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13日周二
  1. ComfyUI Wiki · 工作流与开源创作分享78

    Fish Audio 发布 Drama 3 语音合成模型,支持 16 角色与自然语言表演指令

    Fish Audio 于 2026 年 10 月 13 日发布新一代语音合成模型 Drama 3,为开放权重的 35B MoE 模型,每 token 激活 3B。

    推荐理由:35B 开源语音模型支持 16 角色同轨生成与自然语言表演指令,可对照其发音鲁棒性数据评估配音与有声书流程。

10月12日周一
  1. 腾讯 ARC · 创作模型60

    腾讯 ARC 开源多人视频生成模型 Multics

    腾讯 ARC 在 Hugging Face 发布 Multics,通过分层通信实现可扩展的多人视频生成。仓库包含完整的 4-player Multics DiT checkpoint、配置、Wan2.2 VAE、UMT5 文本编码器和 tokenizer,同一 checkpoint 无需重新训练即可支持 6、8、10 人生成。权重以 Apache 2.0 许可分发。

    推荐理由:腾讯 ARC 开源多人视频生成模型 Multics,同一权重可扩展到 10 人,创作者可据此评估多人场景的生成方案。

10月11日周日
10月10日周六
  1. 开源中国62

    Nano Banana 2.1 深度实测:4K 直出与中文排版进步,连续改图仍有坑

    Google 于 10 月 6 日将生图模型 Nano Banana 更新至 2.1,底座换成 Gemini 3.6 Flash,升级集中在视觉设计、蒙版编辑、主体一致性和画面真实感四个方向。实测显示画面质感支持 4K 原图直出、微距细节扎实,中文文字的清晰度与排版也有明显进步,但连续改图环节仍存在需要留意的坑。

  2. 可灵官方博客58

    创作者实测 Kling 4.0:角色一致性、多图转场与风格切换表现

    韩国视觉创作者 서오키(@oasis.seo.ai)受可灵邀请实测 Kling 4.0,用三个创作实验检验 Omni Reference、风格转场与角色一致性。她表示 Kling 4.0 能连贯眼神、表情与手势等细微动作,多图衔接时保留原图色调与质感,真人到动画反复切换中角色形态与动作保持稳定,减少了重复生成与后期修补。她也希望 Sound Effects、角色一致性与精细控制继续改进。

10月9日周五
  1. SuSu_酥酥66

    阿里通义开源 Qwen-Image-2.1-Turbo,8 步出 2K 图像

    阿里通义开源 Qwen-Image-2.1-Turbo,基于 Qwen-Image-2.1 的加速 checkpoint,沿用同一套 7B 视觉生成架构,文生图与自然语言编辑只需 8 步去噪,官方称仍能生成 2K 图像并支持加配饰、换场景等连续编辑。

    推荐理由:Qwen-Image-2.1-Turbo 以 8 步去噪实现 2K 文生图与自然语言编辑,并给出 Diffusers 与 API 两条上手路径。

  2. Midjourney 官方更新50

    Midjourney 测试图像生成 Thinking Mode

    Midjourney 在 Alpha 网站(alpha.midjourney.com)测试图像生成的新 Thinking Mode,用户可在任务 lightbox 右下角点击 "Rerun (Thinking)" 运行。测试显示该模式有助于提升提示词准确度、文字排版和画面连贯性。Midjourney 表示未来可能将其作为通用的 thinking 模式,或在任务完成后"增加更多思考"。

10月8日周四
  1. 机器之心 · 公开公众号 RSS73

    生数科技发布 Vidu Q4 Preview,首发 0.09 元/秒起

    生数科技推出 Vidu Q4 Preview,作为 Vidu Q4 面向创作者的首个预览版本,重点提升人物演绎、镜头语言与复杂视效,首发价格 0.09 元/秒起,同样预算最高可生成 5 倍内容。

    推荐理由:Vidu Q4 Preview 把 0.09 元/秒的首发价与 15 张参考图、2K/4K 输出放在一起,可据此判断 AI 视频批量生产的成本区间。

10月7日周三
  1. SuSu_酥酥22

    Opus 5.5 代码渲染皮克斯风 Dots 短片

    Opus 5.5 用纯代码为对手 Dots 生成了一支皮克斯风短片,角色毛毡绒感、大眼高光、浅景深,全程浏览器逐帧实时渲染,未开建模软件、未用任何素材。六只毛绒 Dot 围着一团白线编成白色花结,片尾点题"六种颜色加在一起,是白色的光",光、毛、反射、景深效果接近棚拍实拍。

  2. 可灵 Kling22

    可灵 Kling 4.0 将亮相釜山 ACFM

    可灵宣布 Kling 4.0 即将发布,并将在 10 月 10–13 日于韩国釜山 ACFM 展示一系列用该模型创作的真实项目。可灵表示,其关注点已不只是 AI 能生成什么,而是它能否理解导演创作意图、保持角色与叙事连贯,并融入动画、真人影视和剧集的专业制作流程。届时将与影视人、工作室和内容平台共同探讨生成式 AI 从创意实验走向专业生产。

  3. Oimi · 中文图像视频教程67

    谷歌发布 Nano Banana 2.1:半价、全景比例与 14 图融合

    谷歌在 Gemini API 正式发布图像生成与编辑模型 Nano Banana 2.1(模型 ID:gemini-nano-banana-2.1),单张 1K 图成本约 $0.034,约为 Nano Banana 2 的一半。

    推荐理由:谷歌图像模型 2.1 单张成本约降一半并新增全景比例与 14 图融合,可据此评估是否迁移现有出图流程。

  4. SuSu_酥酥78

    Google 发布 Nano Banana 2.1 图像生成与编辑模型

    Google 正式发布 Nano Banana 2.1 图像生成与编辑模型,官方称其在视觉设计、Mask 精准编辑和主体一致性上全面超过上一代,画面更自然真实。该版本已在 Gemini、Search AI Mode、AI Studio、Flow、Stitch、Google Ads 和企业平台铺开。

    推荐理由:Google 图像生成模型升级,点名视觉设计、Mask 编辑与主体一致性三项能力变化,并已在多个产品线铺开。

10月6日周二
  1. FastVideo 视频模型 · 模型发布62

    FastVideo 发布 FastH3 Trim 精简模型及 ComfyUI 重打包文件

    FastVideo 发布实验性精简模型 FastH3 Trim,transformer 块从 50 减至 42,采用 rank-16 时间步条件,8 步采样,体积比基础 H3 小 4.2 倍,速度快于 FastH3 V2。

    推荐理由:FastH3 Trim 以 42 层、8 步采样和 4.2 倍体积压缩给出更轻的视频生成方案,并附 ComfyUI 各精度文件与参数。

  2. Theoretically Media blog62

    Prism 与 Kandinsky 6.0 两款开源视频模型发布,Nano Banana 2.1 上线

    腾讯混元团队与复旦大学合作推出开源视频模型 Prism,原生生成 2K 带音频,约 10 秒 24fps、48 kHz 音频,仅支持图生视频,720p 需 80 GB 显卡且暂无量化版本;代码在 Tencent-Hunyuan GitHub 组织下,预览权重放在个人 Hugging Face 账号,腾讯未发布官方公告。

10月5日周一
  1. GitHub:AI视频开源项目发现82

    Kandinsky 6.0 开源发布:同步音频视频生成模型,含 Lite 与 Pro 两档

    kandinskylab 发布 Kandinsky 6.0 Video 系列扩散模型,包含 3B 参数的 Lite 和 29B 参数的 Pro,可生成 5 秒带 44 kHz 同步音频(含对口型)的视频,支持文生音视频与图生音视频,并配有超分模型将输出提升至 Full HD(1920×1080)。

    推荐理由:Kandinsky 6.0 开源了带同步音频与对口型的视频生成模型,并给出各档显卡的实测耗时,方便创作者评估本地部署成本。

10月4日周日
  1. 可灵 Kling60

    可灵拆解 Kling 4.0 短片《The Beat》:30 秒连续镜头与 Omni Reference

    可灵发布幕后文章,逐镜头拆解其短片《The Beat》在社交平台超过 500 万次曝光所用的 Kling 4.0 功能。文中提到 Kling 4.0 原生支持 30 秒连续生成,Omni Reference 单次任务最多支持 15 个多模态参考,Multi-Keyframe 最多支持 10 个关键帧,并具备 10-bit HDR 输出、升级的立体声音频与改进的对口型。

10月3日周六
  1. FastVideo 视频模型 · 模型发布62

    FastVideo 发布 FastH3 Trim 8 步音视频生成模型

    FastVideo 发布实验性模型 FastH3 Trim,从 FastH3 V2 的 50 个 MiniMax H3 transformer block 中移除 8 个影响最小的 block,并将各 block 的 AdaLN 时间步投影替换为共享 rank-16 基,用 8 步 DMD2 训练(checkpoint 300),实现 8 步文本生成视频并同步音频。

    推荐理由:FastH3 Trim 用剪枝加共享 AdaLN 把 8 步音视频生成压到消费级硬件,可对照 V2 权衡画质与体积。

  2. IndexTTS · 语音模型60

    IndexTeam 发布 Index-Translate-35B-A3B-preview 多语翻译模型

    IndexTeam 发布 Index-Translate-35B-A3B-preview,这是基于 Qwen3.5 的 35B 总参数、3B 激活的 MoE 多语文本翻译模型,支持 150 种语言,并原生支持端到端图片翻译,无需外部 OCR。

    推荐理由:Index-Translate 家族新增 35B-A3B 预览版,支持 150 语种与图片直译,可对照报告数据评估其低资源语向表现。

10月2日周五
  1. 可灵 Kling72

    可灵 4.0 进入内测,10 月正式发布

    可灵 4.0 已进入封闭内测,官方发布定于今年 10 月。新版本升级音频与画面,支持稳定动态运动、高质量立体声、更精准对口型、最高 4K 分辨率与 10-bit HDR 输出,并可生成最长 30 秒视频。

    推荐理由:可灵 4.0 进入内测,创作者可据此了解其在动态稳定性、长镜头与一致性上的能力变化。

  2. 可灵官方博客62

    可灵 4.0 进入内测:创作者实测 30 秒长镜头与多镜头一致性

    可灵 4.0 已进入封闭测试,官方计划今年 10 月正式发布,升级包括稳定动态运动、高质量立体声、更准确的对口型、最高 4K 分辨率与 10-bit HDR 输出。

    推荐理由:可灵 4.0 进入内测,创作者实测 30 秒长镜头、动态稳定与多镜头一致性,可据此判断商业出片流程是否值得切换。

10月1日周四