HeyGen Voices 接入 ElevenLabs v4 文本转语音模型
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。
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。
OpenAI 已于 2026 年 5 月 12 日从 API 下线 DALL-E 3,ChatGPT 免费版内置图像生成每天仅约 2 到 3 张。
Topaz AI 并非免费:Topaz Labs 已于 2025 年 9 月终止 Topaz Photo AI 和 Topaz Video AI 的永久授权,桌面版也不再提供试用,改为先付费、48 小时内可申请退款。
LetsEnhance 是乌克兰团队运营的浏览器端 AI 放大工具,Trustpilot 186 条评价获 4.1 分,付费版最高支持 16 倍放大与 512 MP 输出,免费账户仅 10 积分且输出带水印。
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。
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。
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。
Google 9 月发布前沿模型 Gemini 4 Argon,具备 100 万 token 输出上限,主打高级推理与网络安全防御,目前通过 Fairwind Program 向可信网络安全人员分批开放。
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。
Midjourney 为 alpha.midjourney.com 上线侧边栏样式预览、Create 更大图片和文件夹默认参数设置,本周以修 bug 和清理为主。提示栏中多个 sref 现合并为带缩略图的单个样式 pill,悬停可查看代码,并支持将 --exp 固定为文件夹默认值。官方称下周将推出新的协作工具,并预告持久化编辑历史与更好的样式探索方式。
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。
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。
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。
OpenAI 探讨先进 AI 的最大价值可能在于突破性创意背后的日常执行工作,而非创意本身。文章认为执行环节将塑造下一阶段的经济形态与进步速度。
Suno 发布 Speech beta,这是其首个将人声与音乐作为一条完整音轨一起生成的音频模型。用户输入想法、诗歌或已有文字,再描述想要的音色与音乐风格,即可生成配原创背景音乐的语音内容。该模型已向全体用户开放 beta,此前已在小范围用户中测试一个月,官方称英式口音偶尔会漂移到澳式等效果仍待改进。
推荐理由:Suno 把语音与背景音乐合成到同一条音轨,做短剧旁白或配音的创作者可以据此评估新的出片方式。
Luma 推出 Variants,用户上传一张已过审的静态广告后,选择版式与语言,即可自动生成各尺寸与语言组合的版本,logo、标题和 CTA 保持不变,仅调整布局与文案。
推荐理由:广告团队可据此评估把单张已过审素材批量适配多尺寸与多语言版本,替代手工重做。
Runway 发布 Runway Ads,一个端到端运行并优化付费广告创意侧的产品:接入广告账户与品牌素材后,可生成视频和图片创意,将审核通过的变体直接发布到 Meta、Google 和 TikTok,再从这些平台读取投放表现并据此生成下一轮创意。
推荐理由:Runway 把广告创意生成、投放与效果回收打通成一个闭环,并给出自家投放的转化与成本数据,可据此判断自动化投放工具的可用边界。
facefusion 发布 v4-beta 版本,新增 Timestamp 别名类型。该版本由 henryruhs 于 9 月 30 日打标签,具体功能细节尚未在发布说明中展开。
LTX-2 发布 v1.4.1,修改了 HDR 视频编码流程,将解码后的数据块直接输出为 EXR 和 HLG,不再在内存中保留完整片段。该版本由 lt-research-bot 于 9 月 30 日发布,包含 1 次 main 分支提交。
facefusion 发布 3.9.1 版本,更新至最新 onnxruntime 版本,并将 arena workaround 限制在受影响的 onnxruntime 版本上。该版本还修复了 CoreML 下内容分析器的性能问题。
陕西省微短剧《山河回响》《长乐长歌》入选第16届中国金鹰电视艺术节首次设立的微短剧荣誉单元"年度微短剧"名单。《山河回响》由红果短剧、吴堡县红盛影视联合出品,首创竖屏+横屏双版本播出,全网播放量超12亿;《长乐长歌》由西影视频等出品,采用遗址实景拍摄与AIGC数字技术复原历史场景,横屏版已登陆CCTV-6。
国家广播电视总局办公厅启动 2026 年国际微短剧大赛,以“微联世界 剧耀新程”为主题,由四川省广播电视局主办、成都市广播电视台承办,设中国理念、亚太同心、民生烟火、文明共生、原创剧本五大竞赛单元。大赛面向全球征集已完成的微短剧作品及原创剧本,申报截至 2026 年 11 月 30 日,境内播出作品须注明网络视听节目许可证号或备案号。
陕西推荐的微短剧《东山顶上》入选国家广电总局2026年第一季度优秀网络视听作品推选活动评审结果。该剧由西藏民族大学、陕西中秦鸿基影视传播有限公司、陕西华商影业有限公司联合出品,改编自周伟团同名获奖小说,是2025年度陕西省重大文化精品扶持项目,并入选总局"微短剧+"创作计划第二批推荐目录。
9月30日,由国家广播电视总局网络视听节目管理司指导、中国电视艺术委员会主办的2026精品微短剧秋季点评会在京举行,《一见·南侨》《重案六组:消失的警号》《大唐少年天行传》等12部微短剧主创代表介绍创作情况,与会专家深入点评。会议指出本季度精品微短剧题材多样、辨识度高,证明微短剧容得下"横"与"竖"、"长"与"短"、"真人"与"AI"。
Hugging Face 发布 Open TTS Leaderboard,用客观指标评测开源多语言 TTS 与声音克隆模型,单模型评测耗时从数周投票缩短到数小时。
可灵官方发布 Kling 4.0 Multiple Keyframes 使用指南,单次生成最多支持 10 张关键帧图像,用于在时间轴上设定角色入场、产品露出、场景切换等视觉节点,模型据此生成节点之间的运动与转场。
推荐理由:可灵官方给出多关键帧控制 30 秒长视频的完整方法,含时间轴规划与常见错误,可直接迁移到广告与短叙事流程。
广电总局微短剧精品创作传播计划“五个一批工程”第三次调度会于9月28日召开,要求紧扣精品化、大众化、国际化方向,持续支持真人剧并引导 AI 剧健康规范发展。会议通报了近期创作管理重点工作,广西、河南、辽宁介绍精品创作引导情况,红果短剧、爱奇艺介绍扶持作品及长征题材作品播出情况。会议要求抓创作提质、播出增效、资金落地和规范管理,落实《微短剧发展管理办法》备案审核、许可证发放、标识标注等规定。
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。
OpenAI DevDay 2026 公布 20 多项发布,涵盖 GPT-6 Astra、ChatGPT、Codex、API、安全以及面向开发者的新工具。具体功能细节与可用性尚未在原文中展开。
Kyutai 在 DL3DV 数据集上对 OVIE 微调 5 万步,推出 kyutai/ovie-ft-dl3dv,架构与基座模型一致、仅权重不同。
Kyutai 在 Hugging Face 发布 OVIE-512,这是 OVIE 系列按相同配方重训至 512×512 的基座模型,训练 250K 步、全局 batch size 256。
Kyutai 在 Hugging Face 发布 OVIE-ft-re10k,这是 OVIE 在 RealEstate10K 多视角数据上微调 50k 步的检查点,仅占其 200 万步预训练预算的 2%,架构与基座模型完全一致,可直接复用同一代码路径加载。
番茄小说上线「IP回响计划」第三期,面向番茄短故事征集短剧漫剧改编。公告由字节跳动旗下番茄小说发布,具体改编权益与报名方式未在页面正文中披露。
番茄小说短故事「千字万金」激励计划第四期上线,奖金池500万元+,短故事分成维持10:0(作者10)。保底稿费超短80-500+元/千字、中短100-700+元/千字,单本爆款最高6万元,奖励池从TOP200扩至TOP600。新增多本激励(单作者最高额外25%新媒体渠道收益)与7个品类TOP10激励,作品还有机会改编为短剧、漫剧并叠加改编收益。
番茄小说推出短故事「IP金品共创计划」,聚焦漫剧改编方向与中短篇幅,覆盖男频/女频脑洞、玄幻仙侠、现言甜宠等11种热门品类,参与作品字数需大于2万字。编辑评估优质作品即可签保底,优质内容享额外稿费激励,同品类TOP可叠加爆款登榜奖金及千字万金、回响计划奖金,优质高产作者另有额外奖金。