生成AI新闻汇总:Claude Duet、SAM 3.1(Unsloth版)、World2HOSI、Hermes GameForge 等
Anthropic 发布 AI 助手 Claude Duet,基于 Claude Opus 5.5,可在后台主动推进任务,目前面向美国 Pro 和 Max 用户开放研究预览并采用等待名单制。
Anthropic 发布 AI 助手 Claude Duet,基于 Claude Opus 5.5,可在后台主动推进任务,目前面向美国 Pro 和 Max 用户开放研究预览并采用等待名单制。
创作者用 OpenAI ImageGen 生成原始图像、ComfyUI + WAN 生成视频、ACE-Step 制作音乐,并用 RIFE / FlowFrames 补帧、FFmpeg 完成最终合成,做出一支名为 Dancing in the Dark 的完整音乐视频。所有视频生成、音乐制作与渲染均在 AMD RX 7900 XTX 上本地完成。
Kokon 0.10 为 Qwen-Image 2.1 桌面编辑器加入 Prompt+ 功能,由模型已加载的 Qwen3-VL 8B 文本编码器把简短想法扩写成详细提示词,无需额外下载第二个模型,默认关闭、可在设置中编辑系统提示词。
小川奈美发布 AI 短片第 4 弹「晨间时光篇」,使用 ComfyUI 搭配 Wan2.2 14B 模型生成,分辨率 1024x576px、73 帧,由 3 秒 × 6 个镜头组成共 18 秒。制作环境为 Windows 11 Home、AMD Ryzen 7 7700 处理器、NVIDIA GeForce RTX 5060 Ti(8 GB)显卡与 32GB 内存。
面向 ComfyUI 的 Windows 应用 PROMPICKS 更新至 1.2,新增提示词权重调整(0.1〜10.0)、从生成历史恢复设置、逐张连续生成与中止,单次生成上限从 4 张提升至 32 张。新版还支持标签组合保存、标签固定、选择状态自动保存,并保留 5,000 个标准标签,售价 1,500 日元。
AIArtEngine 发布 v8.4.2 版本,完整更新日志覆盖 v8.4.1 至 v8.4.2 的改动。原文未披露具体功能、参数或性能数据。
ComfyUI 的 scenedetect 项目更新推荐视频节点,现可选择 OpenCV 或 PyAV 解码,并基于解码时间戳选取代表帧,提升可变帧率视频与短场景的检测可靠性。PySceneDetect 兼容性要求提升至 0.7.2 或更高版本,PyAV 在 ComfyUI 未内置时可选择性安装。同时新增 VHS 图像配合原生视频节点的使用指南与示例工作流。
LTX 制作技术总监 Mohamed Oumoumad 与 Comfy 的 Doug Hogan 直播讲解 LTX 为 ComfyUI 搭建的专业 VFX 工作流,面向真实后期管线,涉及 16-bit EXR、ACES 色彩和交付分辨率输出。
Pictory 发布 Pictory 3,新增 AI 视频智能体:用户描述视频需求并回答五个设置问题后,智能体生成脚本、场景和预览,再通过对话或编辑器修改后生成成片。视频可从想法、脚本、网页、文档、PowerPoint 或录音起步,文档与 URL 合计每次最多 5 个来源。新用户将随推送进入 Pictory 3,旧项目仍保留在 Projects 中且不会自动转换。
Floo 一站式 AI 创作服务平台正式发布,覆盖剧本 Agent、角色设计、导演台、剪辑与发行分账。平台集成 Opus5.5、Seedance 等近 10 款模型,可灵 4.0 满血版在 Floo 首发上线,单秒低至 0.18 元。发行端一键代理红果短剧、抖音、微信视频号,并推出 Q4 签约作品流水 100% 归作者的政策。
推荐理由:Floo 把剧本诊断、角色设定、导演台与发行分账串成一条链路,呈现了 AI 短剧从生成到变现的完整流程。
MiniMax H3 Singularity V2 双采样工作流已更新至新版本,相关演示视频发布在 YouTube。该工作流支持 Edit 与 Pruned 两种模式,帖子由用户 theOliviaRossi 转发,其本人并非作者。
SmartSub v3.11.0 将「高级选项」升级为「更多设置」,分「常用」「专家」两页,解码、断句精调等专家项收进专家页。字体选择器按最近使用、常用字体、全部字体分组,支持中文名和拼音搜索,合成预览会提示缺字并推荐可用字体。
ulearn 于 10 月 15 日推出 AI 漫画制作平台 Drawspire,可从下描稿和文字说明生成漫画分镜,并检测画面是否过度相似于既有作品,月费 0 至 5,980 日元共 4 档。
中国广电原创出品的 AI 微短剧《永不失联的通讯班》在全国有线电视平台及“中国广电”App 首发上线,纪念中国工农红军长征胜利90周年。剧集聚焦1935年6月红军翻越夹金山,讲述现代通信工程师林岳穿越加入红军通讯班、守护无线电生命线的故事。作品借助 AI 完成场景复原与画面渲染,压缩置景和后期周期、降低制作成本。
创作者 kingroka 发布 LoRA「UDA」,用于配合 Moss Image 生成动漫与数字绘画,以缓解基础模型在数字艺术中出现的怪异伪影和错误。该 LoRA 基于约 250 张图像、训练 10000 步,数据集采用结构化 JSON bbox 提示类型,并融合了动漫/数字绘画、吉卜力风格与复古动漫三个 Ideogram LoRA 的合并转换数据。
DramaClip v0.2.2 发布,新增视频文案提取、语音转文字、文字转语音三项工具箱能力,并内置仅本机回环加令牌鉴权的 HTTP 网关供外部 Agent 调用。
Longshot Studio 更新至 0.15.0,针对对口型和面部精修做了多轮迭代,API 免费并运行在用户自己的 ComfyUI 上,代码已开源于 GitHub。作者同时发布了一支完全用该工作室制作的音乐视频《Falling Fast》作为效果示例。
HeyGen Voice Turbo 以合作节点形式接入 ComfyUI,支持单段录音完成声音克隆,并把任意脚本转成语音。Turbo 每 1000 字符成本不到 1 美分,面向本地化广告、培训视频、产品讲解和 AI 数字人管线等规模化配音场景。
开源画布 Agent 发布 v1.6.9,统一 29 个工具的 schema、Policy、可见性、执行绑定与审批预演,并移除旧工具副本和重复上下文管线。画布 Agent 修复多选超过 8 个节点时的焦点丢失,步骤卡新增逐步撤销,已提交生成任务不可撤销。后端数据库 Schema 升至 58,新增 Agent 记忆压缩提案及修订记录,升级需同时更新 Web 与 Backend。
Kling 4.0 已在 Higgsfield AI 上线,单次生成时长从 Kling 3.0 的 3 至 15 秒扩展到 3 至 30 秒,最高 1080p 并带双声道立体声。
推荐理由:对比 Kling 3.0 列出时长、关键帧、参考素材与音频的升级项,并给出各分辨率积分成本,便于评估接入成本。
MiniMax H3 Novel Pipeline 发布更新,新增可编辑参考链接与审阅流程,支持从已保存的电影化章节 JSON 恢复提取。H3 生成环节加入场景时长指引、可配置最大镜头数与可选镜头方向,并可用 Qwen 依据校验反馈修正无效的镜头后处理备注。
作者演示了在本地 ComfyUI 中不依赖本地推理 GPU、也不下载模型,通过安装免费的 Forma 自定义节点并连接账号,打开图生视频模板完成一次真实生成。该方案按量付费、无需订阅,充值从 $5 起,可选 39 个图像与视频模型、8 种视频工作流类型和 2 种图像工作流类型,运行推理前可先查看报价。
作者在 Reddit 发布基于 MiniMax H3 的 ComfyUI 工作流 SyncTile v5.4,把大尺寸或长视频拆成重叠的空间图块与时间窗口,每次模型调用统一预测并融合到同一画布,从而避免接缝与片段拼接,显存占用仅为一个区域。
2026 年值得关注的 11 款 AI 视频广告生成器包括 Higgsfield、Creatify、Topview、Arcads、HeyGen、Runway、Synthesia、Predis.ai、AdCreative.ai、Pika 和 OpusClip,覆盖产品链接转视频、AI 演员 UGC 广告、参考广告复刻和批量版本测试四类任务。
AusBoss 发布 ComfyUI 自定义节点项目 ausboss-nodes,新增 Image Crop + Rotate + Pad、Load Image + Pad 和 Load Video 节点,可像核心 Load Image 一样加载 ComfyUI 生成的文件。
AusBoss 发布 ComfyUI 创作项目 ausboss-nodes,支持在经典视图中将 Assets 面板中的图片拖放到节点图片上直接加载。
Krea 发布 Illustrator 插件,可在 Illustrator 文档内生成图像,再用 Image Trace 转为可编辑矢量路径。插件支持把选区或画板送回 Krea 修改并原位放回,Krea Agent 可在文档内绘制形状、排版文字、整理图层与画板。
Krea 发布 After Effects 插件,在面板内生成动态概念、背景板与连贯镜头画面,结果以标准媒体素材进入当前合成。插件支持 After Effects 2025 及以上版本、macOS 12 或 Windows 10 及以上,生成在 Krea 服务器上运行,需登录账号并联网;面板内置 Krea Realtime 实时预览,免费计划每天含 100 compute units。
推荐理由:Krea 把图像生成搬进 After Effects 面板,动效设计师可在合成内出图并直接作为素材使用。
Shri Labs 开源了 Shri Tools(MIT 协议),可在 RTX 3050 4 GB 显存的笔记本上离线制作带对口型的卡通短片与音乐视频。流程用 FLUX.2 Klein 4B 生成统一角色画面、MiniMax H3(GGUF)驱动说话与口型,并由视觉模型和 Whisper 逐项自检重做,支持英语加 11 种印度语言。
Fibo 2.0 Edit 的默认 Edit 节点开箱仅支持 1MP,有用户借助 OpenCode 与免费 LLM MiniMax M3.1 Flash,约 10 分钟一次性生成自定义 ComfyUI 节点,将上限提升至 2MP。该节点在超过 1MP 时部分细节与元素过渡会出现问题,但整体可用。
用户用 LoRA Dataset Studio 训练出面向 MOSS-Image 的细节与纹理 LoRA「RAW Upscale MOSS」,基于 MOSS-Image-Base 训练 2000 步、rank 16 / alpha 16、1024 分辨率,最终以 FP16 SafeTensors 导出,已在 Civitai 免费开放下载。
ComfyUI 工作流模板发布 v0.11.94,可通过 pip install comfyui-workflow-templates==0.11.94 安装。该版本新增 Mirelo SFX、VEED 和 HeyGen Voice 1.0 Turbo 三套模板。
Nastya Yangar 的 AI 讽刺短片《Grow Baby》设想了一个婴儿可像商品一样购买、在家 21 天养成的世界。片中年轻女性对为人父母的期待被广告和社会压力塑造,日常对话、促销口号与平淡的零售交易让这一设定显得寻常,揭示"挑选孩子"与"接纳孩子"之间的张力。
Alexandre Tissier 发布 Absolut Mexico AI 概念广告,以混合 AI 影像串联墨西哥古代文明、殖民相遇、mariachi、Día de los Muertos 与 lucha libre。影片围绕“谁说墨西哥只有一种灵魂?”展开,先铺垫龙舌兰酒预期,结尾反转揭晓伏特加。
Bear Atelier 推出 AI 哥特奇幻短片《The Estate Sale》,讲述已故收藏家的奇珍异品拍卖会上,一件未列入清单的最终拍品揭开了他收留并珍爱的非凡生物。影片由 AI 生成图像、视频与音频,最终画面使用 Higgsfield 完成,以天鹅绒与金色的奢华场景和古怪拍卖师,将阴森设定转为对金钱价值与真正价值之别的温情黑色幽默,致敬吉尔莫·德尔·托罗对怪物的悲悯。
Vathography 作者发布 ComfyUI-Marigold-V2-Tiled-Depth-Vathography 节点,可从高分辨率照片估算深度图,节点免费、输出可商用,并附带示例工作流。作者称该节点在 8 GB GPU 加约 24 GB 系统内存上应可运行,尚待确认,并征集不同显卡的实测反馈。
MOSS-Image 社区发布 2GB 离线角色与风格目录,收录 33,937 个角色和 221 种风格,每项可一键复制生成提示词。同期出现去除摆拍感的 LoRA、夜景闪光街拍 LoRA、基于 Qwen 视觉描述实现图生图的变通工作流,以及低显存训练 LoRA 教程和 Apache 许可的 Spectrum 加速器。MOSS 团队的技术报告已在 Arxiv 免费公开。
OpenFill beta.2 发布,这是运行在 ComfyUI 上的 GIMP 3 免费本地生成式填充插件,支持生成式填充、物体移除、生成式扩展与文生图,选区即遮罩。
作者发布 ComfyUI-AudioCPP 项目,目标是把 audio.cpp 的 TTS、ASR、声音转换、音乐生成、音频增强与分离等能力统一接入 ComfyUI,覆盖 120+ 音频模型族。
Kling 4.0 已在 Magnific 上线,可生成最长 30 秒的场景,并用最多 10 个关键帧引导动作,同时支持原生音频。可灵官方账号转发了这一消息,并带上 #Kling4 与 #KlingAI 标签。