因發現違規截圖流出而緊急下架該功能，表示將在補強安全護欄後重新評估上線。
週三
7月29日 星期三
Google Gemini 開啟限時福利：每人可免費生成 10 個 AI 影片
Google 宣佈為未訂閱 AI 會員的使用者開放限時試用，即日起至 2026 年 8 月 4 日可免費生成最多 10 個影片。該能力由 Gemini Omni 模型驅動，使用者可以在工具欄中直接完成生成、編輯與重混。
HeyGen 上線影片播客功能：文件連結一鍵變雙人主持影片
HeyGen 推出新工具 Video Podcast，能將文件、連結或想法直接轉化為雙人主持的影片節目。不同於以往的純音訊播客生成，它提供演播室場景、多機位切換和空鏡畫面，幾分鐘即可生成可直接釋出的完整影片。
Google 上線 Lyria 3.5：人聲與歌詞升級，還能調曲速與時長
Google 宣佈在 Google Flow Music 中推出最新音樂生成模型 Lyria 3.5。新模型提升了旋律複雜度與發音真實度，並增強了歌詞對提示詞的遵循能力；同時新增創作控制選項，支援使用者更輕鬆地調節生成歌曲的節奏快慢與時長。
週二
7月28日 星期二
Mirage 推出分身模型 Avatar X：10 秒影片克隆，還原微表情
Mirage 推出數字分身模型 Avatar X，使用者只需上傳 10 秒影片即可生成 AI 分身。該模型主打細緻的微表情還原，能夠生成大笑、打哈欠、假笑等自然神態，同時支援音訊驅動全身動作以及長影片連續生成不失真。
週一
7月27日 星期一
Spotify 放任 AI 音樂吸金：網友自建工具幫聽眾「打假」
因 Spotify 未能全面標記 AI 音樂，開發者推出 SoullessMusic 和 SlopTracker 等第三方工具，利用開源模型檢測假人歌手。SoullessMusic 追蹤的 AI 藝人年分賬估達 570 萬美元，頭部賬號年入 150 萬。不過檢測模型本身仍存在誤報風險。
週五
7月24日 星期五
Midjourney 上線 V8.2：大幅砍掉廢圖，個性化更懂你的審美
Midjourney 推出 V8.2 影像模型，重點提升審美表現、畫質與個性化能力。新版本大幅減少了隨機生成的低質廢圖，畫風更加大膽精緻；得益於社群評分構建的更大相簿，系統能更敏銳地理解使用者的個人審美偏好。
週四
7月23日 星期四
Microsoft 推出影像模型 MAI-Image-2.6：可結合聯網資訊，精準控制編輯
Microsoft 推出影像生成與編輯模型 MAI-Image-2.6。它能即時調取網頁資訊輔助繪圖，並提供精確的構圖與風格區域性編輯能力；同步推出的 MAI-Image-2.6-Flash 價格不到旗艦版一半。目前已上線官方 Playground 供測試。
Black Forest Labs 開啟 FLUX 3 早期訪問：圖影音統一架構，支援 20 秒原生配音影片
Black Forest Labs 推出多模態基座模型 FLUX 3 並開啟早期訪問。該模型基於 Self-Flow 架構，在統一網路中同時學習影像、影片與音訊，支援單次生成長達 20 秒帶原生音訊的影片，並能拓展至機器人動作預測。官方計劃在未來數週逐步開放影像生成與開源權重 Dev 版本。
ElevenLabs 上線 References 功能：上傳音訊即可控制 Music v2 風格
ElevenLabs 為其 Music v2 模型推出 References 功能，支援使用者上傳 10 秒至 5 分鐘的音訊，直接引導生成音樂的風格、配器與氛圍。音軌生成前需經過版權檢測以攔截他人作品，目前已在 ElevenMusic 及 API 上線。
週三
7月22日 星期三
阿里釋出 Qwen-Image-3.0：支援 4500 token 長輸入，可渲染 10px 微縮文字
阿里推出第三代影像生成基座模型 Qwen-Image-3.0。模型支援最高 4.5k token 輸入，可處理報紙、分鏡等複雜排版，支援 12 種語言及 10px 級文字渲染，還能生成網頁等介面，並支援聯網檢索即時資訊。
週一
7月20日 星期一
《第九區》導演釋出 13 分鐘 AI 短片：用 Seedance 2.0 製作，下一步拍長片
《第九區》導演 Neill Blomkamp 釋出 13 分鐘 AI 短片《NIGHTBORNE》，全程使用 Seedance 2.0 製作，結合了概念藝術家與 32 位真人的面容聲音。Blomkamp 稱實驗兩年後準備挑戰長片，併成立了新 AI 工作室 Barley Studios。
週四
7月16日 星期四
Google Vids 升級：自然語言調光換背景，一張自拍生成數字人出鏡
Google 為 Google Vids 推出 Gemini Omni 編輯與個人分身功能。使用者不僅能用自然語言修改背景、光照和特效，上傳一張自拍和錄音還能生成替自己出鏡的數字人。目前面向 Google AI Pro、Ultra 及 Workspace 商業訂閱使用者開放，生成影片均嵌有 SynthID 水印。
Wan Streamer 0.3 釋出：虛擬角色支援自然語言即時動作控制
Wan Streamer 釋出 0.3 版本，讓虛擬角色從肖像對話升級為能與環境互動的動作控制。核心機制是將影片拆解為保持一致的「世界」與隨時間變化的「事件流」，能即時響應比耶、叉腰等自然語言指令。目前團隊僅釋出了技術論文。
週二
7月14日 星期二
Google 圖片 25 週年：主頁改版動態畫廊，搜尋直出 AI 影像
Google 慶祝圖片搜尋 25 週年，在搜尋的 AI Overviews 中加入影像生成功能，並推出個性化動態畫廊主頁。生圖功能由其最新的 Nano Banana 模型驅動，使用者輸入文字即可直接繪圖。兩項更新將在未來幾週面向英文等支援地區逐步推送。
阿里開源 Wan-Dancer-14B：聽音樂就能跳舞，支援分鐘級連貫長影片
阿里 Wan 團隊開源舞蹈生成模型 Wan-Dancer-14B 及程式碼。它不需要參考動作影片，僅憑一段音樂和一張靜態人像，就能生成節拍同步的分鐘級舞蹈。最值得看的是它採用全域性規劃加區域性精細化框架，已適配古典舞、街舞和 K-Pop 等多種風格。
