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。

9月18日周五
  1. VibeClips · AI视频创作教程22

    VIBE 教程:如何用 Talking Avatar 制作 AI 数字人口播视频

    VIBE 的 Talking Avatar 模型只需一张正面照片和一段语音录音,即可生成 480p 或 720p 的对口型数字人口播视频,无需文本提示词,输出语言跟随录音。该模型按次计费,480p 为 35 tokens、720p 为 60 tokens,不随录音时长变化,且输出画幅锁定为上传照片的比例。

  2. 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17日周四
  1. Creator Animation · AI影片制作教程12

    独立创作者如何在前 90 天在线售卖 AI 影片:一份实操指南

    Creator Animation 发布了一份独立创作者在前 90 天在线售卖 AI 影片的实操指南,将发布周期拆为打包与分发基建、直连受众的宣发、留存与扩展三个阶段。平台提供首 10GB 免费存储、超出部分 $0.40/GB,创作者保留 80% 收入分成,观众可免注册观看,也可用 $9/月的 Download Pass 或单独购买离线版本。

  2. note · howrass_note · 图像视频创作分享40

    用 MiniMax H3 制作 5 分钟超、2K、带歌词 MV 的实践记录

    一位视频制作新手用可本地运行的 MiniMax H3 视频生成模型,配合 Google Colab 云 GPU,完成了 SUNO 原创曲《ヘッドホンの息》的 MV:时长约 5 分 16 秒、1440p(QHD)、全篇带歌词。制作中最终采用 44 张分镜图,累计生成 200 张以上图像、失败约 250 条视频,作者称技术细节将另文整理。

  3. ArchiGen AI · 图像生成与ComfyUI实战28

    可复用的 ComfyUI 工作流应经得起四类不同建筑输入的考验

    一个能生成单张建筑效果图的 ComfyUI 工作流可能只是对某张截图调参调出来的,ArchiGen 建议用四张差异明显的输入做可移植性测试:干净黏土外观、玻璃幕墙室内、低对比黄昏视图和杂乱城市环境,分别暴露立面细节臆造、深度错误、假开口和噪声混入结构控制等问题。

  4. VibeClips · AI视频创作教程22

    VIBE 免费 AI 视频生成器实测:2026 年免费版能做出什么

    VIBE 免费版开放 Seedance Pro Fast、LTX 2 Distilled、PRUNA V、LTX 2.5 Fast 四款模型,支持文生视频与图生视频,无需信用卡、无试用期。免费模型最高仅 720p(Seedance Pro Fast 为 480p),每次导出均带水印,其中仅 PRUNA V 支持音频与照片对口型的数字人模式。

  5. ArchiGen AI · 图像生成与ComfyUI实战22

    选 AI 渲染器别只看首图:ArchGen 提出修订、归档与交接的出场测试

    ArchGen AI 提出,AI 渲染器采购测试不应止于画质、速度、价格和集成,而应延伸到首图之后的修订、交接与归档。其五部分出场包要求可追溯来源、生成配方、结果规格、评审记录和限定的修订能力,并让第二位操作者仅凭该包完成一次小改动,记录耗时与改动波及范围。归档测试则由第三人在项目冷却后重新打开包,确认交付图能对应到源版本、产品、引擎、日期与设置。

  6. MattVidPro · YouTube 创作视频50

    YuE2 本地 AI 音乐模型实测:与 Suno V6 对比及 Pinokio 安装教程

    YuE2 是迄今本地运行效果最好的 AI 音乐模型,视频将其与 Suno V6 进行歌曲对比,并演示了夸张提示词和参数调整。YuE2 代码采用 Apache 2.0 许可,模型权重为 CC BY-NC 4.0,个人创作者可商业化输出,企业商用需单独授权。17:41 处提供通过 Pinokio 和 Wan2GP 在本地 PC 安装的教程。

9月16日周三
  1. Promptsref.com · 创作分享22

    让 Midjourney 作品更有手绘感的 3 个插画 SREF 代码

    Promptsref.com 分享 3 个 Midjourney 插画 SREF 代码,分别主打稀疏不完美线稿、粗犷涂鸦几何图形,以及融合日式漫画与复古海报的哥特暗黑风。三者均以黑线、暖纸色和少量点缀色构建手绘质感,适合童书、独立漫画、海报、贴纸与游戏主视觉等场景。其中两个为会员专属 SREF。

9月15日周二
  1. 张小闲 · 创作者专栏62

    一条提示词生成海报标题艺术字,覆盖毛笔、果冻字、霓虹等风格

    作者整理了一套用一条提示词生成海报标题艺术字的玩法,把主题、字体感觉、颜色和氛围写进提示词,十几秒就能先跑出一版效果。作者试了手写毛笔、粉橙果冻字、紫色流光、科技速度字、未来霓虹、金色高级字等方向,覆盖电商海报、活动主视觉、详情页和 AI 设计封面等场景,提示词结构不复杂,换掉主题和风格描述即可复用。

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