跳到正文
日期与来源

日期按北京时间的资讯列表日期计算,包含起止当天。

11月16日周一
  1. Zyphra · Zonos 语音模型66

    Zyphra 发布 ZONOS3-Mini 多语言 TTS 模型

    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。

11月13日周五
  1. Higgsfield 官方博客65

    如何用 AI 创建无脸 YouTube 频道(完整指南)

    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。

11月12日周四
  1. HeyGen Updates64

    HeyGen 发布 2026 年 11 月企业 API 更新

    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。

11月11日周三
11月10日周二
  1. Zyphra · Zonos 语音模型65

    Zyphra 发布开源语音模型 ZONOS3-Mini

    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。

11月6日周五
  1. Kapwing 创作指南64

    用 ChatGPT 或 Claude 可自动化的 7 项视频编辑任务

    Kapwing 实测用 ChatGPT 或 Claude 自动化七类视频编辑任务,涵盖剪辑规划、字幕生成、翻译配音与 B-roll 制作。测试中 Claude Code 配合 FFmpeg 构建并渲染了 70.7 秒的 YouTube Short,Kapwing MCP 则完成了五种语言的 AI 配音。文章指出标准聊天界面无法直接编辑视频,实际剪辑需借助编码代理或 MCP 连接的编辑器。

    推荐理由:文章给出七类可自动化的视频编辑任务及对应提示词与工具选择,创作者可据此搭建自己的 AI 剪辑流程。

  2. Kapwing 创作指南65

    如何使用 ChatGPT 编辑视频(2026 指南)

    Kapwing MCP 将 ChatGPT 连接到视频编辑工作区,用户可用自然语言完成上传、字幕、翻译、配音和生成 B-roll 等编辑任务。测试中一个组合请求生成了六个导出版本(英文原版和五个配音版本)。

    推荐理由:Kapwing MCP 让 ChatGPT 直接操作视频编辑工作区,教程展示了从上传、字幕、翻译、配音到生成 B-roll 的完整自然语言编辑流程,并给出可复用的提示词示例与成本参考。

11月5日周四
10月30日周五
  1. ElevenLabs 产品与研究60

    ElevenLabs 推出 SFX v3 音效模型,上线 ElevenCreative 和 ElevenAPI

    ElevenLabs 推出 SFX v3 音效模型,现已上线 ElevenCreative 和 ElevenAPI。SFX v3 能更可靠地处理描述多种声音的提示,音乐与声乐生成更可信,音质比 SFX v2 更干净自然。创作者可在 Flows、Sound Effects 标签、Studio 和 Music Editor 中使用,开发者可通过 ElevenAPI 接入。

    推荐理由:SFX v3 改进了多声音提示跟随、音乐与声乐生成和音质,创作者可据此评估是否替换现有音效生成流程。

10月29日周四
  1. 可灵官方博客71

    Ami 谈 Kling 4.0 如何让微妙情感活起来

    可灵邀请创作者 Ami 用 Kling 4.0 制作短片《Tea When You Have Time》,她分享了 30 秒生成、Omni Reference 与多关键帧等新能力的使用体验。Kling 4.0 支持单次 30 秒生成、21:9 画幅、最多 10 个关键帧,12 个角色资产保持一致,粤语对白口型同步效果好,并支持多种方言与英语口音。

    推荐理由:创作者实测显示 Kling 4.0 在 30 秒长镜头、12 角色一致性与粤语口型同步上表现稳定,可据此评估升级。

  2. HeyGen Updates67

    HeyGen Voice 推出语音转语音功能

    HeyGen Voice 推出语音转语音(Speech-to-Speech)功能,用户用手机或电脑录制一句台词,即可获得保留情感、节奏、重音和发音的工作室级配音,只改变声音本身。该功能现已上线 HeyGen 和 API,支持从随意录音获得干净朗读,并比文本提示提供更丰富的情感范围,包括耳语、笑声和口音。

    推荐理由:HeyGen 语音转语音把手机录音直接变成工作室级配音,减少 TTS 反复生成,创作者可据此评估新配音流程。

10月27日周二
  1. Runway 官方新闻74

    Runway 推出 App Studio,无代码构建自定义创意应用

    Runway 推出 App Studio,用户可用自然语言描述需求,无代码构建带独立界面的自定义创意应用,生成图像、视频和音频。App Studio 内置 Character Swap、AutoComp、Product Portfolio 等应用,基于 Brand Kits、Workflows 和 Assets 构建,已包含在所有付费计划中,消耗现有 Runway 积分。

    推荐理由:Runway 的 App Studio 把无代码应用构建带入创意工作,团队可将多年沉淀的工作流和品牌标准变成人人可用的工具,降低对个别高手的依赖。

10月23日周五
  1. pyvideotrans 官方发布65

    pyvideotrans v4.17 发布

    pyvideotrans v4.17 发布,新增 Audio.cpp 语音识别渠道,并增加基于 audio.cpp 的降噪与人声分离模型。同时修复 nemotronasr 重复下载问题,新增 Opper 翻译渠道,字幕翻译增加“进一步精简”选项。

    推荐理由:新版新增 Audio.cpp 语音识别渠道与降噪模型,并优化字幕翻译精简选项,适合评估视频翻译配音流程升级。

10月21日周三
  1. FastVideo 视频模型 · 模型发布80

    FastVideo 发布 FastH3 Omni 的 ComfyUI 版本模型权重

    FastVideo 发布 FastH3 Omni 最终版的 ComfyUI 可用权重,提供 BF16 与 INT8 ConvRot 两种扩散模型,可根据提示词和有序的图片、视频、音频参考生成视频与同步音频。

    推荐理由:FastH3 Omni 放出 ComfyUI 可用的 BF16 与 INT8 权重,并给出参考图、视频、音频的接入方式,便于创作者评估本地出片流程。

10月20日周二
10月17日周六
  1. FastVideo 视频模型 · 模型发布60

    FastVideo 发布 FastH3-QAD-v2 视频音频模型

    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。

10月16日周五
10月15日周四
  1. HeyGen Updates78

    HeyGen 发布 HeyGen Voice 语音模型

    HeyGen 发布新语音模型 HeyGen Voice,称其为首个为视频适配而构建的语音模型,并在 Artificial Analysis 语音榜单排名第一,已包含在每条 HeyGen 视频中且不额外收费。

    推荐理由:HeyGen 推出首个面向视频适配的语音模型,创作者可据此评估配音与多语言口型流程的替换空间。

10月14日周三
  1. HeyGen Updates22

    HeyGen 2026 年 10 月企业版更新:成员用量限额、Video Agent 协作与 Brand Glossary 重建

    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。

  2. HeyGen Updates42

    HeyGen 2026 年 10 月企业 API 更新:Video 1.0 API、ElevenLabs v4 与专业声音克隆上线

    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。

  3. Fish Speech 官方发布72

    Fish Audio 发布开源语音生成模型 Drama 3 预发布版

    Fish Audio 发布开源语音生成模型 Drama 3 预发布版,可将文本转为带表演的语音。模型采用 35B-A3B 混合线性注意力 MoE 主干(由 Qwen3.5 初始化)与新的 codebook-MTP 音频解码器,预训练覆盖约 80 种语言和方言、数千亿 token,支持多参考声音克隆、自然语言指令、多轮改稿、多角色场景、语音填充编辑与长音频和流式合成。

    推荐理由:开源语音模型把多角色场景、多轮改稿与语音编辑放进同一模型,配音工作流可据此评估替换空间。

10月13日周二
  1. Descript · 官方产品更新22

    Descript 10 月更新:全盘搜索、异步录制请求与 ElevenLabs v4 声音克隆

    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。

10月12日周一
10月11日周日
  1. Kapwing 创作指南62

    如何用 AI 制作 Vox 风格拼贴动画:分步指南

    Kapwing 发布分步指南,讲解如何用 AI 生成 Vox 风格拼贴动画纪录片,流程分为写脚本、拆分视觉节拍、生成拼贴图像、逐帧动画、生成配音和剪辑成片六步。

    推荐理由:完整拆解 Vox 拼贴风纪录片的六步 AI 工作流,含可复用的图像与动画 Prompt,适合想复刻该视觉风格的创作者参考。

10月9日周五
  1. Respeecher 官方博客38

    如何把 AI 声音权写入演员合同(附模板)

    Respeecher 发布指南,说明标准"姓名、声音与肖像"条款已无法覆盖 AI 声音使用,需在演员合同中加入项目级数字复制品同意条款。指南要求区分 SAG-AFTRA 定义的雇佣型与独立创建型数字复制品,并给出 AI 声音合同必备的 7 项条款模板。加州 AB 2602 规定,若条款允许 AI 复制品替代演员工作、未具体说明用途且未经法律或工会代表谈判,则可被判定不可执行。

  2. Synthesia · 官方博客62

    Synthesia 发布 Syren:一句提示词生成视频与动态图形

    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。