Genie 4 现已可用
Genie 4 现已向 Google AI Ultra 订阅者开放,支持会话中实时编辑世界与实时原生音频。Genie 3 同步更新,单次生成最长 3 分钟,支持 360 度全景图种子与实时世界事件;新增 Project Genie agent 与社区画廊。
推荐理由:Genie 4 向 Google AI Ultra 订阅者开放,支持会话中实时编辑世界与实时原生音频,创作者可据此评估其交互式世界生成、分享与再创作能力。
Genie 4 现已向 Google AI Ultra 订阅者开放,支持会话中实时编辑世界与实时原生音频。Genie 3 同步更新,单次生成最长 3 分钟,支持 360 度全景图种子与实时世界事件;新增 Project Genie agent 与社区画廊。
推荐理由:Genie 4 向 Google AI Ultra 订阅者开放,支持会话中实时编辑世界与实时原生音频,创作者可据此评估其交互式世界生成、分享与再创作能力。
Comfy 官方宣布 Comfy Cloud 现支持团队自定义 ComfyUI 设置(Custom Builds),可在浏览器中运行自定义节点、模型和 LoRA。
推荐理由:团队无需本地配置即可在浏览器中运行自定义 ComfyUI 设置,GPU 按秒计费,适合评估云端协作与规模化出图。
字节跳动 Seed 的图像生成模型 Seedream 5.5 上线 Recraft Studio,付费计划可用,主打更真实图像与可稳定编辑 100 轮的编辑能力。
Recraft Studio 上线字节跳动 Seedance 2.5 Flash,生成速度约为 Seedance 2.5 的两倍,支持 480p/720p、4 至 30 秒带声音视频,积分 15 至 32 每秒。与 Seedance 2.5 相比,Flash 上限 720p、积分更低,适合分镜与探索;最终渲染仍用 Seedance 2.5。
推荐理由:Recraft 官方用同一组提示词对比 Seedance 2.5 Flash 与旗舰版 Seedance 2.5,创作者可据此判断探索与成片的分工。
Krea 官方对比 8 款 AI 视频换脸工具,按免费额度、最长时长、分辨率、水印与价格给出选择建议。Krea Video Swap 与 Higgsfield Genjutsu 适合整角色替换,Magic Hour 提供每日 3 次免费换脸,Vidnoz 支持最长 50 分钟视频。所有数据均来自各厂商官网,于 2026 年 11 月 17 日核实。
推荐理由:八款视频换脸工具按免费额度、时长、分辨率与价格横向对比,并给出整角色替换、长视频、免费试用等场景选择建议。
Higgsfield 官方发布 Short Drama Studio 制作 AI 短剧系列的完整指南,流程覆盖脚本上传、视觉风格选择、角色与场景参考、分镜规划、生成与导出。工具支持 480p 草稿、720p 和 1080p 质量,MCP 工作流通过 /short-drama 一次生成一集,最长 180 秒。
可灵发布新一代图像生成模型 Kling Image 4.0,现已上线可灵创意工作室并向企业及开发者开放 API。该模型基于原生统一理解与生成架构,支持原生 8K 图像生成、单图最多 2000 字符文本渲染、单提示词生成最多 10 张一致风格图像,以及电商详情页等长图生成。此外还提供 110+ 预设调色风格、70+ 预设商用字体和七种语言支持。
推荐理由:新模型将视觉理解与图像生成统一在同一自回归框架,原生8K与长文本渲染能力值得创作者评估替换现有出图流程。
HeyGen 发布 Avatar 6 个人数字人,可按脚本表演,84% 测试者无法分辨真假。Avatar 6 支持脚本驱动的手势和表情,从最多 30 秒视频和一张照片学习,现有 Avatar 和 Looks 可直接使用。
推荐理由:新版本提升真实感,84% 测试者无法分辨,创作者可据此评估是否替换现有数字人出片流程。
Kling 4.0 支持静态镜头创作:Text-to-Video 用提示词公式生成固定机位场景,Omni Reference 可组合最多15个参考资产保持角色与场景一致,Creative Recreation 可基于现有视频重构固定机位概念。静态镜头保持相机位置、角度和构图不变,The Searchers、Tokyo Story 等经典影片展示了其引导注意力和营造情绪的作用。
Kling AI 提供 Kling IMAGE 3.0 Omni 和 Kling 4.0,帮助用户将动漫风格转化为动态视频。Kling 4.0 支持单次生成 3-30 秒视频,Omni Reference 可组合最多 15 个参考,并用最多 10 张关键帧引导动作与镜头。用户可通过文本和视觉参考创建动漫角色、背景和一致图像系列。
Sizzle reel是一种短宣传视频,用素材、图片、音乐和简短信息激发对品牌、产品、活动或创意项目的兴趣。可灵(Kling)的Kling 4.0视频生成与编辑模型可精修现有素材或创建新镜头,Omni Reference支持组合最多15个资产以引导主体一致性、运镜和节奏,单次生成最长30秒、最多10张关键帧图。
Kapwing 发布 Sheru Bhai AI 视频制作教程,用 Claude Skill 生成角色参考图和完整视频 Prompt,再在 Seedance 2.5 中一次生成 15 秒带对白的竖屏视频。教程还包含环境参考图、竞拍场景逐秒分镜、AI 照片生成方法,以及角色一致性问题的排查表。
WaveSpeedAI 的 Dora 分享一套 AI 视频角色一致性镜头工作流,通过角色参考套件、固定身份细节和两遍审查来避免角色漂移。Vidu 2.0 接受 1-3 张参考图,MiniMax H3 Highspeed 接受最多 9 张参考图和 3 段参考视频;修复漂移时一次只改一个输入。
推荐理由:这套工作流给出角色参考套件、固定身份细节和两遍审查的具体做法,可直接迁移到多镜头 AI 视频制作。
Zyphra 发布紧凑多语言 TTS 模型 ZONOS3-Mini,支持 43 种语言,约 1 亿活跃参数每 token,并提供原生 transformers 移植版本。该模型使用 ZAC-1 编解码器作为音频 tokenizer,内置 27 个发布音色,支持从短音频克隆声音,采用 Apache-2.0 许可证。
推荐理由:ZONOS3-Mini 以原生 transformers 移植发布,支持 43 种语言与声音克隆,便于评估其作为多语言 TTS 基线的适用性。
Higgsfield 在 Ramp Rate 2026 年 11 月排名中成为图像与视频 AI 类别采用率最高的平台,过去 12 个月 42% 通过 Ramp 购买该类软件的企业选择了 Higgsfield。其采用率一年内增长 33 个百分点,在七项排名中六项列第一;Midjourney 以 35% 排名第二。
Viggle AI 的角色动作与舞蹈视频替代方案中,Luma AI 以 Ray 3.2 多关键帧控制、20 秒视频到视频、HDR 与 16-bit EXR 导出领先,Kling AI 则以 4K 原生分辨率和物理感知运动见长。
面向电影人与剪辑师的 AI VFX 工具指南把 Luma AI 列为适合广告与品牌内容团队的选择,并介绍 Silhouette 的 AI 抠像能力。
原生音频 AI 视频生成器可在一次生成中同步输出对白、音效与环境声,Luma 与 Google Veo 是代表性平台。Luma 的 Ray 3.2 支持多关键帧、HDR、EXR 导出与 Motion Transfer,并用 Uni-1 维护项目上下文。Google Veo 被定位为企业方案,具有广泛平台访问能力。
Synthesia 建议用统一 intake 表单、按业务影响/证据/工作量/紧急度评分排优先级,并用 AI 起草来加快 eLearning 内容生产,同时保持质量。其 2027 AI in L&D report 显示 75% 学习专业人员认为 AI 带来更快内容创作,但仅 11% 提到岗位绩效提升、35% 持续衡量。
在 ChatGPT 中制作 AI 视频需通过插件目录连接视频应用,本指南覆盖 Higgsfield、Runway、HeyGen、invideo 等 17 个插件的分类与计费规则。
推荐理由:这份指南对比了 ChatGPT 插件目录中 17 个视频应用的计费规则与能力差异,并给出可复用的提示词模板,帮助创作者选择工具并控制成本。
美团LongCat发布开源音频驱动人物视频生成框架LongCat-Video-Avatar 1.6,在1.5基础上改进唇音同步、面部与身体协调运动及长视频一致性,支持超过10分钟视频生成并优化推理速度。
推荐理由:新版本改进了长视频稳定性和推理效率,人类偏好评估中仅次于OmniHuman-2.0,为数字人视频生成方案选择提供参考。
作者用 Async 对同一段素材分别实测文本编辑与聊天编辑两种 AI 视频编辑工作流,认为聊天编辑整体更轻松灵活,文本编辑更适合清理长录音。文本编辑通过修改转录稿删除或重排对应视频片段,聊天编辑则通过自然语言指令完成换背景、去物体、加字幕等操作。作者未计时,结论基于实际编辑体验。
Higgsfield 官方博客发布完整指南,教创作者用 AI 从零创建无脸 YouTube 频道,示例频道为 Statues With a Story。指南明确 YouTube 要求披露逼真 AI 生成内容,并列出 2027 年 2 月 1 日起新申请者进入完整 YPP 需 8,000 小时观看或 2,000 万 Shorts 观看的新门槛。
推荐理由:这篇指南给出从选题到变现的完整流程,并明确了 YouTube 对 AI 生成内容的披露边界与 2027 年新 YPP 门槛。
Synthesia 入选首届 AI 100 榜单,成为全球前 100 家私营 AI 公司之一。2026 年公司完成 2 亿美元 E 轮融资,估值 40 亿美元,并推出 AI 视频智能体 Syren,可将提示词转化为品牌视频;同时通过 MCP 集成将视频创作带入 ChatGPT 和 Claude。公司客户超过 65,000 家,其中包括 90% 的财富 100 强企业。
Luma 的 AI 卡通生成器指南介绍照片转卡通、文本生成卡通和动画化三类工具,强调跨场景角色一致性。Luma 的 Ray 3.2 支持多关键帧排序和 HDR 工作流,Layers 由 Uni-1 驱动可单独编辑元素。Cartoonize.ai 提供 20 多种艺术风格,适合快速照片转卡通。
AI 角色生成器通过参考图、自定义模型训练与编辑式工作流保持角色一致性,其中 Luma AI 的 Uni-1 保持图像角色一致,Ray 3.2 在视频中实现帧级身份稳定。参考图工作流可减少重复生成,编辑式工作流比全量重生成更能保留已批准特征。统一平台减少工具切换摩擦,适合品牌活动、动画与插画等跨场景项目。
Higgsfield 官方指南把客户 AI 视频项目拆成九个阶段,从 brief、参考与素材准备、分镜与 previz 审批、生成、选片、剪辑后期、客户审片与修改、改编到最终 QA 交付,每阶段都有负责人和产出。
番茄小说正式启动2026「万象新章」创作计划。该短剧漫剧改编公告的页面正文主要为《番茄小说网用户协议》《番茄小说网隐私政策》、版权咨询与举报联系方式等页脚信息,未披露具体创作要求、权益或时间安排。
WaveSpeedAI 基于 Higgsfield 官方文档评测 Cinema Studio 4.0,梳理其控制面板、参考图与提示词的分工,并指出 Web 与 API 能力存在差异。评测建议团队先做小规模试验,再决定是否采用。
HeyGen 发布 2026 年 11 月企业 API 更新,Video 1、Voice 1 和 Image 1 上线 API,企业限流提升,零数据保留覆盖范围扩大,v1/v2 于 2026 年 11 月 7 日退役。Video 1 支持文本/图像/参考视频到视频并生成对话与音效,Voice 1 支持 Instant Clone 与语音转语音,Avatar V 新增更自然眨眼。
推荐理由:HeyGen 企业 API 更新将视频、语音和图像模型统一接入,限流提升,v1/v2 退役后需迁移到 v3。
Google 于 2026 年 11 月 5 日发布 Gemini Omni Flash 1.2 视频模型,现已上线 Recraft Studio。相比 1.1,单次生成时长从 10 秒提升至 15 秒,一致性与对口型更清晰,Gemini API 价格降低约 30%。
推荐理由:新版本将单次生成时长从 10 秒提升至 15 秒,并改善跨片段一致性与对口型,适合需要完整小故事的短广告场景。
Adobe发布“Made to Create”影片,由Santiago Carrasquilla执导,是该平台首次电影表达。影片汇集30多位艺术家、18个国家,使用Firefly、Acrobat、Frame.io、Workfront等工具,从拍摄到成片不到一个月。影片致敬创意社区,鼓励人们用Adobe解决方案将想法变为现实。
WellSaid 发布 Producer,通过 MCP 服务器将专业配音生产嵌入 Claude、Copilot、ChatGPT 等智能体工作流,并原生生成 48kHz 音频。该平台支持基于超过 50 万条 Oxford Languages 转录的智能体风格指南、开放设计及数字人复制,许可随最终音频保留。
MiniMax 发布 MiniMax-H3-Image-PE,基于 Qwen3.8-27B 微调,为 MiniMax-H3-Image 提供提示词扩展与宽高比推荐,支持文生图与图像编辑两条工作流,其中图像编辑 PE 仍在开发中,本次仅发布其提示词。模型以 FP4 权重运行,可通过 SGLang 或 Diffusers 部署,约需 19 GiB 显存。
Zyphra 发布开源紧凑语音模型 ZONOS3-Mini,约 100M 活跃参数,可在手机、笔记本和浏览器实时运行。模型支持从音频样本克隆声音、按年龄/口音/音色设计角色,并逐词控制情绪、语速与表达。权重以 Apache 2.0 开源,可通过 SGLang-Omni 在 NVIDIA GPU 上以 OpenAI 兼容接口服务。
推荐理由:100M 活跃参数即可在浏览器实时合成语音,为本地化配音与角色语音提供可本地运行的开源方案,支持声音克隆与逐词情绪控制。
ComfyUI 十月更新带来分支节点、LoRA 堆叠、模板自动下载、多输出 zip 导出、EXR/HDR/ProRes 支持、链接整理与 widget 内撤销/重做等多项效率改进,全部包含在 v0.44 中。Branch Node 支持最多 32 个输入,LoRA 堆叠节点支持最多 20 个 LoRA,模板下载仅限官方模板。
推荐理由:ComfyUI 十月更新带来分支节点、LoRA 堆叠与链接整理等多项效率改进,创作者可据此优化工作流、减少重复操作并提升创作效率。
字节跳动发布新一代图像生成模型 Seedream 5.5,支持 100 轮多轮编辑、原生 RGBA 透明背景输出,并提升图像真实感与文字渲染。相比 Seedream 5.0 Pro,六个生产场景的可用率均有提升,影视和办公场景可用率超过上一版两倍;文本严重损坏率降至 0.4%。
推荐理由:Seedream 5.5 主打 100 轮稳定编辑与原生 RGBA 输出,评测显示文本严重损坏率降至 0.4%,为专业视觉生产提供更可靠的图像资产。
InvokeAI 7.0.0 进入 beta 1,这是其最大版本更新。新增项目、单工作台、视频面板支持 MiniMax H3、LTX-2.5 和 Wan 2.2。官方警告 v7 数据库迁移不可逆,升级前需备份。
推荐理由:InvokeAI 7.0.0 进入 beta,新增项目、视频面板与多模型支持,创作者可据此评估升级。
Midjourney 在品牌一致性、文字渲染、企业集成与专业视频制作方面存在明显局限。其缺乏公开 API,默认公开生成图像,且标准访问需付费订阅。文字渲染可能产生不一致字符,角色一致性难以保持,视频输出也缺少多关键帧、专业导出格式等电影级控制。
Synthesia 只能生成数字人播报视频,无法输出 HDR/EXR 等专业后期格式,也无法制作电影级镜头。脚本改动需整段重新生成,无法对已通过的元素做局部编辑,因此难以满足产品发布、品牌广告等创作需求。Luma 的 Ray 3.2 提供原生 HDR 与 16-bit EXR 导出,Layers 允许改产品、标题或背景而保留其他元素。