WakeGPU:免费开源桌面应用,远程运行 ComfyUI/Colab GPU 并支持自动空闲关机与批量排队
WakeGPU 是一个免费开源的桌面客户端(macOS 与 Windows),用于将远程云实例变成自动化私人工作室,支持自动空闲关机与批量排队。它 100% 免费、MIT 许可证,所有高级功能开箱即用,无付费墙、订阅或遥测,二进制发布在 GitHub Releases。
WakeGPU 是一个免费开源的桌面客户端(macOS 与 Windows),用于将远程云实例变成自动化私人工作室,支持自动空闲关机与批量排队。它 100% 免费、MIT 许可证,所有高级功能开箱即用,无付费墙、订阅或遥测,二进制发布在 GitHub Releases。
MOSS Image 的 4 步 LoRA 已在 iPhone 上运行,DiT 和 TE 采用 4-bit QAD 量化并跑在 GPU 上,VAE 为 fp16 并跑在 Neural Engine 上。
World Labs 发布 Atlas 实时研究预览,通过 Frameboy 演示从云端 GPU 流式生成帧到浏览器,最高 15fps。该版本对 Atlas 做了高度优化,保持新视角合成能力;同时集成到 Viewfinder,用户可逐帧构建场景后实时探索。
推荐理由:实时流式生成把探索成本降到近零,创作者可据此评估交互式世界模型对现有工作流的替代潜力。
Kinoloom 是一个基于 ComfyUI 的开源电影工作室,支持 LTX 2.5 无缝长镜头渲染,可在 8GB 显卡上本地运行。它提供视频工作室、图像工作室和电影模式,可用任意 LLM 写故事,并支持 MiniMax H3(需自备权重,因许可限制)。
英伟达将 RTX Remix 升级至 1.6 版本(GitHub 显示 1.6.1),实验性支持 Java 1.21.1 版《我的世界》路径追踪,并引入 DLSS 5 的 3D 引导神经渲染与最高 6 倍多帧生成。
Blackmagic Design 限时八折销售 DaVinci Resolve Studio,价格从 $295 降至 $236,调色面板与剪辑键盘同步八折。
ai-video-editor 是一款基于浏览器的本地优先开源视频剪辑器,融合多轨道时间线与端侧 AI 推理,可在本地完成剪辑、字幕、抠图等流程。工具集成 Whisper small 做音频转文字并对齐波形字幕,用 MODNet、YOLOS 完成人像抠图与主体避让,内置 MI-GAN 去除水印杂物并配合 NanoVSR 提供 4× 超分。
CG Channel 汇总了上周未单独报道的 CG 工具更新:Maxon 免费动态图形软件 Autograph 2027.0 新增 MCP Server,可连接 Claude、ChatGPT 等外部 AI 工具。
Perplexity 于 10 月 19 日更新 Computer,向可访问 Computer 的用户提供 Nano Banana 2.1 图像生成与编辑,可在同一对话中追加指令修改。
开源 AI 模组 NPCTalk 为《GTA 5》带来无脚本实时对话,玩家可用麦克风与 NPC 交谈,NPC 以 AI 克隆原声回应。该系统由英伟达 Nemotron ASR、Qwen 3.8 27B(Cerebras 平台)、Fish Audio Drama 3 及 TypeSafe Jev 协同运行,按键通话模式延迟约 1.15 至 2.2 秒。
作者发布开源工具 vhotseat,让本地 LLM 服务器与 ComfyUI 在同一张消费级显卡上轮流占用 VRAM 和 RAM,避免显存溢出。
NVIDIA Broadcast 2.3.0 发布,新增对 RTX Spark 设备的支持,并以测试版形式引入 RTX 视频超分辨率与帧生成两项 AI 效果。该版本可将支持的效果应用到本地媒体文件,支持通过 MCP Server 接入 AI 智能体,音棚音效提供四种专业调校麦克风配置文件。
语音控制相机 App Shootsolo 发布 2.0 版本,支持一次拍摄同时保存竖屏和横屏视频,并新增内置提词器、虚拟影棚灯光和背景特效。该版本取消原有积分系统,无广告、无水印、无订阅,可完全离线使用,已在 App Store 和 Google Play 免费上架。
VigenFlow 是一款本地图像生成与编辑服务器,可在 AMD Ryzen AI NPU(XDNA 2)+ CPU 上运行扩散模型,无需独立显卡,支持 Windows 和 Ubuntu。
Valtz 是一款基于 Vpipe 推理引擎的原生 macOS 应用,面向 Apple Silicon 优化,把图像生成与编辑、视频生成、图生视频、AI 提示词增强、多图层视频剪辑、AI 超分、声音克隆与音乐生成整合在同一界面,无需手动搭建节点工作流。
ComfyUI 将 NVIDIA RTX 视频效果做成自定义节点,包含 RTX Video Super Resolution、RTX Video Frame Generation 和 RTX Video HDR,模型随节点附带并在本地 RTX GPU 上运行。
推荐理由:ComfyUI 把 NVIDIA RTX 视频超分、补帧与 SDR 转 HDR 做成节点,并改进 EXR 支持,可对照现有 VFX 流程评估。
Anthropic 为 Claude 推出 Motion 和 Dashboards 两项 beta 功能,Motion 可导出 MP4 动画,Dashboards 则能一句话生成实时数据看板。用户可让 Claude 把数据变成动态看板、把想法变成动画讲解,被调侃以后工作汇报可能直接上动画数据演示。
Lightricks 的 LTX 2.5 Fast 在 VIBE 中支持文生视频与图生视频,提供 720p 到 4K 四档分辨率、2 至 20 秒时长,且每条片段都自动生成音轨。
基于 Muse Gadgets SDK,用 M5 Stack 的 Stop Watch 硬件做出一个磁吸在电脑屏幕旁的小玩具,已内置多个常见 ESP32 设备固件可直接刷入。作者做了 UI 优化、更改语言并加上语音输出,语音能力接入 MiniMax API。
有人用 M5Stack 的 Stop Watch Meta 配合 Muse Gadgets SDK 做出了一个 Muse 小玩具。该 SDK 已内置多款常见 ESP32 设备固件,直接刷入即可使用。Muse 此前发布了这款开源 Linux SDK,可让 ESP32 设备连接 Muse 获取信息并构建周边硬件。
Tern 是一款在 Apple Silicon 上本地运行的播客与视频库搜索工具,通过 whisper.cpp(Whisper Large v3 Turbo,Q5)、Apple Vision OCR 和 SigLIP-2 三路索引,可按语音、屏幕文字或画面内容检索任意片段,结果融合为统一排名。
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 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。
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。
苹果工程师提供了转换脚本与推理代码,Hugging Face 已把 Stable Diffusion v1.4、v1.5、v2 base、v2.1 base 的权重转成 Core ML 版本并放到 Hugging Face Hub。
推荐理由:苹果工程师与 Hugging Face 把 Stable Diffusion 权重转成 Core ML,并给出 Python 与 Swift 两条推理路径,可据此在 Apple Silicon 上本地出图。