Luma 与 Claude Motion 打通,动画可直接在 Luma 完成视频输出
Luma 宣布 Claude Motion 动画现在可直接在 Luma 中打开,创作者通过 MCP 连接把 Claude 生成的动画导入 Luma,继续扩展、精修并输出为任意格式的成片。
推荐理由:Claude Motion 动画可通过 MCP 连接直接进入 Luma,创作者能据此判断跨工具出片流程是否值得接入。
Luma 宣布 Claude Motion 动画现在可直接在 Luma 中打开,创作者通过 MCP 连接把 Claude 生成的动画导入 Luma,继续扩展、精修并输出为任意格式的成片。
推荐理由:Claude Motion 动画可通过 MCP 连接直接进入 Luma,创作者能据此判断跨工具出片流程是否值得接入。
pyvideotrans 发布 v4.15 Windows 预打包版本,MacOS/Linux 需源码部署。新版更新 Deepgram.com 渠道模型并增加语音合成支持,更新 Elevenlabs.io 模型并移除将被废弃的模型,同时在高级选项中新增字幕配音静音缓冲移除与力度调节。此外新增 Audexum 语音识别渠道、Infistar 翻译渠道及阿塞拜疆语支持。
Gemini Nano Banana 2.1 是 Google 的图像生成与编辑模型,作为 Nano Banana 2 的继任者,现通过 Partner Nodes 在 ComfyUI 上线。
推荐理由:ComfyUI 官方接入 Gemini Nano Banana 2.1,创作者可对比其分辨率档位、思考等级与单次成本变化。
Hedra 发布 Developer API,用一个 API key 和预付美元钱包调用 110 多个生成模型,覆盖视频、图像、音频和文本,包括 Veo 3.1、Kling V3、Seedance 2.5、MiniMax H3、Nano Banana Pro、ElevenLabs V3 等。
推荐理由:Hedra 把 110 多个视频、图像、音频和文本模型收进一个 API 与预付钱包,开发者可据此评估多模型流水线的接入成本。
HeyGen Voices 现已支持 ElevenLabs v4,官方称这是 ElevenLabs 目前表现力最强的文本转语音模型。v4 在朗读脚本时更接近配音演员的表达,长脚本的节奏与语气能从头保持到尾,重复重新生成同一句仍保持同一音色。使用时在 Voices 中选择音色并选用 ElevenLabs v4 即可。
InvokeAI 发布 7.0.0 alpha 1,称这是其规模最大的一次更新,约 320 个 PR、2600 次提交,需 Python 3.12,且新界面为默认。
推荐理由:InvokeAI 7 把画布、工作流与视频生成整合进单一工作台,并新增 MiniMax H3、LTX-2.5 等模型支持,可据此判断是否迁移现有出图流程。
Krita AI Diffusion 发布 1.54.0-pre 预发布版,已迁移至 Krita 6 / Qt6,不再兼容 Krita 5.x,推荐搭配 Krita 6.0.4。该版本新增对 Qwen Image 2.1 的支持,官方提示此为未经充分测试的预发布版,在 macOS 上表现不佳。
Black Forest Labs 的 FLUX 3 Image 已加入 Envato AI 模型阵容,支持多参考图生成与编辑、原生 2K/4K 高分辨率输出、图像内文字生成与修改、基于参考图的风格迁移以及局部精准编辑。用户可指定每张参考图的具体作用,并在保留画面其余部分不变的前提下增删或替换特定元素。
Midjourney 为 alpha.midjourney.com 上线侧边栏样式预览、Create 更大图片和文件夹默认参数设置,本周以修 bug 和清理为主。提示栏中多个 sref 现合并为带缩略图的单个样式 pill,悬停可查看代码,并支持将 --exp 固定为文件夹默认值。官方称下周将推出新的协作工具,并预告持久化编辑历史与更好的样式探索方式。
WaveSpeedAI 发布 Ultimate Video Upscaler,可将视频超分至 720p、1080p、2K 或 4K,官方示例把 480p 的 5 秒片段升到 3840 × 2160、保持 24 fps 与原声。
推荐理由:低分辨率草稿加后期超分的工作流,配合按目标分辨率计价的成本结构,可用来评估出片流程的取舍。
WaveSpeedAI 在生成器侧边栏上线 AI Cinema Studio,用 References、Film setup、Camera、Color palette、Lighting 五张卡片把电影风格、机型、镜头运动和灯光选择转成给视频模型的精确镜头描述。
推荐理由:把电影感拆成风格、机型、镜头运动等预设面板,创作者可据此判断是否省去写提示词的环节。
Comfy 官方博客分享动画作者 852話 Hakoniwa 用 Comfy Agent 创作的首部动画短片 YUI,主角名字取自 ComfyUI 最后三个字母。
推荐理由:动画作者用 Comfy Agent 完成首部短片,公开了成本、工时与逐镜头比模型的工作方式。
Luma 推出 Variants,用户上传一张已过审的静态广告后,选择版式与语言,即可自动生成各尺寸与语言组合的版本,logo、标题和 CTA 保持不变,仅调整布局与文案。
推荐理由:广告团队可据此评估把单张已过审素材批量适配多尺寸与多语言版本,替代手工重做。
Runway 发布 Runway Ads,一个端到端运行并优化付费广告创意侧的产品:接入广告账户与品牌素材后,可生成视频和图片创意,将审核通过的变体直接发布到 Meta、Google 和 TikTok,再从这些平台读取投放表现并据此生成下一轮创意。
推荐理由:Runway 把广告创意生成、投放与效果回收打通成一个闭环,并给出自家投放的转化与成本数据,可据此判断自动化投放工具的可用边界。
facefusion 发布 v4-beta 版本,新增 Timestamp 别名类型。该版本由 henryruhs 于 9 月 30 日打标签,具体功能细节尚未在发布说明中展开。
facefusion 发布 3.9.1 版本,更新至最新 onnxruntime 版本,并将 arena workaround 限制在受影响的 onnxruntime 版本上。该版本还修复了 CoreML 下内容分析器的性能问题。
Hugging Face 发布 Open TTS Leaderboard,用客观指标评测开源多语言 TTS 与声音克隆模型,单模型评测耗时从数周投票缩短到数小时。
Canva 为 Meta 的个人 AI 智能体 Muse 推出 AI Connector,Muse 可将视觉创作任务直接交给 Canva 完成。连接后 Muse 能调用用户的品牌字体、颜色和素材,搜索设计库并导出成品文件,生成的设计始终可编辑。该功能已面向美国和加拿大用户开放,AI 能力由 Canva Shield 提供安全支持。
Adobe 在 OpenAI DevDay 2026 期间为 ChatGPT 中的 Adobe 插件推出交互式编辑功能,可在侧边栏中选中图像局部后让 ChatGPT 调用插件修改,再用色相、饱和度、对比度等动态滑块微调,编辑结果会作为上下文回到对话中。
InvokeAI 发布 v6.14.2,修复 6.14.1 的多个 bug 并新增两项功能:Canvas 文字工具支持导入自定义字体,以及通过参考图将图像风格迁移到 krea-2。该版本还修复了密码重置令牌、路径遍历防护、img2img 色调分离、VRAM 中量化 Qwen2.5-VL 编码器释放等问题,并限制 Z-Image 仅使用 Qwen3 4B 编码器。
pyvideotrans 发布 v4.14 Windows 预打包版,完整包 2.7G,补丁包 360MB 仅用于覆盖旧包。该版本优化语音、字幕、画面对齐算法,Google 翻译前先检测,遇 429 拦截自动切换微软翻译,并优化 openai-whisper 模型下载。MacOS/Linux 需源码部署,新版有问题可继续使用 v4.13/v4.03。
Hedra 按同一任务(10 秒、1080p、原生音频、一张起始帧加文本提示)对比 11 个视频模型的 API 价格,最低为 LTX-2.3 Fast 的 0.60 美元,最高为 Seedance 2.5 的 7.91 美元,相差 13 倍;其中 9 个模型满足该规格,Veo 3.1 最长 8 秒、MiniMax H3 无 1080p 设置,被单列为近似替代。
推荐理由:同一 10 秒 1080p 带音频任务下,11 个视频模型的 API 单价相差 13 倍,并给出可复用的选型与成本核对方法。
Cartesia 推出 Multilingual Voices,50+ 库内音色可原生说最多 25 种语言,并支持把自建声音克隆扩展为多语言。每个语言和口音由母语者按评分表打分,检查口音是否保持以及日期、数字、货币是否按当地读法处理。
推荐理由:Cartesia 把同一音色扩展到 25 种语言,并支持用十秒音频克隆后追加多语言口音,做多语种配音的团队可据此评估替换现有流程。
pyvideotrans v4.13 发布 Windows 预打包版,模型下载失败后自动重试,并优化 whisper 模型识别后的重断句算法。该版本完善硅基流动、Minimax、OpenRouter 的语音识别、字幕翻译与语音合成模型支持,新增豆包语音合成 2.0 配音角色,并重构设置窗口与菜单架构。Qwen-TTS、Higgs 等本地配音渠道放弃 8 位量化,媒体合并功能新增暂停按钮。
Google 旗下 Envisioning Studio 与 Google Labs 合作,用 AI 创作工具 Google Flow 为设计师 Jane Wade 和 Sergio Hudson 定制了两款工具,赶在纽约时装周前投入使用。
fal 官方博客介绍 H3 Max 如何在其 Compute、Serverless 和 Model API 三层平台上完成从后训练到分发。H3 Max 生成 5 秒视频用时不到 3 秒,在 fal 的人类偏好评测中于质量、提示理解和美学三项排名第一,Artificial Analysis 与 Design Arena 的独立基准也将其列为第一。
推荐理由:fal 官方拆解 H3 Max 从训练到上线的三层平台,可看到低延迟视频生成背后的推理与扩容机制。
Descript 发布 9 月更新,字幕新增 18 个预设与 10 个文字动画,并支持搜索过滤;AI 可按描述生成背景音乐与音效,需升级至 145.0.15 或更新版本。结账新增 Apple Pay、Google Pay、Cash App 等支付方式并显示本地货币,语音库改用 ElevenLabs,跳剪平滑改为按秒计费(音频 0.5 AI 积分/秒、视频 1.0/秒)。
Vimeo Enterprise 8 月更新上线,为 Webinars、Live events 和 Vimeo AI 带来 10 项改进。注册表单支持最多 8 种语言的 AI 翻译,注册者可获个人专属 Magic links 一键入场,活动邮件可设置独立发件人身份。
College Path Studio 借助 Pictory 在不增加人手的情况下扩大视频内容产出,团队效率提升 450%、视频制作成本节省 250%。这家约四人的小团队用 Pictory 按场景搭建视频,覆盖免费与付费课程、产品演示、YouTube 产品短片和长教育视频,并让团队保持不出镜。
Hugging Face 团队用 Gradio Workflow 重建了 AUTOMATIC1111 的大部分功能,做成单一画布 Workflow1111,由 11 条媒体管线和 73 个节点组成。
推荐理由:用 73 个节点复刻 A1111 全部功能,可对照 ComfyUI 评估节点式工作流的另一种组织方式。
Google 在 Workspace 下推出图像创作与编辑工具 Google Pics,基于 Nano Banana 图像生成与编辑模型,将在未来几周向所有 Google AI Pro 和 Ultra 订阅者及多数 Workspace 商业客户开放。
推荐理由:Google 把图像生成与编辑工具接入 Workspace 应用,可据此判断团队出图流程是否要迁移。
Gradio 内置的 gr.Workflow 把 AI 管线描述为带类型节点的图,提供可拖拽画布,每个节点可运行、中间结果可见,同一张图同时是 REST API 并可一键部署到 Hugging Face Spaces。
推荐理由:Gradio 把多步 AI 管线做成可视化图并自动暴露 REST 接口,可对照现有出片流程评估迁移成本。
NVIDIA 发布 Magpie TTS Multilingual 开放权重模型,参数量 364M,支持 12 种语言,本次新增现代标准阿拉伯语、韩语和巴西葡萄牙语,并通过更新训练数据提升多语言合成质量。
Hugging Face 博客介绍 Diffusers 现已原生支持 Nunchaku 的 4-bit 扩散推理,加载量化 checkpoint 只需调用 from_pretrained(),无需本地 CUDA 编译。
推荐理由:Nunchaku 的 4-bit 量化推理现已原生接入 Diffusers,创作者可据此评估消费级显卡上的出图显存与速度取舍。
Hugging Face 与 Cerebras 联合演示了一套实时语音到语音流水线,用 Cerebras 加速 Gemma 4 31B 推理,语音识别用 Nvidia 的 Parakeet,语音合成用阿里 Qwen3TTS,各层模块化且开源可替换。
OpenAI 重建了其 WebRTC 技术栈,以支撑实时语音 AI 的低延迟、全球规模化与流畅的对话轮次切换。
ChatGPT 支持通过清晰的提示词创建和优化图像,用户可在几分钟内迭代设计并生成高质量视觉内容。
Descript 借助 OpenAI 推理模型实现大规模多语言视频配音,可自动完成大型内容库的本地化,同时保留原有时间轴与语义。
Gradio 团队开源 Python 库 Daggr,可用代码串联 Gradio 应用、ML 模型与自定义函数,并自动生成可视化画布。它支持检查任意节点输出、单独重跑某一步骤、配置备用节点,并自动保存工作流状态与缓存结果。Daggr 要求 Python 3.10 以上,可通过 pip 安装,工作流可部署到 Hugging Face Spaces 分享。
Higgsfield 借助 OpenAI 的 GPT-4.1、GPT-5 和 Sora 2,让创作者用简单输入即可产出电影感、适配社交平台的视频。