位元組釋出 Seed-Audio 1.0：一次搞定多角色對白、音效與背景音樂
火山引擎釋出豆包音訊生成模型 1.0（Seed-Audio 1.0），能在單次生成中同步編排多角色對白、情緒語氣、擬音特效與背景音樂。模型支援參考音訊與零樣本描述，可在長劇中保持音色高度統一。目前主要以 API 形式提供服務。
AIGC · 日報
週二
6月9日 星期二
週四
6月4日 星期四
Krea 推出 Krea 2 Turbo：2 秒出圖，相容風格參考與 LoRA
Krea 推出 AI 影像生成模型 Krea 2 Turbo。新模型主打極速出圖，生成高質量影像僅需約 2 秒，同時相容風格參考、情緒板與 LoRA。這意味著創作者能以接近即時的速度迭代視覺創意，且目前可免費體驗。
週三
6月3日 星期三
xAI 推出 Grok Imagine 1.5 Preview：影像生成模型開放 API
xAI 釋出影像生成模型 Grok Imagine 1.5 Preview，並通過 API 向開發者開放早期訪問。該版本是對現有影像生成能力的迭代更新，允許開發者在公開發布前搶先整合和測試新模型。
Ideogram 釋出 4.0 開放權重影像模型：支援本地微調與部署
Ideogram 釋出開放權重文生圖模型 Ideogram 4.0。使用者可下載權重並在本地硬體執行和微調，該模型支援密文字排版、原生 2K 解析度及透明背景。目前已在其全線方案和 API 同步上線。
Reve 推出影像模型 Reve 2.0：用結構化佈局精準控制畫面
Reve 推出影像生成模型 Reve 2.0。它放棄傳統的純文本中間層，改用結構化佈局精確定義元素的位置、尺寸和屬性。該模型基於 Qwen 架構打造，聲稱用競品十分之一的 GPU 算力，在萬億美元以下公司中拿下競技場榜首。
週二
6月2日 星期二
Martin Scorsese 出任 Black Forest Labs 顧問：用 FLUX 做分鏡
Black Forest Labs 宣佈知名導演 Martin Scorsese 擔任其顧問，協助指導以人類審美和工藝為核心的視覺 AI 研發。雙方還進行了使用影像生成模型 FLUX 製作故事板分鏡的實際創作合作。
週四
5月28日 星期四
Roblox 釋出 CubePart：直接按部件生成 3D 模型，告別手動切塊
Roblox 釋出部件級 3D 生成框架 CubePart。它允許開發者在提示詞外指定一份部件清單，直接生成分塊命名、可獨立掛載物理與動畫指令碼的遊戲資產。最值得關注的是，生成的網格無需手動拆解即可匯入引擎。相關程式碼已整合進開源專案 Cube。
週三
5月27日 星期三
NVIDIA 釋出 Gamma World：支援多人協同互動，24 幀即時生成共享世界
NVIDIA 釋出多智慧體互動世界模型 Gamma World。它把過去單人控制的世界模型擴充套件到多玩家和多機器人場景，無需預設幾何形狀即可按各智慧體動作以 24 FPS 即時生成共享環境與視角。這意味著未來遊戲與機器人模擬可以直接在生成世界裡跑。
Leonardo.Ai 實測 GPT-Image 2.0：大白話做廣告，AI 竟會主動加爆款貼紙
Leonardo.Ai 創意總監 Dwayne Koh 分享了 GPT-Image 2.0 的實測體驗。在沒有提示詞技巧、僅輸入口語化廣告需求的情況下，模型不僅畫面專業，還主動在 Z 世代潤唇膏廣告中加上了 TikTok 爆款貼紙。這表明新影像模型正從單純的繪圖工具，變成能理解文化語境與審美品味的創意搭子。
週二
5月26日 星期二
微軟推出 MAI-Image-2.5：首秀居 Arena 第三，文字光影大升級
微軟 MAI 超級智慧團隊推出文生圖模型 MAI-Image-2.5，首次亮相便位列 Arena 排行榜第三。新模型相比前代大幅提升了文字渲染、風格插畫以及光影與空間推理能力。目前已可在 Arena 體驗，未來兩週內將接入 MAI Playground 與 Azure Foundry。
ElevenLabs 推出 Music v2：提升全曲風人聲表現與多語言編曲
ElevenLabs 推出音樂生成模型 Music v2。新模型在各曲風下的人聲、樂器表現與編曲質量均有提升，並增強了多語言支援，解鎖了上一代無法實現的新能力。這意味著 AI 音樂的聽感與跨語言創作門檻進一步最佳化。
週四
5月21日 星期四
Runway 釋出 Aleph 2.0：改動單幀畫面，自動同步整段影片
Runway 釋出影片編輯工具 Aleph 2.0，已在網頁端全新的 Edit Studio 上線。使用者只需在影片中修改單幀並預覽效果，Aleph 2.0 便會自動將修改連貫應用到整個影片片段，省去了以往逐幀手動調整的繁瑣流程。
Arq.live 推出語音製片系統 GLITCH：導演動口排程，8 分鐘生成短片
Arq.live 推出語音生成影像系統 GLITCH，導演無需手打提示詞，直介面述即可完成選角、搭景與排程走位。系統後臺由多個 AI 智慧體像電影攝製組一樣協同即時出片，在單檯筆記本電腦上用時不到 8 分鐘就生成了一部完整短片。
Spotify 聯手環球音樂：將推生成式 AI 工具，粉絲可正版二創翻唱
Spotify 與環球音樂集團宣佈達成音樂授權協議。雙方將推出一款生成式 AI 工具，允許樂迷為參與藝術家的歌曲製作翻唱和混音版本。該功能將作為 Spotify Premium 的付費增值專案推出，藝術家和詞曲創作者可直接從中獲得分成收益。
Krea 推出 Krea 2 LoRA 微調功能：可精準定製專屬畫風與角色
Krea 宣佈面向影像模型 Krea 2 開啟 LoRA 微調功能的 Beta 測試。使用者現在可以用自己的素材高精度訓練特定的視覺風格、物體或角色，大幅提升生成畫面的可控性與一致性。這是該平臺迄今最強大的模型微調系統。
週三
5月20日 星期三
Stability AI 釋出 Stable Audio 3.0：三款模型開源權重，端側也能生成整曲
Stability AI 釋出 Stable Audio 3.0 音訊模型系列，Small SFX、Small 與 Medium 三款開放權重。全系列基於合規授權資料訓練，支援最長 6 分 20 秒可變長度生成與 LoRA 微調，年收入百萬美元以下團隊可免費商用。
週一
5月18日 星期一
Meta 推出 WavFlow：跳過潛空間壓縮，直接在原始波形上給無聲影片配音
Meta 推出音訊模型 WavFlow，跳過潛空間壓縮，直接在原始波形中生成 44.1kHz 高保真音訊。它能為無聲影片自動配上同步音效，打鼓等動作基本能對齊。不過受政策限制，官方僅開源了程式碼與指令碼，未放出完整權重。
InstructAV2AV 釋出：AI 影片編輯能音畫同改，一句話換人改臺詞
研究團隊釋出端到端音影片聯合編輯框架 InstructAV2AV，支援用自然語言指令同時修改畫面與聲音。它無需手動繪製遮罩即可完成換人、改臺詞或增刪音效，並在替換目標內容的同時保持背景穩定。
Leonardo AI 上線 3D 生成功能：從 2D 概念圖直接匯出 .glb 模型
Leonardo AI 在平臺內上線 3D 物體生成功能，創作者無需切換工具即可將 2D 概念圖轉為 3D 模型。藉助多視角參考藍圖，使用者能匯出支援四邊面和三角面的 .glb 檔案，直接對接遊戲引擎或 3D 列印。獨立遊戲開發者和電商做資產省事多了。
週六
5月16日 星期六
GPT Image 2 搭檔 Seedance 2.0：從 12 格故事板直接做動畫
創作者分享了一套 AI 影視工作流：先用 ChatGPT Image 2 將故事創意生成帶角色和鏡頭標註的 12 格故事板，再交給 Seedance 2.0 生成連貫的電影感影片。配合節點式平臺編排，一人做動畫的門檻進一步降低。
週五
5月15日 星期五
阿里公佈 FashionChameleon：單卡 23.8 幀，影片生成中能即時互動換衣
阿里巴巴公佈影片試衣框架 FashionChameleon。它允許在影片生成過程中即時互動式更換服裝，單卡生成速度達 23.8 FPS，並能保持人物動作與外觀連貫。最值得關注的是它僅靠單服裝資料訓練就實現了多套換裝。目前程式碼與模型尚未正式開放。
週四
5月14日 星期四
戛納首映真人與 AI 結合電影：保羅·路德主演，阿羅諾夫斯基監製
訊息，由達倫·阿羅諾夫斯基監製、達斯汀·耶林執導的真人與 AI 融合電影宣佈將於下週在戛納電影節首映。影片由保羅·路德與克里斯·洛克主演，將真人拍攝與 AI 生成畫面混合呈現。好萊塢一線陣容的加入，意味著 AI 影像正加速叩開主流電影圈的大門。
週三
5月13日 星期三
Resemble AI 釋出 DramaBox：像寫劇本一樣控制語音，嘆氣大笑全聽指揮
Resemble AI 釋出表現力語音模型 DramaBox。它像劇本一樣工作：引號內念臺詞，引號外用自然語言寫情緒、嘆氣或笑聲等舞臺指示，還能克隆音色。最關鍵的是它不僅自帶抗篡改水印，還開放了本地模型下載，不過本地執行需要 24GB 視訊記憶體。