跳到正文
日期与来源

日期按北京时间的资讯列表日期计算,包含起止当天。

10月8日周四
  1. PixVerse 中文官方博客36

    PixVerse 发布剧本文生视频创作者实用工作流指南

    PixVerse 发布剧本文生视频实用工作流指南,主张把剧本当作制作蓝图而非整段粘贴渲染:先拆场景、标记叙事节奏,再逐镜头生成。其 AI 视频生成器同时提供文生视频与图生视频两条路径,便于在参考素材需保持可识别时选用图生视频。流程还涵盖音频、字幕、口型同步、风格一致性、审查与按渠道导出。

  2. PixVerse 中文官方博客22

    PixVerse 短片 AI 视频生成器:电影制作人指南

    PixVerse 发布短片 AI 视频生成器制作指南,主张逐镜头生成而非一次成片,并强调用参考图保持角色与场景连续性。该工具支持文本和图像驱动的创作,可按短片流程不同阶段选择输入方式。指南还建议将声音、字幕与剪辑同步规划,并在粗剪中检查连续性、节奏与清晰度。

10月7日周三
  1. Kapwing 创作指南60

    如何制作 Jean Philanthrope 风格的 AI 视频

    Kapwing 发布教程,讲解如何用角色参考表和动作参考视频在 Seedance 2.5 中复刻 Jean Philanthrope 式 AI 角色视频。流程分四步:先用提示词生成含正面、四分之三侧面和侧面的多视角角色参考表,再把现有视频转成黑白线稿作为动作参考,然后在 Seedance 2.5 中把两者结合生成新场景,最后在 Kapwing 中剪辑。

    推荐理由:拆解 Jean Philanthrope 式 AI 角色的可复用流程,用角色参考表加动作参考在 Seedance 2.5 中保持人物一致。

10月6日周二
  1. Podcastle36

    2026 年最佳 AI 视频编辑器:10 款工具真实剪辑任务对比

    Podcastle 用同一段 95.9 秒杂乱口播素材实测 5 款 AI 视频编辑器,Async 凭单条提示词完成去填充词、去停顿、删废镜头、清音频、加字幕、生成 B-roll 并转 9:16,成片 62.9 秒,综合表现最佳;Descript 以约 8 分钟完成全流程、删掉 11 个填充词中的 10 个,竖屏重构效果更好。

10月5日周一
10月2日周五
  1. Adobe · 官方创作与影视博客22

    《KPop Demon Hunters》:Sony Pictures Imageworks 如何用 Adobe Substance 3D 与 After Effects 打造这部全球爆款动画

    Sony Pictures Imageworks 的纹理主管 Jody Tidsbury 与动态图形师 Nori Kaneko 披露,团队用 Adobe Substance 3D Painter、Designer、Sampler 和 After Effects 完成了《KPop Demon Hunters》的角色、服装、环境纹理与演唱会动态图形。

9月30日周三
  1. 可灵官方博客71

    可灵 4.0 多关键帧教程:如何控制 30 秒 AI 视频

    可灵官方发布 Kling 4.0 Multiple Keyframes 使用指南,单次生成最多支持 10 张关键帧图像,用于在时间轴上设定角色入场、产品露出、场景切换等视觉节点,模型据此生成节点之间的运动与转场。

    推荐理由:可灵官方给出多关键帧控制 30 秒长视频的完整方法,含时间轴规划与常见错误,可直接迁移到广告与短叙事流程。

9月29日周二
9月24日周四
9月18日周五
  1. WellSaid · 官方博客22

    如何用 AI 语音本地化营销活动

    WellSaid 官方博客发布指南,介绍如何用 AI 语音完成营销活动的本地化。流程包括准备本地化脚本、按市场选择带地区口音与方言的语音、生成并试听配音、调整发音与节奏,再逐市场复用同一套创意方向。AI 语音让团队无需为每次脚本修改重新安排录音,把时间与预算从协调录音转移到比较与打磨版本上。

9月14日周一
  1. Cartesia 官方博客22

    TTS 模型与音色不是一回事:Cartesia 解析固定说话人、多说话人与声音克隆

    Cartesia 官方博客指出,TTS 模型与它使用的音色是两个独立概念,音色更像输入而非模型本身。固定说话人模型只接收文本,多说话人模型可额外选择预设音色,零样本克隆模型则接受 10 到 60 秒参考音频作为提示,Cartesia 的 Sonic 端到端模型即支持 Instant Voice Cloning。专业声音克隆(PVC)需用更大录音数据集微调模型,耗时可达数小时。

9月3日周四
7月15日周三
  1. Hugging Face Blog36

    Real World VoiceEQ 发布:衡量语音 AI 的人类质感

    语音 AI 评测基准 Real World VoiceEQ 发布,覆盖 40 多个主流闭源与开源语音模型、15+ 评估维度和 60 多项指标,涵盖 ASR、TTS、S2S 与语音理解。该基准基于超 100 万条人工评分构建,含 785,000 条 TTS 评分和 48,000 条 STS 评分。评测显示 TTS 中没有任何系统配置在全部八个能力组均进入前五,语音模型"会说"强于"会听"。

7月6日周一
  1. Hugging Face Blog22

    PRX Part 4:我们的数据策略

    PRX 系列第四篇披露其数据管线:预训练数据由公开与内部数据集混合组成,用 VLM 重新生成图像长描述,再转为可流式训练的语料。团队改用 Qwen3-VL 文本编码器并在训练中实时计算文本 latent,实测吞吐损失约 3–4%(30 天训练多花约 1 天)。图像统一以 JPEG quality 92 编码,经实测首次重编码几乎不可察觉。

6月9日周二
2月3日周二
9月2日周二
7月31日周四
7月23日周三
  1. Hugging Face Blog29

    TimeScope:视频大模型到底能理解多长的视频?

    Hugging Face 上开源了长视频理解基准 TimeScope,通过向 1 分钟至 8 小时的视频中插入 5-10 秒的"针"片段,评测模型的局部检索、信息综合与细粒度时序感知三项能力。结果显示,包括 Gemini 2.5-Pro 在内的领先视觉语言模型在真正的长视频时序理解上仍明显吃力,且视频越长性能下降越明显。

6月19日周四
  1. Hugging Face Blog62

    Hugging Face 教程:在消费级硬件上用 QLoRA 微调 FLUX.1-dev

    Hugging Face 发布教程,演示用 QLoRA 与 diffusers 在单卡上微调 FLUX.1-dev,峰值显存约 9GB。在 RTX 4090 上以 512x768 分辨率、LoRA rank 4 训练 700 步约耗时 41 分钟,而标准 BF16 LoRA 需 26GB 显存。

    推荐理由:Hugging Face 官方给出在单卡消费级硬件上微调 FLUX.1-dev 的完整流程与显存实测数据,可迁移到自有风格训练。

6月3日周二
5月21日周三
2月12日周三
10月22日周二
9月30日周一
7月30日周二
6月6日周四
2月27日周二
1月14日周日
1月2日周二
12月5日周二
11月9日周四
10月24日周二
10月2日周一
9月29日周五
9月18日周一
  1. Hugging Face Blog30

    3D Gaussian Splatting 入门:实时辐射场渲染的原理与前景

    3D Gaussian Splatting 是一种光栅化技术,能从少量图像学习并实时渲染照片级真实感场景。它先用 COLMAP 做 Structure from Motion 估计点云,再将每个点转为高斯并训练,通过可微高斯光栅化实现快速渲染。其代价是显存占用高(查看需 4GB、训练需 12GB)和场景文件大(1GB+),且暂不兼容 Vulkan、DirectX、WebGPU 等现有渲染管线。