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26日周一
  1. 可灵官方博客67

    可灵发布 Kling 4.0,支持 3–30 秒生成与 Omni Reference

    可灵于 2026 年 10 月 15 日正式发布 Kling 4.0,支持单次 3–30 秒生成、更稳定的大幅运动与复杂运镜,以及最多 10 个关键帧输入。Omni Reference 单次生成最多可组合 15 个参考素材,包括 10 张图片、总时长不超过 30 秒的 5 段视频和 7 个元素,并可用提示词对已有素材做主体、背景、表情、机位与风格的定向修改。

    推荐理由:官方梳理 Kling 4.0 的参考素材、关键帧与定向编辑能力,并给出从分镜到交付的流程建议。

  2. 机器之心Pro · 搜狐公开专栏70

    微软提出 Code Video Model:用可执行代码控制视频生成

    微软团队提出 Code Video Model,由 Coding Agent 将 Prompt 转化为 Three.js 程序,把几何布局、物体运动、相机轨迹和事件时序统一为可执行场景表示,程序渲染的预演视频为视频模型提供时空参考。

    推荐理由:微软团队用可执行代码替代提示词控制视频生成,免训练的阶段化条件调度让镜头设计在生成前可检查可修改。

  3. Hugging Face Daily Papers25

    OmniShowcase:多视角图像的全向主体一致视频生成

    OmniShowcase 提出一种从多视角图像生成全向主体一致视频的方法,通过自动数据合成与几何条件化实现 360 度环绕视角下的主体一致性。实验显示其在主体身份和 3D 一致性上达到当前最优,同时保持有竞争力的视频质量与运动。研究还构建了 Showcase-4K 数据集(12 种相机运动、88 种轨迹配置)和 ShowcaseBench 评测集。

  4. Variety 产业新闻55

    Grok Imagine 发布首集 7 分钟 AI 生成《奥德赛》,此前承诺的整部长片尚未兑现

    马斯克的 Grok Imagine 在 X 上放出《奥德赛》系列第一集,时长 7 分钟,由 Wonder Studios 与导演 Dev Walker 参与创作。今年 7 月马斯克曾称 Grok Imagine 将在年内做出忠于荷马史诗、历史准确的整部长片,导演 Scott Derrickson 当时公开批评该项目。此次发布未附任何说明,马斯克此前还批评诺兰电影版选角。

10月25日周日
  1. SuSu_酥酥64

    Block 发布全双工语音模型 Dessa,可在 M4 Max Mac 本地实时运行

    Jack Dorsey 的 Block 发布全双工语音模型 Dessa,官方称其为迄今最逼真的全双工语音模型,对话带有情绪、停顿与自然节奏。该模型从零开始只用人类对话录音训练,未使用文本或预训练模型,可在 M4 Max Mac 或更高配置上实时运行,训练使用一台 NVIDIA GB200 NVL72。目前仅向安全研究员开放内测,公开访问设有 waitlist。

  2. Reddit StableDiffusion · 创作者与工作流分享33

    MiniMax 测试:面无表情的二战士兵,光照、环境与物理效果(SLA + 8 步 LoRA)

    用户用 MiniMax 测试二战士兵场景的光照、环境与物理效果,包括泥浆飞溅、烟雾和坦克翻覆等细节,并加入 DLLS5 作为额外处理环节。作者称其对交互与画质的处理仍令人印象深刻,尤其在提示扁平漫射光时;所用为旧工作流,可按需上传。

  3. TheoreticallyMedia · YouTube 创作视频38

    神秘 AI 视频模型 Iron Goddess 现身 Arena 对战模式

    未公开归属的 AI 视频模型 Iron Goddess 本周出现在 Arena 对战模式中,运动幅度大、速度快,但最快片段逐帧看会出现模糊。Seedance 2.5 画面更稳定,动态幅度则较小。目前无人认领该模型,作者猜测可能是阿里,因其 9 月云栖大会曾预告 11 月推出新视频模型。

10月24日周六
  1. 可灵 Kling65

    Kling 4.0 在 Lovart 上线,支持单条 30 秒片段与 10 个关键帧

    Kling 4.0 已在 Lovart 上线,单条可生成最长 30 秒片段,并支持 10 个关键帧控制节奏、最多 15 个角色/产品/场景参考素材。官方称其运动更稳定、音频更好、镜头运动幅度更大,Lovart 的 Arti 负责生成分镜清单。

    推荐理由:Kling 4.0 在 Lovart 上线,单条可生成 30 秒片段并支持 10 个关键帧与 15 个参考素材,可据此评估长镜头控制能力。

  2. 可灵 Kling80

    可灵 Kling 4.0 上线 fal 并开放 API

    可灵 Kling 4.0 已在 fal 平台公开可用,API 面向所有客户开放。该模型支持最长 30 秒原生视频生成并带音频,最多 15 个图像、视频与元素参考,以及最多 10 个关键帧的精确控制,并改进了运动、角色一致性与电影化叙事。

    推荐理由:Kling 4.0 通过 fal 开放 API,原生 30 秒带音频生成与多参考、关键帧控制的变化可供创作者评估接入。

  3. 极客公园55

    字节跳动火山引擎发布 Seedance 2.5 4K 视频生成模型

    火山引擎正式发布 Seedance 2.5 4K,官方称其是 Seedance 2.5 这一代中最强的模型,强化了人物表情、细微动作与画面细节,并支持 10-bit 色深。该版本支持 Draft 样片模式,可先用 480P 验证分镜、再生成 4K 正片;目前采取定向邀请,优先给到全球 20 家影视工作室和导演用于电视剧、电影镜头前期制作。

  4. SuSu_酥酥22

    Kimi K3.1 Pro 跑马实测胜 Opus 与 Astra

    ⚔️单文件Three.js跑马实测炸了!Kimi K3.1 Pro碾压Astra,Opus也差点被干穿! 🐴 Kimi K3.1 Pro: 跑姿最自然流畅,鬃毛尾巴飘逸,动作真实感拉满,一看就是真·会跑的马 🐴 Claude Opus 5.5: 整体协调,但动作偏僵硬,节奏和流畅度明还可以 🐴 GPT-6 Astra: 跑姿最怪,比例和动画都崩,几乎像机器人在跳 Kimi K3.1 Pro从开源杀出来,3D创作直接把前排打穿,性价比太离谱了。 #KimiK3 #KimiK31Pro #MoonshotAI #AI #ClaudeOpus #GPT6Astra #ThreeJS #开源模型 #杨植麟 #Dario #SamAltman https://x.com/nft_chen/status/2113717593844703389?s=46 https://x.com/AI_Screening/status/2113688082474221830/video/1

  5. SuSu_酥酥78

    腾讯混元开源世界模型 Hy-Nomas,支持文本与相机轨迹交互生成视频

    腾讯混元开源世界模型 Hy-Nomas,支持用文本提示和相机轨迹进行自由交互,并具备带世界记忆的长时程生成能力。该模型提供面向机器人等垂直领域的轻量 LoRA 适配,经 8 步蒸馏可在单张 RTX 4090 上生成 720p@24FPS 视频,权重已上线 Hugging Face 与 GitHub 并提供在线 Demo。

    推荐理由:腾讯混元开源世界模型 Hy-Nomas,支持文本与相机轨迹操控,单张 RTX 4090 即可运行 720p 视频生成。

10月23日周五
  1. Reddit StableDiffusion · 创作者与工作流分享22

    MOSS LoRA:一键生成 Instagram 网红风格真实感照片

    一款名为 MOSS 的 LoRA 发布,可直出 Instagram 网红生活风照片,自带暖调、柔和色彩与自然光感,无需额外滤镜或修图。该 LoRA 兼容 Moss base、SFT 和 Kromos,适用于自拍、手机随手拍、街头时尚、咖啡馆与旅行等日常场景,权重建议 0.6-1.0,无需触发词。

  2. MindStudio Blog · 创作分享42

    Recraft V4.1 Flash 发布:约 1.3 秒出图,支持可分享自定义风格

    Recraft V4.1 Flash 以约 1.3 秒生成一张图的速度主打快速出图,代价是先生成较低分辨率,再可选通过 enhance 功能放大并优化画质。自定义风格支持用参考图构建、内置示例提示词预览,并新增通过链接分享给他人套用。Recraft 仍提供免费方案,用户可试用 V4.1 Flash 与风格工具。

  3. MindStudio Blog · 创作分享75

    LTX 2.5 开源权重发布:22B 视频模型可自行下载运行

    Lightricks 在 Hugging Face 发布 LTX 2.5 开源权重,这是一个 22B 参数的扩散模型,可下载到自有 GPU 运行,同时提供 dev 完整版与蒸馏加速版,以及 bf16、int8、nvfp4 量化格式。

    推荐理由:Lightricks 把 22B 视频模型连同音频与多镜头能力一起开源,文中拆解了下载包各组件与自托管门槛。

  4. MindStudio Blog · 创作分享78

    LTX 2.5 解析:支持同步音频与原生多镜头的开放权重视频模型

    LTX 2.5 是一个开放权重的 AI 视频模型,音视频在同一次生成中产出,并支持单次生成内包含多个连贯镜头。模型提供标准版与蒸馏版,权重可下载,能通过托管 API 调用,也能部署在自有 GPU 上;官方称新的扩散视频解码器改善了人脸、纹理、画面文字与快速运动的表现。文章还记录了在远程 Nvidia GPU 上自托管运行、用对话镜头测试对口型与面部一致性的过程。

    推荐理由:文章拆解了 LTX 2.5 音视频同源生成、原生多镜头与可自托管三项特性,便于判断开放权重视频模型的实际边界。

  5. SuSu_酥酥58

    国产 3D 模型 Hi3D V3.0 发布,V1.0 同步开源

    国产 AI 3D 模型 Hi3D V3.0 正式发布,作者用同一张人物图对比称其在轮廓、体积和局部细节上比 GPT-6 Astra 更贴近原图。V3.0 主打可商用 2048³ 精度、纹理最高 8K;V1.0 基于 Sparc3D 开源,训练数据扩至约 200 万,切片成功率 90%,并支持 MCP 接入 Blender 与游戏引擎。

  6. Reddit StableDiffusion · 创作者与工作流分享60

    PixText 发布:用于修复生成图像文字的小型快速模型

    作者发布 PixText,一个专门修复生成图像中错乱文字与中文字符的小模型,参数量约 0.95B。模型直接在像素空间训练以避开 VAE 压缩对小字细节的损失,不需要文本编码器和 VAE,借助 MeanFlow 仅用 4 步采样完成文字修复。作者同时提供了 ComfyUI 节点、可直接使用的工作流、代码与模型权重。

  7. IT之家71

    火山引擎发布 Seedance 2.5 4K 模型,面向影视级画面生成

    字节跳动旗下火山引擎发布 Seedance 2.5 4K,称其为 Seedance 2.5 这一代中最强的模型,通过专项训练学习人物表情、细微动作与画面细节。该模型支持 Draft 样片模式,可先用 480P 样片验证分镜、打磨镜头,再生成 4K 正片,并具备 10-bit 色深;目前仅供部分企业客户试用,部分海内外影视制作、后期公司已试用。

    推荐理由:Seedance 2.5 4K 把样片验证与 4K 正片分成两段流程,影视团队可据此判断画质与成本如何取舍。

  8. 可灵 Kling72

    可灵 Kling 4.0 上线 idea.ai

    可灵 Kling 4.0 已在 idea.ai 上线。据 idea.ai 介绍,该版本可用单条提示生成 30 秒场景,保持跨镜头角色一致,并支持在实拍、动漫与 3D 风格间切换。

    推荐理由:Kling 4.0 在 idea.ai 上线,支持单提示生成 30 秒场景与跨镜头角色一致,可对照现有出片流程评估。