Krea 推出 Premiere Pro 插件,可在时间线内生成镜头与背景板
Krea 发布 Premiere Pro 插件,可在剪辑软件面板内生成镜头、插入镜头、背景板和风格方案,结果以普通媒体素材进入项目,可照常裁剪、合成、调色和混音。
推荐理由:Krea 把生成能力嵌进 Premiere 时间线,成片以普通素材形式落地,剪辑师可直接沿用现有流程处理。
Krea 发布 Premiere Pro 插件,可在剪辑软件面板内生成镜头、插入镜头、背景板和风格方案,结果以普通媒体素材进入项目,可照常裁剪、合成、调色和混音。
推荐理由:Krea 把生成能力嵌进 Premiere 时间线,成片以普通素材形式落地,剪辑师可直接沿用现有流程处理。
InvokeAI 7.0.0 alpha 3 发布,新增看板按角色共享、Qwen-Image-2.1 图像模型支持,以及面向 NVIDIA 显卡的 SageAttention 加速后端。该版本在 RTX 4090 上 2048² 分辨率整图生成提速 15–35%,视频生成提速 12–35%。注意 v7 会单向升级 v6 数据库,官方建议使用全新 root 目录安装测试。
LichtFeld Studio 0.5.4.1 发布,支持把 splat 从场景图拖入文件夹或直接以 PLY/SPZ 拖进 Blender,并可在偏好设置中选择上轴。该版本新增训练会话续跑、按源帧率的批量视频抽帧,以及裁剪框与椭球体的数值位置、旋转、缩放字段。同时修复了无 GPU JPEG 解码器时的图像加载、Python 控制台卡死、大组合并耗尽 VRAM 等问题。
LichtFeld Studio 0.5.5 支持将 splat 从场景图直接拖拽导出为 PLY 或 SPZ,并可拖入 Blender,Windows 与 Linux X11 下自动使用 +Z 朝上。
LTX-2 发布 v1.5.0,ImageConditioningInput 新增 replace 与 guide 两种显式绑定,视频 CLI 可用 --image PATH FRAME_IDX STRENGTH replace|guide 指定;TI2VidTwoStagesPipeline 支持通过 guide 绑定或 CLI 实现关键帧插值。
Higgsfield 推出 Community 页面,创作者可公开发布 Open Project、Shot 和博客文章,并新增 Ranking、Creators 两个标签页与 Higgsfield Grants。
ElevenLabs 在 ElevenCreative 上线 Instant Soundtracks,上传视频后模型会生成原创配乐,并分析画面中的音效提示点,把音效按对应时间戳自动放到时间线上。
推荐理由:ElevenLabs 把配乐与音效生成合并进视频工作流,可据此评估短剧与广告出片的声音制作环节。
LALAL.AI 2.20 已登陆 Windows、macOS、Linux、Android 和 iOS,核心更新是 Stem Mixer,可同时播放一次分离出的全部音轨并实时调节各轨音量。
Krea 3 AI 图像编辑功能已在 Envato 上线,支持区域编辑、六张以上参考图合成与自定义微调,可在数秒内完成高质量局部修改而不重新生成整张图。该模型面向已定稿的构图、产品或角色做精修,编辑时保留原有主体、标签、光线与取景不变。
Krea 3 已通过 Partner Nodes 在 ComfyUI 上线,这是 Krea 推出的新图像模型,面向以参考图驱动的生成与编辑。模型主打更快的迭代速度与更低的单图成本,同时保持画质,支持上传多张参考图并按上传顺序编号调用,例如人物取自图 1、外套取自图 2、背景取自图 3。
推荐理由:Krea 3 以参考图驱动的生成与编辑接入 ComfyUI Partner Nodes,可了解多参考编号调用与结果回喂的用法。
Black Forest Labs 在 Hugging Face 发布 Flux 3 Image Klein 的 ComfyUI 重打包模型文件,原始模型仓库为 black-forest-labs/flux-3-image-klein。
推荐理由:官方给出 Flux 3 Image Klein 在 ComfyUI 中的文件目录与多种量化版本,方便本地部署者按需选择。
InvokeAI 发布 win-arm64-wheels-v1,提供自建的 win_arm64 wheels,供 pyproject.toml 中的 invoke-win-arm64-wheels 索引使用。这些 wheel 与最初发布在已归档 invoke-ai/InvokeAI-7 中的资源字节完全一致。
Fish Audio 的 35B(3B 激活)多说话人 TTS 模型 Drama 3 出现非官方 int4 量化版 drama-3-int4,下载体积 22.1 GB,低于原版 41.5 GB,专家层、注意力和 deltanet 层量化为 int4,共享专家 MLP 保留 bf16。
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。
HeyGen 企业版本月新增成员用量限额与申请功能,管理员可设置每位成员的使用额度,成员可在 HeyGen 内直接申请更多额度并一键审批。Video Agent 支持团队协作同一会话,多人可同时发送提示词,同一时间仅一人编辑。Brand Glossary 重建,支持按语言设置发音与翻译规则、CSV/Excel 导入导出;ElevenLabs 整合为单一引擎并新增 v4 模型选项。
HeyGen 发布 10 月企业 API 更新,HeyGen Video 1.0 API 上线,支持从提示词、图片或参考素材生成短视频。ElevenLabs v4 可用于语音合成并支持按请求选择模型,Professional Voice Clone 基于 HeyGen 自研语音模型训练录音室级声音克隆,支持整段文件或流式输出。
pyvideotrans 发布 v4.16,修复 Edge-TTS 403 问题,并新增 audio.cpp 和 fish.audio api 两个配音渠道。该版本还新增 Atlas Cloud 翻译渠道、法语 WebUI 界面,并在高级选项的字幕翻译中加入"使用 LLM 重新断句替代 LLM 纠错"。
Descript 发布 10 月更新,为整个云盘加入搜索栏和完整结果页,并支持让 Underlord 查找文件、文件夹、项目和 layout packs。企业版云盘可发送异步录制请求,嘉宾按自己的时间录制并可用提词器读脚本;AI Speech 升级到 ElevenLabs v4,声音克隆更接近本人。
Higgsfield 发布 Katana,一个运行在 Claude 内的剪辑技能,通过 Higgsfield MCP 连接器调用 Higgsfield 模型,用一段参考视频或预设库预设加上最多 5 张人物、产品或服装照片,重建出保留参考片镜头顺序、时长与音轨的新视频,结果出现在对话和 Higgsfield Assets 中。
推荐理由:把参考片的镜头顺序、节奏与音轨结构交给 Claude 内的 Katana 复刻,创作者可据此判断能否省去手工对剪。
InvokeAI 7.0.0 alpha 2 发布,新增多画板项目、MySQL/MariaDB 高性能数据库后端、krea2/ideogram4/ernie-image 的 GGUF transformers 支持,以及 Atlas Cloud 图像服务商。该版本升级数据库后无法回退 v6,官方建议新建 root 目录试用,并新增 reserve_vram_gb 配置缓解 OOM。
ElevenLabs 在 ElevenAgents 中上线合成语音检测,可在通话最初几秒分析来电语音并判定为真人或 AI 生成,企业据此设置规则,如优先服务真人客户、限制 AI 来电的交互范围、在敏感操作前拦截克隆声音。
ElevenLabs 在 ElevenCreative 中推出 Brand Kit,把品牌视觉规范从提示词中抽出来,作为工作区里的一个对象统一管理。用户可存入颜色、字体、logo、参考图和品牌使用规则,在 Image & Video、Flows 和 ElevenCreative agent 的提示词中输入 @ 即可调用,同一套 kit 跨各功能生效。
PixVerse 宣布推出与 Meta Catalog Product Video 的集成,商家可从现有商品目录中选择商品,将商品 URL 或目录商品转化为可批量生成、可供审核的视频广告素材,并用于 Facebook、Instagram 及 Advantage+ 等目录驱动型广告活动。
Synthesia 以 beta 形式发布 AI 视频创作工具 Syren,输入提示词、预设或已有品牌文档、图片、视频、PPT、YouTube 链接,即可生成含动态图形、动画、数字人、配音、音乐和 b-roll 的成片,并可在对话中修改。
推荐理由:Synthesia 把视频生成做成对话式智能体,可对照其与现有编辑器在精确内容场景上的分工。
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"。
Midjourney 在 alpha.midjourney.com 上线共享文件夹,可按用户名邀请 Collaborators 或 Viewers,也可通过链接分享,Collaborators 能直接在文件夹内生成并接续他人作品。
Higgsfield 的团队方案 Team、Scale、Enterprise 采用共享工作区与统一积分池,Owner 付费购买席位,成员无需单独订阅。Team 支持 2 至 9 个席位、每席位每月 79 美元并池化 1000 积分,Scale 支持 5 至 15 个席位、每席位每月 215 美元并池化 2500 积分,Enterprise 按需定价。
Pollo AI 借助 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5,帮助创作者把创意转化为精细图像和电影级视频广告。
Anthropic 推出 Claude Motion,Runway 作为发布合作伙伴参与,该功能可把提示词变成由文本、图表、形状和图片构成的短动画讲解视频。Claude Motion 生成的动画可导出到 Runway,用于添加生成素材、逐场景剪辑并完成整片,还能把 16:9 讲解视频扩展为竖屏和方形格式或本地化配音。
推荐理由:Claude Motion 生成的动画可导出到 Runway 继续加工,为做产品讲解与汇报视频的团队提供了一条从文本到成片的衔接路径。
ElevenLabs 旗下音频平台 ElevenReader 在巴西上线,与 Bookwire Brasil 合作引入 7 万本巴西葡语授权图书,其中多数此前从未有有声版。
Luma 宣布 Claude Motion 动画现在可直接在 Luma 中打开,创作者通过 MCP 连接把 Claude 生成的动画导入 Luma,继续扩展、精修并输出为任意格式的成片。
推荐理由:Claude Motion 动画可通过 MCP 连接直接进入 Luma,创作者能据此判断跨工具出片流程是否值得接入。
Vimeo 宣布 22 年来首次取消公开视频的分享数量限制,免费用户可上传全部作品,且平台无广告、不将视频用于 AI 训练。免费计划的可嵌入与非公开视频容量从 1 GB 提升至 3 GB,并新增自动字幕及 99 种语言翻译、多平台发布与数据追踪、去除 Vimeo 水印等功能。
pyvideotrans 发布 v4.15 Windows 预打包版本,MacOS/Linux 需源码部署。新版更新 Deepgram.com 渠道模型并增加语音合成支持,更新 Elevenlabs.io 模型并移除将被废弃的模型,同时在高级选项中新增字幕配音静音缓冲移除与力度调节。此外新增 Audexum 语音识别渠道、Infistar 翻译渠道及阿塞拜疆语支持。
Gemini Nano Banana 2.1 是 Google 的图像生成与编辑模型,作为 Nano Banana 2 的继任者,现通过 Partner Nodes 在 ComfyUI 上线。
推荐理由:ComfyUI 官方接入 Gemini Nano Banana 2.1,创作者可对比其分辨率档位、思考等级与单次成本变化。
Hedra 发布 Developer API,用一个 API key 和预付美元钱包调用 110 多个生成模型,覆盖视频、图像、音频和文本,包括 Veo 3.1、Kling V3、Seedance 2.5、MiniMax H3、Nano Banana Pro、ElevenLabs V3 等。
推荐理由:Hedra 把 110 多个视频、图像、音频和文本模型收进一个 API 与预付钱包,开发者可据此评估多模型流水线的接入成本。
HeyGen Voices 现已支持 ElevenLabs v4,官方称这是 ElevenLabs 目前表现力最强的文本转语音模型。v4 在朗读脚本时更接近配音演员的表达,长脚本的节奏与语气能从头保持到尾,重复重新生成同一句仍保持同一音色。使用时在 Voices 中选择音色并选用 ElevenLabs v4 即可。
InvokeAI 发布 7.0.0 alpha 1,称这是其规模最大的一次更新,约 320 个 PR、2600 次提交,需 Python 3.12,且新界面为默认。
推荐理由:InvokeAI 7 把画布、工作流与视频生成整合进单一工作台,并新增 MiniMax H3、LTX-2.5 等模型支持,可据此判断是否迁移现有出图流程。
Krita AI Diffusion 发布 1.54.0-pre 预发布版,已迁移至 Krita 6 / Qt6,不再兼容 Krita 5.x,推荐搭配 Krita 6.0.4。该版本新增对 Qwen Image 2.1 的支持,官方提示此为未经充分测试的预发布版,在 macOS 上表现不佳。
LTX-2 发布 v1.4.2,新增 ltx_pipelines.alpha_gen 管线。该管线是基于完整模型的单阶段 IC-LoRA 流程,采用 video CFG 1 并关闭 STG。
Black Forest Labs 的 FLUX 3 Image 已加入 Envato AI 模型阵容,支持多参考图生成与编辑、原生 2K/4K 高分辨率输出、图像内文字生成与修改、基于参考图的风格迁移以及局部精准编辑。用户可指定每张参考图的具体作用,并在保留画面其余部分不变的前提下增删或替换特定元素。