Genie 4 现已可用
Genie 4 现已向 Google AI Ultra 订阅者开放,支持会话中实时编辑世界与实时原生音频。Genie 3 同步更新,单次生成最长 3 分钟,支持 360 度全景图种子与实时世界事件;新增 Project Genie agent 与社区画廊。
Genie 4 现已向 Google AI Ultra 订阅者开放,支持会话中实时编辑世界与实时原生音频。Genie 3 同步更新,单次生成最长 3 分钟,支持 360 度全景图种子与实时世界事件;新增 Project Genie agent 与社区画廊。
Comfy 官方宣布 Comfy Cloud 现支持团队自定义 ComfyUI 设置(Custom Builds),可在浏览器中运行自定义节点、模型和 LoRA。
Recraft Studio 上线字节跳动 Seedance 2.5 Flash,生成速度约为 Seedance 2.5 的两倍,支持 480p/720p、4 至 30 秒带声音视频,积分 15 至 32 每秒。与 Seedance 2.5 相比,Flash 上限 720p、积分更低,适合分镜与探索;最终渲染仍用 Seedance 2.5。
Krea 官方对比 8 款 AI 视频换脸工具,按免费额度、最长时长、分辨率、水印与价格给出选择建议。Krea Video Swap 与 Higgsfield Genjutsu 适合整角色替换,Magic Hour 提供每日 3 次免费换脸,Vidnoz 支持最长 50 分钟视频。所有数据均来自各厂商官网,于 2026 年 11 月 17 日核实。
HeyGen 发布 Avatar 6 个人数字人,可按脚本表演,84% 测试者无法分辨真假。Avatar 6 支持脚本驱动的手势和表情,从最多 30 秒视频和一张照片学习,现有 Avatar 和 Looks 可直接使用。
可灵发布新一代图像生成模型 Kling Image 4.0,现已上线可灵创意工作室并向企业及开发者开放 API。该模型基于原生统一理解与生成架构,支持原生 8K 图像生成、单图最多 2000 字符文本渲染、单提示词生成最多 10 张一致风格图像,以及电商详情页等长图生成。此外还提供 110+ 预设调色风格、70+ 预设商用字体和七种语言支持。
WaveSpeedAI 的 Dora 分享一套 AI 视频角色一致性镜头工作流,通过角色参考套件、固定身份细节和两遍审查来避免角色漂移。Vidu 2.0 接受 1-3 张参考图,MiniMax H3 Highspeed 接受最多 9 张参考图和 3 段参考视频;修复漂移时一次只改一个输入。
Zyphra 发布紧凑多语言 TTS 模型 ZONOS3-Mini,支持 43 种语言,约 1 亿活跃参数每 token,并提供原生 transformers 移植版本。该模型使用 ZAC-1 编解码器作为音频 tokenizer,内置 27 个发布音色,支持从短音频克隆声音,采用 Apache-2.0 许可证。
在 ChatGPT 中制作 AI 视频需通过插件目录连接视频应用,本指南覆盖 Higgsfield、Runway、HeyGen、invideo 等 17 个插件的分类与计费规则。
美团LongCat发布开源音频驱动人物视频生成框架LongCat-Video-Avatar 1.6,在1.5基础上改进唇音同步、面部与身体协调运动及长视频一致性,支持超过10分钟视频生成并优化推理速度。
Higgsfield 官方博客发布完整指南,教创作者用 AI 从零创建无脸 YouTube 频道,示例频道为 Statues With a Story。指南明确 YouTube 要求披露逼真 AI 生成内容,并列出 2027 年 2 月 1 日起新申请者进入完整 YPP 需 8,000 小时观看或 2,000 万 Shorts 观看的新门槛。
HeyGen 发布 2026 年 11 月企业 API 更新,Video 1、Voice 1 和 Image 1 上线 API,企业限流提升,零数据保留覆盖范围扩大,v1/v2 于 2026 年 11 月 7 日退役。Video 1 支持文本/图像/参考视频到视频并生成对话与音效,Voice 1 支持 Instant Clone 与语音转语音,Avatar V 新增更自然眨眼。
Google 于 2026 年 11 月 5 日发布 Gemini Omni Flash 1.2 视频模型,现已上线 Recraft Studio。相比 1.1,单次生成时长从 10 秒提升至 15 秒,一致性与对口型更清晰,Gemini API 价格降低约 30%。
Zyphra 发布开源紧凑语音模型 ZONOS3-Mini,约 100M 活跃参数,可在手机、笔记本和浏览器实时运行。模型支持从音频样本克隆声音、按年龄/口音/音色设计角色,并逐词控制情绪、语速与表达。权重以 Apache 2.0 开源,可通过 SGLang-Omni 在 NVIDIA GPU 上以 OpenAI 兼容接口服务。
ComfyUI 十月更新带来分支节点、LoRA 堆叠、模板自动下载、多输出 zip 导出、EXR/HDR/ProRes 支持、链接整理与 widget 内撤销/重做等多项效率改进,全部包含在 v0.44 中。Branch Node 支持最多 32 个输入,LoRA 堆叠节点支持最多 20 个 LoRA,模板下载仅限官方模板。
字节跳动发布新一代图像生成模型 Seedream 5.5,支持 100 轮多轮编辑、原生 RGBA 透明背景输出,并提升图像真实感与文字渲染。相比 Seedream 5.0 Pro,六个生产场景的可用率均有提升,影视和办公场景可用率超过上一版两倍;文本严重损坏率降至 0.4%。
InvokeAI 7.0.0 进入 beta 1,这是其最大版本更新。新增项目、单工作台、视频面板支持 MiniMax H3、LTX-2.5 和 Wan 2.2。官方警告 v7 数据库迁移不可逆,升级前需备份。
Higgsfield 发布 Cinema Studio 4.0 电影感 AI 视频制作完整指南,通过光圈、布光与运镜设置讲解如何让画面服务于场景目标。指南以同场景对比测试展示 f/1.4 与 f/11、Contre jour 与 Soft cross、Handheld 与 Static shot 的差异,并给出可复用的提示词结构与设置搭配方法。
PixVerse 发布 2026 年最佳 Serverless AI 视频推理服务商对比,覆盖 fal、PixVerse、Baseten、Runpod 和 Modal 五家,并用同一张产品图实测 PixVerse V6、H3 Max 和 Wan 2.2 三款模型。
Kapwing 实测用 ChatGPT 或 Claude 自动化七类视频编辑任务,涵盖剪辑规划、字幕生成、翻译配音与 B-roll 制作。测试中 Claude Code 配合 FFmpeg 构建并渲染了 70.7 秒的 YouTube Short,Kapwing MCP 则完成了五种语言的 AI 配音。文章指出标准聊天界面无法直接编辑视频,实际剪辑需借助编码代理或 MCP 连接的编辑器。