NVIDIA RTX Spark 发布在即:全球 PC 应用生态全面就绪
NVIDIA RTX Spark 将于 10 月 16 日随笔记本上市,这款最高 128GB 统一内存、1 petaflop AI 算力的超级芯片把游戏 PC、创作工作站与个人 AI 超算合为一体。
NVIDIA RTX Spark 将于 10 月 16 日随笔记本上市,这款最高 128GB 统一内存、1 petaflop AI 算力的超级芯片把游戏 PC、创作工作站与个人 AI 超算合为一体。
Higgsfield 给出在同一 AI 视频场景中保持两个角色身份不混淆的完整流程:先用 Soul 2.0 为每个角色各生成一张 16:9 三视图角色设定表,再作为参考图一并传入 Cinema Studio 4.0。
Higgsfield 提供两种无代码自动化 AI 视频创作方式:在 ChatGPT 中通过 Higgsfield Extension、在 Claude 中通过 Higgsfield MCP 批量生成视频,或用 Supercomputer 按计划运行重复任务,两者均消耗常规套餐积分且无需 API key。
这篇指南按十步工作流对比 Higgsfield、Runway、Kling AI、Dreamina CapCut 和 LTX Studio 五个一站式 AI 视频平台,依据各家公开套餐与文档页面。
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。
Higgsfield 的 Cinema Studio 把 AI 视频的运镜、机位与镜头从纯文本提示词改为生成前锁定的显式参数,以减少同一提示词每次生成结果的差异。
Recraft 官方博客发布教程,讲解如何在 Recraft Studio 中用原创角色制作四格漫画:先用 V4.1 Flash(每张 0.5 credits)生成 2:1 四格分镜草图,再用 Nano Banana 2.1(每张 7 credits)逐格渲染,并附上角色与环境参考图保持一致性。文字气泡建议用文本工具添加而非图像模型,最后可导出为社交轮播图、竖版长图或网络漫画页。
Recraft 官方博客发布教程,介绍如何在 Recraft Studio 中用角色主图创建自定义风格,再设计场景并把角色放入其中。
因官方 Qwen-Image 2.1 提示词改写器是 9B 模型、需约 20 GB 内存,作者通过 HuggingChat 中的 ML Intern 造出 0.8B 版本,可在 CPU 运行,输出有效率 99.7%,token 消耗约为教师模型的四分之一,含 8,797 条标注在内的总算力成本 16 美元。
Higgsfield 用 Soul ID 和 Lipsync Studio 两步把静态角色图变成对口型说话视频:Soul ID 用 20+ 张参考图训练可复用角色身份,Lipsync Studio 支持 8 种模型、18+ 语言,示例用 Wan 2.5 Speak 生成 10 秒 1080p 视频。
Raindance AI 趋势源自 Dave 与 Tems 的《Raindance》MV,创作者用 AI 把码头场景中的两位表演者替换成自己或任意角色。
推荐理由:用两张身份参考图加一张线稿动作参考,在 Seedance 2.5 里复刻 Raindance 双人音乐视频场景,可迁移到其他动作参考类趋势。
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。
作者在单张 RTX 5090(32GB 显存)上,用 FastVideo 的 FastH3 V2 checkpoint 四步采样跑出 15 秒 448×256 的实时视频,目标是把连续生成成本从每天 6k 降下来。
推荐理由:作者把单张 RTX 5090 上跑实时视频的六项优化逐条拆开,可迁移到自己的出片流程。
Reallusion 与 Escape.AI 宣布多年期战略合作,将 Reallusion 的 3D 软件与资产体系接入 Escape.AI 创作者生态,形成 3D 到 AI 视频管线,以 3D 空间数据作为控制层应对画面不一致、token 成本高和 IP 归属不清等问题。
推荐理由:3D 控制层与 CTV 分发渠道结合,为 AI 影视创作者提供从制作到变现的一条链路参考。
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。
Kapwing 发布教程,讲解如何用角色参考表和动作参考视频在 Seedance 2.5 中复刻 Jean Philanthrope 式 AI 角色视频。流程分四步:先用提示词生成含正面、四分之三侧面和侧面的多视角角色参考表,再把现有视频转成黑白线稿作为动作参考,然后在 Seedance 2.5 中把两者结合生成新场景,最后在 Kapwing 中剪辑。
推荐理由:拆解 Jean Philanthrope 式 AI 角色的可复用流程,用角色参考表加动作参考在 Seedance 2.5 中保持人物一致。
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。
Podcastle 用同一段 95.9 秒杂乱口播素材实测 5 款 AI 视频编辑器,Async 凭单条提示词完成去填充词、去停顿、删废镜头、清音频、加字幕、生成 B-roll 并转 9:16,成片 62.9 秒,综合表现最佳;Descript 以约 8 分钟完成全流程、删掉 11 个填充词中的 10 个,竖屏重构效果更好。
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。
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。
WaveSpeedAI 发布 Ultimate Video Upscaler,可将视频超分至 720p、1080p、2K 或 4K,官方示例把 480p 的 5 秒片段升到 3840 × 2160、保持 24 fps 与原声。
推荐理由:低分辨率草稿加后期超分的工作流,配合按目标分辨率计价的成本结构,可用来评估出片流程的取舍。
WaveSpeedAI 在生成器侧边栏上线 AI Cinema Studio,用 References、Film setup、Camera、Color palette、Lighting 五张卡片把电影风格、机型、镜头运动和灯光选择转成给视频模型的精确镜头描述。
推荐理由:把电影感拆成风格、机型、镜头运动等预设面板,创作者可据此判断是否省去写提示词的环节。
Sony Pictures Imageworks 的纹理主管 Jody Tidsbury 与动态图形师 Nori Kaneko 披露,团队用 Adobe Substance 3D Painter、Designer、Sampler 和 After Effects 完成了《KPop Demon Hunters》的角色、服装、环境纹理与演唱会动态图形。
Comfy 官方博客分享动画作者 852話 Hakoniwa 用 Comfy Agent 创作的首部动画短片 YUI,主角名字取自 ComfyUI 最后三个字母。
推荐理由:动画作者用 Comfy Agent 完成首部短片,公开了成本、工时与逐镜头比模型的工作方式。
LTX-2 发布 v1.4.0,为 Distilled、TI2Vid 两阶段、A2Vid、Dub-It 和 IC-LoRA 加入 --chunked,可按默认 97 帧窗口与 25 帧 carry 生成超长视频,无需再设置 --chunk-pixel-frames 或 --chunk-carry-frames。
推荐理由:LTX-2 v1.4.0 把长视频生成、分块解码与 HDR 流程的接口变化集中列出,便于已有工作流评估迁移成本。
Canva 为 Meta 的个人 AI 智能体 Muse 推出 AI Connector,Muse 可将视觉创作任务直接交给 Canva 完成。连接后 Muse 能调用用户的品牌字体、颜色和素材,搜索设计库并导出成品文件,生成的设计始终可编辑。该功能已面向美国和加拿大用户开放,AI 能力由 Canva Shield 提供安全支持。
Lightricks 发布基于 LTX-2.5-22B 的 IC-LoRA Alpha Gen,输入普通 RGB 视频即可生成逐帧对齐的灰度 alpha 遮罩,无需绿幕、遮罩或提示词,可处理头发、毛发、烟雾、火焰、薄纱、玻璃和水等半透明元素。
推荐理由:无需绿幕或提示词即可从普通视频生成逐帧对齐的 alpha 遮罩,为抠像与合成流程提供新的替代方案。
InvokeAI 发布 v6.14.2,修复 6.14.1 的多个 bug 并新增两项功能:Canvas 文字工具支持导入自定义字体,以及通过参考图将图像风格迁移到 krea-2。该版本还修复了密码重置令牌、路径遍历防护、img2img 色调分离、VRAM 中量化 Qwen2.5-VL 编码器释放等问题,并限制 Z-Image 仅使用 Qwen3 4B 编码器。
Lightricks 在 Hugging Face 发布 LTX-2.5-22b-IC-LoRA-Restore,一个基于参考视频的 In-Context LoRA,把低分辨率、低码率、磁带或黑白棕褐扫描的老片渲染成干净彩色高清画面,去除压缩损伤、闪烁、脏点与划痕。
推荐理由:Lightricks 开源老片修复 LoRA,给出从 480 线扫描到 4K 的两阶段流程与实测增益,可对照现有修复管线。
Google 旗下 Envisioning Studio 与 Google Labs 合作,用 AI 创作工具 Google Flow 为设计师 Jane Wade 和 Sergio Hudson 定制了两款工具,赶在纽约时装周前投入使用。
fal 官方博客介绍 H3 Max 如何在其 Compute、Serverless 和 Model API 三层平台上完成从后训练到分发。H3 Max 生成 5 秒视频用时不到 3 秒,在 fal 的人类偏好评测中于质量、提示理解和美学三项排名第一,Artificial Analysis 与 Design Arena 的独立基准也将其列为第一。
推荐理由:fal 官方拆解 H3 Max 从训练到上线的三层平台,可看到低延迟视频生成背后的推理与扩容机制。
Descript 发布 9 月更新,字幕新增 18 个预设与 10 个文字动画,并支持搜索过滤;AI 可按描述生成背景音乐与音效,需升级至 145.0.15 或更新版本。结账新增 Apple Pay、Google Pay、Cash App 等支付方式并显示本地货币,语音库改用 ElevenLabs,跳剪平滑改为按秒计费(音频 0.5 AI 积分/秒、视频 1.0/秒)。
Hugging Face 团队用 Gradio Workflow 重建了 AUTOMATIC1111 的大部分功能,做成单一画布 Workflow1111,由 11 条媒体管线和 73 个节点组成。
推荐理由:用 73 个节点复刻 A1111 全部功能,可对照 ComfyUI 评估节点式工作流的另一种组织方式。
开发者用 TRL 和 OpenEnv 复现了 Surya Narreddi 让语言模型通过 p5.brush 写 JavaScript 画水彩的思路,参考图池、RL 环境、训练脚本和模型全部开源,整条流水线跑在 Hugging Face 上。
Gradio 内置的 gr.Workflow 把 AI 管线描述为带类型节点的图,提供可拖拽画布,每个节点可运行、中间结果可见,同一张图同时是 REST API 并可一键部署到 Hugging Face Spaces。
推荐理由:Gradio 把多步 AI 管线做成可视化图并自动暴露 REST 接口,可对照现有出片流程评估迁移成本。
Hugging Face 博客介绍 Diffusers 现已原生支持 Nunchaku 的 4-bit 扩散推理,加载量化 checkpoint 只需调用 from_pretrained(),无需本地 CUDA 编译。
推荐理由:Nunchaku 的 4-bit 量化推理现已原生接入 Diffusers,创作者可据此评估消费级显卡上的出图显存与速度取舍。
一个编码智能体通过直接调用两个 Hugging Face Spaces,生成了巴黎地标的图像并重建为 3D Gaussian splat,最终部署为静态 Space 画廊。