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
10月7日周三
  1. pyvideotrans 官方发布38

    pyvideotrans v4.15 发布:更新 Deepgram 与 ElevenLabs 渠道,新增静音移除调节

    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。

10月6日周二
  1. Hedra 官方博客60

    Hedra 发布 Developer API,一个密钥调用 110 多个生成模型

    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。

10月4日周日
  1. InvokeAI 官方发布62

    InvokeAI 7.0.0 alpha 1 发布:全新工作台、画布引擎与视频面板

    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。

10月3日周六
10月2日周五
  1. Envato 官方博客40

    FLUX 3 Image 上线 Envato AI 图像工具

    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。

  2. Midjourney 官方更新22

    Midjourney Alpha 更新:样式预览、默认参数与协作工具预告

    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。

  3. WaveSpeedAI 官方博客62

    WaveSpeedAI 推出 Ultimate Video Upscaler,可将 AI 视频超分至 4K

    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。

  4. WaveSpeedAI 官方博客62

    WaveSpeedAI 上线 AI Cinema Studio,用导演面板生成电影感视频镜头

    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。

10月1日周四
  1. Runway 官方新闻76

    Runway 推出 Runway Ads 自动化广告创意引擎

    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。

9月30日周三
9月29日周二
  1. Canva 官方新闻室22

    Canva 为 Meta 的 Muse 推出 AI Connector,可在对话中生成设计

    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。

9月28日周一
  1. InvokeAI 官方发布20

    InvokeAI 发布 v6.14.2:修复 6.14.1 多项 bug,新增自定义字体导入与 krea-2 风格迁移

    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。

9月26日周六
  1. pyvideotrans 官方发布38

    pyvideotrans v4.14 Windows 预打包版发布

    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。

9月25日周五
  1. Hedra 官方博客62

    Hedra 对比 Seedance、Kling、Veo、MiniMax 等 11 个视频模型 API 价格:10 秒 1080p 带音频从 0.60 到 7.91 美元

    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。

9月23日周三
  1. Cartesia 官方博客62

    Cartesia 推出 Multilingual Voices,50+ 音色原生支持最多 25 种语言

    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。

9月21日周一
  1. pyvideotrans 官方发布38

    pyvideotrans v4.13 发布:优化模型下载重试与 whisper 断句,新增豆包语音合成 2.0 配音角色

    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。

9月18日周五
  1. fal 官方博客62

    fal 详解 H3 Max:基于 fal 推理与训练平台构建

    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。

  2. Descript · 官方产品更新22

    Descript 9 月更新:字幕预设与动画、AI 生成音乐音效、多币种支付

    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)。

9月16日周三
9月14日周一
9月10日周四
9月2日周三
  1. Google AI Blog62

    Google 发布图像创作编辑工具 Google Pics

    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。

8月25日周二
  1. Hugging Face Blog62

    Gradio 推出 gr.Workflow:把 AI 管线做成可拖拽画布并自动生成 API

    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。

8月11日周二
7月23日周四
7月1日周三
5月4日周一
4月10日周五
3月6日周五
1月29日周四
  1. Hugging Face Blog40

    Gradio 团队推出 Daggr:用 Python 代码串联 AI 工作流并自动生成可视化画布

    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。

1月21日周三