LTX-Video 迎來皮克斯風格 LoRA：一鍵把影片變成 3D 動畫電影
開發者在 Hugging Face 上線適配 LTX-Video 的皮克斯風格 LoRA。該模型未採用影視原作版權素材，能賦予畫面大眼睛與電影級光影等 3D 動畫質感。模型支援觸發詞「P1x4r」，可在 Diffusers 或 Draw Things 中直接載入執行。
AI影像
檢視更新的新聞
PhyMotion 開源：把 3D 人體放進物理模擬器，專治 AI 影片動作變形
研究團隊釋出並開源 PhyMotion，專門解決 AI 影片裡的肢體畸形與動作扭曲。它從生成影片中提取 3D 人體並放入 MuJoCo 物理模擬器打分，檢驗關節移動和接地是否合乎規律，以此獎勵模型，顯著改善了瑜伽、功夫等動作的真實度。
非對稱流模型 AsymFlow 釋出：繞過 VAE 直接在畫素空間生圖
研究團隊提出非對稱流模型 AsymFlow，完全繞過潛在空間和 VAE，直接在畫素空間生成影像。它將噪聲預測限制在低秩子空間，生成速度提升 40% 且在 ImageNet 拿下 1.57 FID。這意味著 AI 生圖能擺脫塑膠感，獲得更銳利的真實紋理。
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。
開源影像模型 L2P 釋出：砍掉 VAE 與潛空間，直接生成畫素級畫質
開源影像生成模型 L2P 釋出。該模型徹底移除了傳統擴散模型中的 VAE 和潛空間，直接在畫素空間生成影像，最高可支援 4K 解析度。最值得關注的是，它避免了潛空間轉換造成的畫質損失；目前已開原始碼與 20GB 大小的 1K 解析度模型權重。
SenseNova 開源 U1.5-8B：不用 VAE 解碼，直接在畫素空間出 4K 圖
SenseNova 開源統一多模態模型 SenseNova-U1.5-8B-MoT，採用 Apache 2.0 協議。它跳過了傳統的潛空間與 VAE 編解碼步驟，直接在畫素空間端到端生成原生 4K 影像，並支援通過自然語言修改文字與區域性元素。不過模型權重約 50GB，本地部署對顯示卡要求較高。
Vivago AI 開源 HiDream-O1 Image：幹掉 VAE，搞定 2K 文字與海報排版
Vivago AI 開源影像生成模型 HiDream-O1 Image，直接在畫素空間端到端處理，去掉了傳統的 VAE 架構。它最高支援 2048×2048 解析度，不僅能做語義級編輯，還攻克了開源模型最頭疼的文字渲染和複雜海報排版。模型提供完整版和輕量 dev 版，但 32GB 的體積對本地視訊記憶體提出了較高要求。
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。
Relit-LiVE 影片重打光框架：無需相機追蹤，長鏡頭光影保持物理真實
研究團隊提出影片重打光框架 Relit-LiVE，無需相機姿態資料，就能在一個擴散過程中聯合預測重打光畫面與逐幀環境貼圖。它在長鏡頭中能保持陰影與反射的物理真實，還支援去光照與材質替換等編輯任務。
LTX Studio 推出 Flows：內建節點畫布，支援批次執行視覺工作流
LTX Studio 推出節點畫布功能 Flows。使用者可以通過視覺化節點介面設計自定義視覺生成管線，搭建一次即可按需批次執行。最值得關注的是，該功能專為規模化影像與影片生成打造，讓創作者無需每次重新構建流程，大幅降低重複配置成本。
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。
開源動漫模型 Zanime 釋出：60 億引數全量微調，4 步極速出圖
開源動漫影像模型 Zanime 正式釋出，由開發者基於阿里 Z-Image Base 架構全量微調而成。模型擁有 60 億引數，不僅提供 6GB 大小的 FP8 版本，還推出 4 步極速蒸餾版，8GB 視訊記憶體也能輕鬆跑。它改用自然語言提示詞替代傳統 tag 列表，支援任意比例生圖。
PhysForge 亮相：生成帶關節與物理特性的 3D 資產，模擬器直接能用
研究團隊釋出 3D 生成框架 PhysForge，讓生成的 3D 物體不僅好看，還自帶關節、材質與運動邏輯。系統先由視覺語言模型規劃物理藍圖，再由擴散模型生成帶運動學引數的資產。這意味著機器人模擬和遊戲開發者無需手動繫結骨骼，就能直接拿去互動與訓練。
Unity 開啟 Unity AI 公測：內建 Unity 6，設計圖直接轉游戲資產
Unity 宣佈 Unity AI 正式面向 Unity 6 及以上開發者開啟公測。該工具直接內置於編輯器，能將設計圖轉化為可用資產與可玩場景，並支援隨時撤銷。開發者還可通過 AI Gateway 接入自選工具，或藉助 MCP 伺服器從 IDE 協同呼叫。
Sprite-Pipeline：將 AI 影片轉成遊戲可用的 2D 精靈圖動畫
開源工具 Sprite-Pipeline 能將 AI 影片轉為遊戲可用的 2D 精靈圖。它通過 FFmpeg 抽幀、摳圖去背景，並拼成 256×256 的透明橫向序列幀，可直接匯入 Unity 或 Godot。專案還附帶瀏覽器預覽器與 AI 提示詞規範，幫獨立開發者低成本落地角色動畫。
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。
Mocap Anything v2 開源：普通單目影片直接生成可動畫 3D 骨骼
動作捕捉模型 Mocap Anything v2 正式開源。它支援從普通單目影片中直接預測任意骨骼結構的旋轉與動作，人類、動物或虛構生物都能套用。模型採用完全端到端訓練，解決了傳統演算法導致的關節翻轉與抖動，大幅降低了 3D 動畫製作門檻。
Nvidia 預告 D-Rex：全身數字人不僅表情逼真，還能任意換光照
Nvidia 公佈全身數字人系統 D-Rex。它把表演與光照解耦，先在白光下生成帶表情動作的全身 Avatar，再用擴散模型疊加目標 HDR 光照。這意味著數字人既能保持細膩神態，又能無縫融入任意虛擬場景。
RecGen：哪怕被嚴重遮擋，看一張圖也能腦補完整 3D 場景
研究團隊提出 3D 重建框架 RecGen。它只需一張或少量包含深度資訊的 RGB-D 影像，就能分割並補全被遮擋物體的完整幾何、紋理和空間位置。其幾何質量相比前代標杆提升 30.1%，為機器人模擬和空間環境理解提供了更實用的建模能力。