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。

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19日周一
  1. InvokeAI 官方发布36

    InvokeAI 7.0.0 alpha 3 发布:新增看板共享与 Qwen-Image-2.1 支持

    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。

  2. LichtFeld-Studio 官方发布22

    LichtFeld Studio 0.5.4.1 发布:修复补丁与拖拽导出、训练续跑等更新

    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。

10月15日周四
  1. Black Forest Labs 官方博客82

    Black Forest Labs 发布 FLUX 3 Image Klein 开源权重模型

    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。

10月13日周二
10月9日周五
10月7日周三
  1. pyvideotrans 官方发布38

    pyvideotrans v4.15 发布:更新 Deepgram 与 ElevenLabs 渠道,新增静音移除调节

    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。

9月30日周三
9月26日周六
  1. pyvideotrans 官方发布38

    pyvideotrans v4.14 Windows 预打包版发布

    pyvideotrans 发布 v4.14 Windows 预打包版,完整包 2.7G,补丁包 360MB 仅用于覆盖旧包。该版本优化语音、字幕、画面对齐算法,Google 翻译前先检测,遇 429 拦截自动切换微软翻译,并优化 openai-whisper 模型下载。MacOS/Linux 需源码部署,新版有问题可继续使用 v4.13/v4.03。

9月21日周一
  1. pyvideotrans 官方发布38

    pyvideotrans v4.13 发布:优化模型下载重试与 whisper 断句,新增豆包语音合成 2.0 配音角色

    pyvideotrans v4.13 发布 Windows 预打包版,模型下载失败后自动重试,并优化 whisper 模型识别后的重断句算法。该版本完善硅基流动、Minimax、OpenRouter 的语音识别、字幕翻译与语音合成模型支持,新增豆包语音合成 2.0 配音角色,并重构设置窗口与菜单架构。Qwen-TTS、Higgs 等本地配音渠道放弃 8 位量化,媒体合并功能新增暂停按钮。

1月29日周四
  1. Hugging Face Blog40

    Gradio 团队推出 Daggr:用 Python 代码串联 AI 工作流并自动生成可视化画布

    Gradio 团队开源 Python 库 Daggr,可用代码串联 Gradio 应用、ML 模型与自定义函数,并自动生成可视化画布。它支持检查任意节点输出、单独重跑某一步骤、配置备用节点,并自动保存工作流状态与缓存结果。Daggr 要求 Python 3.10 以上,可通过 pip 安装,工作流可部署到 Hugging Face Spaces 分享。

1月6日周二
4月9日周三
1月27日周一
  1. Hugging Face Blog60

    Diffusers 团队梳理开源视频生成模型现状与优化方案

    Hugging Face Diffusers 团队发布文章,梳理开源视频生成模型现状,并介绍 Diffusers 对这类模型的支持方式。文中列出 CogVideoX、Mochi-1、HunyuanVideo、Allegro、LTX-Video 等开源模型,指出高资源需求、泛化能力和延迟是主要限制。

    推荐理由:Diffusers 团队系统梳理开源视频模型现状,并给出把 HunyuanVideo 显存压到约 6.5GB 的优化组合。

12月9日周一
  1. Hugging Face Blog22

    Hugging Face 社区发布文生图开放偏好数据集

    Hugging Face 的 Data is Better Together 社区发布 Apache 2.0 许可的文生图偏好数据集,覆盖多种图像生成类别,混合不同模型家族与不同复杂度的提示词。数据集基于 Flux 和 Stable Diffusion 模型生成图像,配套提供可直接使用的偏好数据集与 flux-dev-lora-finetune,预处理与后处理代码已在 GitHub 开源。

9月23日周一
  1. Hugging Face Blog34

    FineVideo:43k 视频、3.4k 小时的开源视频数据集是如何构建的

    为缓解开源视频数据集稀缺问题,团队构建了 FineVideo,包含 43k 个视频、共 3.4k 小时,并标注了丰富描述、叙事细节、场景切分和 QA 对。该数据集从 YouTube-Commons 的 1.9M 条英文视频出发,经词密度与视觉动态性过滤,并用 Gemini 1.5 Pro 和 GPT-4o 完成内容标注与结构化输出。

2月3日周六
  1. Hugging Face Blog62

    SegMoE 发布:从零构建混合专家扩散模型

    Segmind 发布 SegMoE 框架,可从零创建混合专家(MoE)扩散模型,并已集成进 Hugging Face diffusers。此次发布包括 SegMoE-4x2、SegMoE-2x1 和 SegMoE-SD4x2 三个模型版本,以及用于自建 MoE 模型的 segmoe 代码包,模型采用 Apache 2.0 许可。

    推荐理由:发布方给出从零构建 MoE 扩散模型的代码与三个合并版本,创作者可据此把多个预训练模型组合成新模型。

9月29日周五
9月13日周三
  1. Hugging Face Blog60

    Hugging Face 发布 Würstchen:高压缩潜空间的快速图像扩散模型

    Hugging Face 发布 Würstchen 图像生成扩散模型,其文本条件部分在高度压缩的潜空间中工作,通过 Stage A 的 VQGAN 与 Stage B 的 Diffusion Autoencoder 实现 42x 空间压缩,Stage C 作为 Prior 在该潜空间中训练。

    推荐理由:Würstchen 用 42x 空间压缩把训练成本降到 SD1.4 的约六分之一,可据此评估低显存出图方案。

9月8日周五
8月9日周三
7月27日周四
  1. Hugging Face Blog62

    苹果与 Hugging Face 用 Core ML 混合位量化在 Mac 上运行 Stable Diffusion XL

    苹果与 Hugging Face 将 Stable Diffusion XL 基础模型移植到 Core ML,可在运行 macOS 14 公测版的 Apple Silicon Mac 上使用,目前采用 ORIGINAL attention 实现,refiner 阶段尚未移植。

    推荐理由:苹果与 Hugging Face 联合给出 SDXL 在 Mac 上的 Core ML 混合位量化方案,附各机型实测延迟与压缩配方。

2月24日周五
12月1日周四
  1. Hugging Face Blog62

    如何在 Apple Silicon 上用 Core ML 运行 Stable Diffusion

    苹果工程师提供了转换脚本与推理代码,Hugging Face 已把 Stable Diffusion v1.4、v1.5、v2 base、v2.1 base 的权重转成 Core ML 版本并放到 Hugging Face Hub。

    推荐理由:苹果工程师与 Hugging Face 把 Stable Diffusion 权重转成 Core ML,并给出 Python 与 Swift 两条推理路径,可据此在 Apple Silicon 上本地出图。

10月5日周三
9月12日周一
8月22日周一
6月7日周二