TorchNeuron 让 Hugging Face 模型在 AWS Trainium 上运行更简单
TorchNeuron 为 PyTorch 在 AWS Trainium 上提供原生后端,Transformers、Diffusers 等 HF 库可直接运行模型。
TorchNeuron 为 PyTorch 在 AWS Trainium 上提供原生后端,Transformers、Diffusers 等 HF 库可直接运行模型。
Synthesia 官方博客发布 2026 年 5 个最佳 Tavus 替代方案,基于 157 名评分者对 609 段对话的评测。Synthesia 以视觉质量 0.95、整体体验 0.48 居首,Tavus 分别为 0.42 和 0.08;Anam 对口型得分 0.60 最高。Tavus 的不足包括每分钟约 $0.24–$0.37 的成本、自助套餐仅 1 至 15 路并发,以及知识库仅支持英文。
Adobe 在 Lightroom 移动版中推出 Open Eyes 和 Generative Expand 两项新工具。Open Eyes 可自动检测照片中的闭眼并一键生成自然的睁眼效果,免费使用,还能调用图库中同一人物的其他照片匹配眼睛颜色、形状和大小。Generative Expand 则能自然延展画面边缘,填补缺失内容,方便适配社交平台的尺寸比例。
Higgsfield AI 以 $15/月 起在同一积分体系内覆盖图像、视频、角色一致性与广告制作,Runway 则以 $15/月 起提供图像视频生成加 Aleph 2.0、Edit Studio 等成熟后期编辑层。Krea 从 $9/月 聚合 150+ 模型,Magnific 主打 250M+ 素材库与设计工作流,Pika Art 从 $10/月 起侧重短视频社交内容。
Higgsfield 官方发布 CLI 使用指南,介绍如何在终端、脚本或编程智能体中生成图像和视频,无需打开网页端。CLI 通过浏览器登录、不依赖 API key,与网页端共用同一账户和积分,支持 Seedance 2.5、Kling v3.0、Veo 3.1、Wan 3.0 等模型,并可用 generate cost 先查积分价格、用 --json 输出供脚本调用。
Higgsfield 官方博客对比了 9 款 AI 对口型视频生成器,涵盖 Higgsfield Lipsync Studio、HeyGen、Sync Labs、LipDub、Kling AI、Rask AI、Captions、D-ID 和 Vozo AI。
Higgsfield AI 与 Kling 的订阅套餐及生成成本对比显示,同样一段 Kling 3.0 视频在 Higgsfield 上更便宜:5 秒 720p 为 10 credits($0.49),Kling 为 45 credits($0.56)。
Krea 推出 Blender 插件,在 3D Viewport 侧边栏生成材质参考、环境概念、灯光测试与多机位视图,需 Blender 5.2 及以上,支持 macOS 与 Windows。
Krea 发布 DaVinci Resolve 插件,可在 Resolve Studio 内生成光感、色调与氛围参考,以及背景板、环境和插入镜头,生成结果作为普通媒体进入项目。
Krea 发布 Photoshop 插件 Krea for Photoshop,在 Photoshop 文档内提供背景替换、重打光、多机位布局、图像与视频生成、实时画布和产品 mockup,结果以普通图层返回。
推荐理由:Krea 把图像与视频生成搬进 Photoshop 面板,结果以普通图层返回,方便对照现有修图流程评估接入方式。
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。
FastVideo 发布 FastH3-QAD-v2,这是一个 8 步视频与音频模型,采用 NVFP4 权重和量化感知蒸馏(QAD)训练,可在单张 Blackwell GPU(RTX 5090、RTX PRO 6000)或 DGX Spark 上运行。
推荐理由:8 步视频与音频模型以 NVFP4 量化权重落到单张 Blackwell 显卡,并给出与 BF16 教师模型的误差数据。
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。
可灵 4.0 支持通过 Omni Reference 组合最多 15 个图像、视频与主体参考输入,并可用最多 10 张关键帧图像规划开场、角色反应与最终揭晓。
PixVerse V6 在可控短片生成上支持最高 1080p、单次最长 15 秒,1080p 按 18 积分/秒(无音频)或 23 积分/秒(带音频)计费,并具备角色参考、种子控制、Extend 与 Modify 工作流。
WaveSpeedAI 发布文本转 3D 教程,演示用 Tripo P2 模型(路由 tripo3d/p2/text-to-3d)生成一个码头场景用的矮胖橡木桶道具,要求带两道凸起铁箍和木、金属两种材质。
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。
Reallusion AI Studio 出品的 AI 科幻短片 RUS-T 自 8 月 31 日发布以来 YouTube 播放量突破一百万,并入围纽约短片动画电影节 AI 动画单元,导演 John C. Martin II 同时成为 SHAIKE.AI 的 TOP CREATOR。
可灵官方博客梳理了 10 种视频转场类型,包括直切、跳切、匹配剪辑、淡入淡出、交叉溶解、划像、甩镜转场、变焦转场、遮挡与遮罩转场,以及 J cut 和 L cut。文章给出每种转场的适用场景,并说明可用 Kling 4.0 在剪辑或前期规划中实现这些转场。
可灵官方博客发布视频剪辑完整指南,介绍 Kling 4.0 支持用文本提示、图片和参考素材探索视频新版本、优化画面细节。文章给出 10 条剪辑技巧,涵盖故事结构、跳切、匹配剪辑、色彩统一、音频处理、B-roll 运用和平台适配,并建议用 AI 视频生成器补充未拍摄的辅助画面。
可灵官方博客发布 AI 视频提示词指南,给出由主体、动作与运动、环境、镜头运动、光照、风格节奏、约束七要素组成的提示词结构,并配以香水瓶、长城等示例。Kling 4.0 支持 3–30 秒原生视频生成、最多 10 个关键帧,结合文本提示与参考图、参考视频及可复用元素,并改进动态运动、对口型和双声道立体声。
可灵官方博客发布视频编辑指南,介绍传统时间线剪辑四步流程,以及 Kling 4.0 如何通过参考素材修改已有素材。Kling 4.0 单次编辑任务最多支持 5 个输入视频片段(含 1 个主视频),每段时长 3–30 秒、总时长不超过 30 秒;Omni Reference 最多支持 15 个组合参考素材,新建序列时可自定义最多 10 个关键帧。
可灵 4.0 支持用自然语言指令移除视频中不需要的物体或人物,无需逐帧手动遮罩。操作分三步:上传视频(完整模型最多支持 5 段输入视频,含 1 段主视频,每段 3–30 秒,总时长不超过 30 秒)、描述要移除的目标及其位置与需保留的背景、生成后检查并优化指令重新生成。该模型还支持 Omni Reference 参考输入,并可在同一场景中一次移除多个物体。
通义 MAI 上线 MAI-Gym-9B 模型,目前该模型尚未被任何 Inference Provider 部署,用户可向服务商申请支持。该模型上月下载量未被追踪,README 文档内容为空。
Comfy 发起开源重建竞赛,悬赏 1 万美元征集 Genjutsu、Cinema Studio 等创意应用的开源复刻版本,要求发布仓库并允许任何人运行和 fork。
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。
Higgsfield 官方博客盘点了 2026 年 9 款面向动态设计师的 AI 工具,涵盖 Higgsfield AI、Adobe Firefly、Runway、Kling AI、Adobe After Effects、Magnific、Luma、Pika 和 Krea。
ElevenLabs 发布 SSML 使用指南,说明各模型对语音标记语言的支持差异:Multilingual v2 等旧模型支持 `<break>` 标签实现最长 3 秒停顿。
Higgsfield 官方博客对比了 7 款 Veo 替代工具,重点考察角色、服装与场景细节在多镜头间的一致性。Cinema Studio 4.0 支持最多 50 个参考素材、30 秒片段和 1080p 输出,10 秒 720p 含音频消耗 70 credits;Seedance 2.5 支持 30 秒原生立体声与 50 个参考,Kling 3.0 单次可生成最多 6 个镜头。
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。
Krea 发布图像编辑模型 Krea 3,官方称多数编辑在原生 2K 下 8 秒内端到端完成,2K 每张 0.06 美元、1K 每张 0.03 美元,单次编辑最多可用 6 张参考图。
推荐理由:官方给出 Krea 3 与 Nano Banana Pro、GPT Image 2 的单张耗时和价格对比,可据此判断批量修图成本。
Black Forest Labs 发布 FLUX 3 Image Klein,一个 5.6B 参数的开源权重模型,支持文生图、图像编辑和最多 10 张参考图的多参考生成,具备原生 4K 生成、像素级编辑和边界框控制能力。
推荐理由:5.6B 参数的开源图像模型把 4K 生成与像素级编辑压到 8GB 显存可跑,可据此评估本地出图与改图方案。
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。
Black Forest Labs 发布 FLUX 3 Image Klein Prompt Upsampler,一个 9B 视觉语言模型,把简短图像需求扩写成 FLUX 3 Image Klein 更适用的详细提示词。
推荐理由:官方开源了 9B 提示词扩写模型,可把简短需求扩成含光线、构图与主体细节的完整提示词,并支持参考图与边界框。
柏林开发者 Lorenzo Minneci 打造的 Fusion Karaoke 获 Musixmatch Musicathon 评委排名第一,它把歌词变成实时视觉、让演唱者逐渐变成原唱。