ComfyUI 外绘遮罩编辑器(Outpaint Mask Editor)发布
ComfyUI 外绘遮罩编辑器(Outpaint Mask Editor)完成首次注册表发布,支持裁剪坐标合成输出。该工具用于外绘(outpaint)场景下的遮罩编辑与合成。
ComfyUI 外绘遮罩编辑器(Outpaint Mask Editor)完成首次注册表发布,支持裁剪坐标合成输出。该工具用于外绘(outpaint)场景下的遮罩编辑与合成。
Creator Animation 提供站内 AI Film Studio,创作者可用预付积分直接生成多场景影片,并按 80/20 分成保留作品收入的 80%。平台无广告干扰与算法审核门槛,观众可免费观看,粉丝可购买 9 美元/月 Download Pass 离线保存,创作者起始免费存储为 10GB。
Creator Animation 推出面向 AI 电影创作者的直接发行平台,创作者可保留知识产权并拿走 80% 收入。平台提供 10GB 免费存储、$0.40/GB 扩容,以及 Indie(100GB)、Studio(500GB)、Feature(2TB)、Filmmaker(5TB)分级方案;观众可免账号免费流媒体观看,$9/月的 Download Pass 解锁高码率离线下载。
2026 年面向代理商与软件创始人的七款白标 AI SaaS 工具中,Wireflow 因将整个生成层隐藏在企业自有 API 之后而居首,客户无法看到底层运行的是哪些模型。
技术总监 Alexandre Grégoire 在 Generative AI Bootcamp for Film and TV 首期课程中,用 ComfyUI 搭建了一套纯手势操控的 AI 装置,无需鼠标、键盘或手柄。
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。
StabilityMatrix v2.16.4 发布,重点修复导入包时静默删除已有文件的问题,现在会显示文件夹大小与文件数并要求确认。关闭共享模型文件夹时只删除 Stability Matrix 创建的链接,不再触碰真实目录;工作流库链接自嵌套导致页面卡死的问题也已修复。
Trendlume v0.2.0 新增「热点中心」(/trends),聚合微博、抖音、知乎、今日头条、小红书、B 站、百度 7 大平台公开热榜,采用主源 60s API 与备用源 xxapi 的双源容错机制。
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。
内嵌文字正是你还在打开 Photoshop 的原因。 Layers 现在能提取它了。选中图层,点击 Extract,文案就变成实时文本,并已自动匹配字体库中最接近的字体。重新输入。更换字体。重新排版。 改一句文案只需两次点击,而非重新生成。 Layers,由 Uni-1 驱动。
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。
Luma 企业治理功能已上线。 团队隔离。按项目设置额度上限。计费不会因额度上限而停滞。
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。
Hugging Face AI Sheets 发布重大更新,新增视觉支持,可在表格中直接查看、分析、提取图像信息并生成和编辑图片,无需写代码。该工具由 Inference Providers 驱动,可调用数千个开源模型,支持从收据、文档、图表中提取结构化数据,也能按提示词生成配图并批量产出变体,结果可导出为 CSV 或 Parquet。
Hugging Face 在 Gradio 中新增 watermark 参数,开发者只需一行命令即可为 AI 生成的图像、视频和文本添加可见水印。图像和视频通过 gr.Image、gr.Video 的 watermark 参数指定水印文件,支持图片或 numpy 数组,还可使用 QR 水印;文本则通过 gr.Chatbot 的 watermark 参数在用户复制 AI 回复时自动附加署名。
通过 Hugging Face MCP Server 将 Claude 接入 Hugging Face Spaces,即可调用 FLUX.1 Krea [dev] 和 Qwen-Image 等模型生成图像。
Invideo AI 借助 OpenAI 的 GPT-4.1、gpt-image-1 和文本转语音模型,把创意想法在几分钟内转化为专业视频,视频制作速度提升 10 倍。
Hugging Face 在 Inference Endpoints 上线新版 OpenAI Whisper 部署方案,基于 vLLM 实现,RTFx 较此前版本提升近 8 倍,转录质量无损。
ChatGPT 图像生成支持从提示词、草图或上传图片出发,创建品牌视觉素材与产品效果图。该功能面向品牌视觉与产品 mockup 场景,可基于已有素材进行生成。
Hugging Face 与 Cloudflare 达成合作,FastRTC 开发者凭 Hugging Face Token 即可接入 Cloudflare 覆盖全球 335 多个地点的 TURN 网络,每月免费流式传输 10GB 数据且无需信用卡。该集成将在 FastRTC 0.0.20 及以上版本提供,超出限额后可切换至 Cloudflare 账户扩容。
Hugging Face 发布 FastRTC,一个用 Python 构建实时音频与视频 AI 应用的实时通信库。
推荐理由:FastRTC 把 WebRTC 实时音视频通信封装成 Python 库,可省去自建实时链路的前期成本。
Diffusers 团队实验性推出 Remote VAE,将扩散模型的 VAE 解码过程交给远程 Inference Endpoints 处理,以降低高分辨率图像和视频合成对消费级 GPU 的显存压力。
Hugging Face Hub 新增 Hyperbolic、Nebius AI Studio 和 Novita 三家无服务器推理提供商,支持 DeepSeek-R1、Flux.1 等模型,并已集成 JS 和 Python 客户端 SDK。用户可在账户设置中配置自有 API key 直连提供商,或通过 HF 路由调用并按标准 API 费率计费,无额外加价;PRO 用户每月获 2 美元推理额度。
HuggingChat 上线 Community Tools,用户可把 Hugging Face 上任意公开 Space 转为模型可直接调用的工具,并借此扩展图像理解、视频生成和文本转语音等多模态能力。用户也能用 Gradio 自建自定义工具,并在助手中最多添加 3 个工具。该功能仍处于实验阶段。
OpenAI 发文详解其文本转语音模型 Voice Engine 的技术原理与安全研究。Voice Engine 可根据文本生成语音,官方同时介绍了围绕该模型开展的安全研究工作。
Hugging Face 的 PEFT 库新增了面向 LoRA 适配器的合并方法,包括 cat、linear、svd 以及基于 TIES 的 ties 和 ties_svd。
Segmind 发布 SegMoE 框架,可从零创建混合专家(MoE)扩散模型,并已集成进 Hugging Face diffusers。此次发布包括 SegMoE-4x2、SegMoE-2x1 和 SegMoE-SD4x2 三个模型版本,以及用于自建 MoE 模型的 segmoe 代码包,模型采用 Apache 2.0 许可。
推荐理由:发布方给出从零构建 MoE 扩散模型的代码与三个合并版本,创作者可据此把多个预训练模型组合成新模型。
ONNX Runtime 的 CUDA 与 TensorRT 执行提供程序可显著加速 SD Turbo 和 SDXL Turbo 在 NVIDIA GPU 上的推理,吞吐量相比 PyTorch 最高提升 229%(SDXL Turbo)和 120%(SD Turbo)。
Hugging Face Diffusers 现已支持在 Cloud TPU v5e 上通过 JAX 运行 SDXL 推理,借助 JIT 编译与 XLA 并行实现高性能、低成本部署。演示在多个 TPU v5e-4 实例上并行生成 4 张 1024×1024 图像约需 4 秒,纯生成时间约 2.3 秒;TPU v5e 成本不到 TPU v4 的一半。
Hugging Face Diffusers 团队与 T2I-Adapter 作者合作为 Stable Diffusion XL 提供 T2I-Adapter 支持,并发布 sketch、canny、lineart、depth、openpose 等条件的 checkpoint。
推荐理由:对比 ControlNet 的参数量与推理开销,给出 T2I-Adapter 在 SDXL 上的可控生成方案与可复用训练脚本。
苹果与 Hugging Face 将 Stable Diffusion XL 基础模型移植到 Core ML,可在运行 macOS 14 公测版的 Apple Silicon Mac 上使用,目前采用 ORIGINAL attention 实现,refiner 阶段尚未移植。
推荐理由:苹果与 Hugging Face 联合给出 SDXL 在 Mac 上的 Core ML 混合位量化方案,附各机型实测延迟与压缩配方。