Krea 推出首個自研模型 Krea 2：完全從零構建，主打風格控制
Krea 推出首個自研影像基礎模型 Krea 2。與以往基於第三方模型搭建工具不同，該模型完全從零開始訓練，專為影像生成的美學多樣性與精細風格控制而設計。此舉標誌著 Krea 從應用封裝轉向底層自研，目前已向用戶開放早期訪問。
AIGC · 日報
週二
5月12日 星期二
週一
5月11日 星期一
Pixal3D 開源：靠畫素對齊做圖生 3D，生成超高精度幾何網格
圖生 3D 模型 Pixal3D 開放本地執行程式碼。它摒棄了傳統生成模型在規範空間鬆散匹配影像的做法，直接將 2D 畫素與 3D 結構明確對應。其輸出的 3D 網格在幾何精度與紋理細節上逼近真實重建水平，效果顯著超越同類工具。
Google 曝光新影片模型 Gemini Omni：融合圖文音生影片，支援對話修改
Google 全新多模態模型 Gemini Omni 曝光。它能結合影像、音訊與文本等多模態輸入生成連貫影片，並支援用自然語言對話直接修改畫面。最關鍵的是，它將邏輯推理與畫面渲染結合，首發版本 Omni Flash 可生成 10 秒短影片。
週四
5月7日 星期四
阿里釋出影像加速方法 CDM：擴散模型 4 步出圖，細節超越 DMD2
阿里推出影像生成加速方法 CDM，把傳統擴散模型所需的 20 到 50 步去噪壓縮至 4 步，實現約 5 倍加速。相比之前的 DMD2，它避免了畫面塑膠感，能保留更細膩的紋理。目前已支援 Stable Diffusion 3 和 LongCat，讓消費級 GPU 也能近乎即時出圖。
SwiftI2V 搞定 2K 圖生影片：單卡 RTX 4090 能跑，耗時狂降 202 倍
研究團隊提出高解析度圖生影片框架 SwiftI2V。它先生成低解析度運動參考，再通過條件分段生成精細的 2K 畫面，最多輸出 81 幀。這意味著 2K 影片生成不再依賴叢集，單張 24GB 的 RTX 4090 就能跑，計算時間縮減了 202 倍。
Video Rebirth 推出 Bach 1.0：生成 30 秒多鏡頭影片，原生帶聲音
初創公司 Video Rebirth 推出 AI 影片引擎 Bach 1.0。它支援生成最長 30 秒的原生 1080p 影片並自帶聲音，主打多鏡頭角色一致性與鏡頭語言控制，在 Artificial Analysis 盲測榜位列第六。目前官網已開放註冊免費試用。
週五
5月1日 星期五
Microsoft 釋出 Map2World：畫張俯視色塊圖，直接生成可探索 3D 世界
Microsoft 推出 AI 框架 Map2World。使用者只需輸入一張顏色分割槽的俯視地圖並搭配提示詞，系統就能生成可旋轉探索的完整 3D 世界，還能精準控制建築比例。它擺脫了傳統網格佈局限制，讓大場景 3D 建模像畫地圖一樣直觀。
UniVid-X 影片框架釋出：不僅能摳像換背景，還能重構光照與表面法線
研究團隊提出影片多模態框架 UniVid-X。它不僅能生成 RGB 影片，還能直接解析和生成物體的基礎顏色、光照資訊、表面法線以及前後景 Alpha 通道。這意味著只需輸入一段影片，就能精準完成角色替換、背景摳像甚至黃昏重打光等精細編輯。
週三
4月29日 星期三
ElevenLabs 推出 ElevenMusic：不止做語音，還能混音創作和賺錢
ElevenLabs 宣佈推出音樂平臺 ElevenMusic。該平臺基於其自研音樂模型，集成了音樂發現、混音與創作工具，還加入了變現機制讓創作者獲利。這意味著 ElevenLabs 正式從 AI 語音領域跨界殺入音樂生成賽道。
週六
4月25日 星期六
阿里 Qwen 上線 Qwen-Image-2.0-Pro：躋身 Arena 全球文生圖前十
阿里 Qwen 團隊宣佈上線文生圖模型 Qwen-Image-2.0-Pro。新模型大幅提升了影像質量、多語言文字渲染和指令遵循能力，並在競技場 Arena 的文生圖榜單中排在全球第 9 位。目前該模型已在 ModelScope 開放體驗，並同步上線 API。
Grok Imagine 升級圖生影片：對口型更準，音訊也更清晰了
Grok Imagine 升級圖生影片功能，大幅提升了對口型效果與音訊清晰度。更新後對白能夠準確貼合嘴型動作，聲音也更符合畫面場景，讓最終生成的聲畫表現更自然連貫。
週三
4月22日 星期三
Ideogram 上線自定義模型：用私有圖片訓練，鎖定品牌視覺與排版
Ideogram 推出自定義模型（Custom Models）功能，允許使用者使用自有影像資產而非全網公開資料訓練專屬生圖模型。該功能專門用於保持品牌的藝術風格、字型排版及視覺識別一致性，目前已面向 Team、Pro、Enterprise 會員及 API 開放呼叫。
3D 高斯濺射房產方案：手機掃全屋，瀏覽器免 App 即可全景漫遊
一項基於 PlayCanvas 的開源 3D 高斯濺射方案讓手機掃描看房成為現實。AI 能將拍攝照片重建為數百萬個光雲，檔案比短影片還小，在瀏覽器裡就能照片級漫遊。全景看房成本大幅降至約 200 美元，已有自由職業者開始向房產公司等收費接單。
週二
4月21日 星期二
OpenAI 釋出 ChatGPT Images 2.0：文字渲染大升級，支援中日韓等多語言
OpenAI 推出 ChatGPT Images 2.0。新模型重點提升了文字渲染與視覺推理能力，支援中文、日文、韓文和阿拉伯文等多種文字排版，並在攝影、漫畫等風格上帶來更高的控制精度。使用者已可直接在 ChatGPT 中使用。
週日
4月19日 星期日
UniGeo 帶來相機可控影像編輯：輸入精確角度，自由平移俯仰視角
研究團隊提出相機可控影像編輯框架 UniGeo。它能將單張圖片轉為 3D 幾何表徵，支援使用者通過輸入精確角度來平移或俯仰鏡頭，重新渲染新視角。這解決了普通影像生成工具難以精準運鏡且容易變形的問題，相關模型即將推出。
週四
4月16日 星期四
Gemini 接入 Google 相簿：結合 Nano Banana 2，一句話畫出個性化全家福
Google 宣佈為 Gemini 應用引入個性化生圖功能，結合 Nano Banana 2 與 Google 相簿。使用者無需上傳參考圖或手寫長篇提示詞，Gemini 能自動呼叫相簿中標記的人物與寵物生成水彩或黏土風格畫作。該功能正向美國 Google AI 訂閱使用者推送。
阿里 ATH 推出世界模型 Happy Oyster：即時生成可互動 3D 環境
阿里巴巴 ATH 團隊推出互動式 3D 世界模型 Happy Oyster 測試版。該模型能根據多模態輸入即時構建可探索的 3D 環境，使用者可用提示詞生成角色並操控其騎馬、滑翔甚至騎龍。目前官方已開放候補名單申請測試資格。
Quiver 釋出 Arrow 1.1：用原生程式碼畫 SVG，生成成本直降 33%
Quiver 推出 Arrow 1.1 與 1.1 Max 向量圖模型。它直接通過程式碼生成原生 SVG，多用基礎幾何與文本而非複雜路徑，更易二次編輯；文本生 SVG 成本降低 33.3%，向量化成本減半。高精度的 1.1 Max 則主打嚴苛的技術圖紙與插畫。
週二
4月14日 星期二
Midjourney 上線 V8.1：原生 2K 渲染快 3 倍便宜 3 倍，經典美學回歸
Midjourney 上線 V8.1，不僅找回招牌美學風格，還支援原生 2K 渲染，速度較 V8 提升 3 倍且費用降低三分之二。其 1K 全質量模式甚至比 V7 草稿模式更快，同時恢復了墊圖功能，並帶來全新 Describe、情緒板和風格參考工具。
Microsoft 釋出 MAI-Image-2-Efficient：成本降 41%、提速 22%
Microsoft 推出文生圖模型 MAI-Image-2-Efficient。該模型專為批次生產設計，生成速度比前代快 22%，成本降低近 41%，每百萬圖片輸出 token 售價 19.50 美元。目前已在 Microsoft Foundry 和 MAI Playground 上線，後續還將接入 Copilot、Bing 與 PowerPoint。
週一
4月13日 星期一
位元組釋出 OmniShow：圖音姿態全模態控制，專攻人-物互動帶貨影片
字節跳動與港中文等推出人-物互動影片生成模型 OmniShow。它支援同時輸入人物與商品圖、音訊及動作骨架，最長原生生成 10 秒帶貨長鏡頭，解決商品變形與口型脫節難題。目前程式碼正在內部稽核，尚未正式開源。
即時數字人模型 LPM 1.0：一張照片跑出 45 分鐘對話影片
研究團隊推出即時數字人模型 LPM 1.0，僅需單張參考圖與音訊就能流式生成角色影片。最值得關注的是，它不僅能對口型，還能模擬轉眼球、調整麥克風等肢體細節與傾聽狀態，且 45 分鐘內不崩臉。目前該專案僅釋出技術報告與演示，暫未開源或開放公測。
週六
4月11日 星期六
阿里釋出 Prompt Relay：免訓練即插即用，讓 AI 影片無縫切換多場景
阿里巴巴公佈影片生成技術 Prompt Relay。這是一種免訓練的即插即用方案，通過在交叉注意力層動態路由各時間段的提示詞，讓老鷹飛翔到賽博城市等跨度巨大的場景能自然過渡，避免畫面概念互相串擾。目前官方已釋出實施說明，程式碼檔案尚未完全放出。
週三
4月8日 星期三
HeyGen 推出 Avatar V：15 秒生成數字分身，跨場景保持角色一致
HeyGen 推出新版數字人工具 Avatar V。使用者只需採集 15 秒素材即可生成數字分身，並能在不同造型、服裝與場景的影片中始終保持角色一致。這一功能試圖解決 AI 影片生成領域長期存在的跨場景角色「變臉」難題。
CapCut 在美上線影片模型 Seedance 2.0：送全員試用，首月 Pro 一折
CapCut 宣佈在美國上線 AI 影片模型 Dreamina Seedance 2.0，覆蓋 App、桌面端和網頁端。所有使用者均有一回免費試用機會，新使用者可享 CapCut Pro 首月一折。不過官方表示，新模型推送至所有使用者仍需一定時間。
