Genie 4 现已可用
Genie 4 现已向 Google AI Ultra 订阅者开放,支持会话中实时编辑世界与实时原生音频。Genie 3 同步更新,单次生成最长 3 分钟,支持 360 度全景图种子与实时世界事件;新增 Project Genie agent 与社区画廊。
推荐理由:Genie 4 向 Google AI Ultra 订阅者开放,支持会话中实时编辑世界与实时原生音频,创作者可据此评估其交互式世界生成、分享与再创作能力。
Genie 4 现已向 Google AI Ultra 订阅者开放,支持会话中实时编辑世界与实时原生音频。Genie 3 同步更新,单次生成最长 3 分钟,支持 360 度全景图种子与实时世界事件;新增 Project Genie agent 与社区画廊。
推荐理由:Genie 4 向 Google AI Ultra 订阅者开放,支持会话中实时编辑世界与实时原生音频,创作者可据此评估其交互式世界生成、分享与再创作能力。
原生音频 AI 视频生成器可在一次生成中同步输出对白、音效与环境声,Luma 与 Google Veo 是代表性平台。Luma 的 Ray 3.2 支持多关键帧、HDR、EXR 导出与 Motion Transfer,并用 Uni-1 维护项目上下文。Google Veo 被定位为企业方案,具有广泛平台访问能力。
Google 于 2026 年 11 月 5 日发布 Gemini Omni Flash 1.2 视频模型,现已上线 Recraft Studio。相比 1.1,单次生成时长从 10 秒提升至 15 秒,一致性与对口型更清晰,Gemini API 价格降低约 30%。
推荐理由:新版本将单次生成时长从 10 秒提升至 15 秒,并改善跨片段一致性与对口型,适合需要完整小故事的短广告场景。
Google 发布 Gemini Omni 1.2 Flash,原生支持 15 秒视频生成,价格较 1.1 下降 30% 至 $0.07/秒(720p)。新模型支持多轮对话编辑、增强参考跟随,并可在 360p/720p 草稿后超分至 1080p 或 4K。Gemini Omni 现已在 Gemini API 和 Gemini for business 中正式可用。
推荐理由:新模型将原生视频长度提升至 15 秒并降价 30%,适合评估批量视频生产与广告素材制作成本。
Ray 3.2、Kling 4.0、Seedance 2.5、Veo 3.1 和 Layers 在生产工作流中各有优势,其中 Ray 3.2 是唯一支持 16-bit HDR 和 EXR 导出的生成器。
MiniMax H3 需自托管 GPU 集群,7 款全模态平台可免运维替代。Luma Ray 3.2 居首,支持多关键帧序列、1080p 无水印导出、生成速度提升 4 倍,可直接导出至 Premiere、DaVinci 和 Final Cut;Google Veo 3.1 可一次生成同步语音与音效,ByteDance Seedance 2.5 面向多资产品牌项目。
Gemini Omni Flash 擅长对话式编辑与多模态输入,Wan 3.0 可生成最长 30 秒片段并支持文档输入,两者各有优势。Luma AI 的 Ray 3.2 提供多关键帧序列、HDR 输出和 EXR 导出,Layers(由 Uni-1 驱动)支持单元素修改,适合生产流程。2025 年 AI 视频生成市场规模约 7 亿至 20 亿美元,北美领跑。
Veo 3.1 与 Runway Gen-4.5 的对比显示,创意团队选择 AI 视频工具时需兼顾生成质量与后期工作流,Luma Ray 3.2 以多关键帧控制(最多 16 个)加入竞争。
Higgsfield 的 Prompt Team 按提示词响应、运动稳定性、光照、角色一致性和编辑控制五项标准,对比了 Seedance 2.5、Veo 3.1。
Higgsfield 官方博客对比了 Higgsfield、Midjourney、OpenAI、Google Gemini、Adobe Firefly、Ideogram。
Higgsfield 在 2026 年十大 AI 视频生成器对比中位列第一,以 35+ 模型和工具整合角色一致性、广告制作与智能体能力于一份订阅。Runway 凭 Gen-4.5 主打剪辑与 VFX 流程,Kling 官方应用提供 Kling 3.0/4.0 直连,Google Flow 以 $4.99 起提供 Veo 3.1。各平台价格与额度均于 2026 年 10 月核验。
Krea 官方对比 Krea 3 与 Nano Banana Pro,称 Krea 3 在 Arena Multi-Image Edit、Design Arena 和 Artificial Analysis 三个榜单上均排名更高,多数编辑在原生 2K 下 8 秒内返回,且比 GPT Image 2 与 Nano Banana Pro 便宜 3 倍。
推荐理由:Krea 官方用三个公开榜单和同题实测对比自家 Krea 3 与 Nano Banana Pro,并列出各自适用场景。
Krea 3 Ultra 在 10 月 19 至 20 日公布的三个图像编辑榜单上分别位列 Arena 多图编辑第 4、单图编辑第 8、Artificial Analysis AA-Image-Editing v2.1 第 5、Design Arena 第 4(共 51 个模型)。
推荐理由:Krea 官方逐条拆解三个榜单的票数、置信区间与排名区间,说明同一模型为何出现四个名次。
Hugging Face 宣布 TorchTPU 为 PyTorch 带来原生 TPU 后端,Transformers、Diffusers 和 Kernels 可直接在 TPU 上运行,模型只需指定 device_map="tpu" 即可加载。
Synthesia 视频制作人实测十款 AI 视频生成器并给出排名,Seedance 2.5 因电影级运镜与运动表现居首,但仅支持 720p、最长约 15 秒且难以免费获取。
Synthesia 以 $19/月 Starter 起步,在幻灯片导入保真度、AI 旁白质量和可编辑性上综合排名第一,支持 140+ 语言。
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。
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。
Google 与 XPRIZE、Range Media Partners 合作的 Future Vision XPRIZE 公布大奖得主,独立电影人 Jeff Synthesized 的《The Gifted》从全球 2500 多份投稿中胜出,获 10 万美元奖金及 250 万美元长片制作资金。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,在原生实时对话模型上加入近实时视频生成,实现带口型同步、自然表情和流畅轮替的动态视觉形象。
推荐理由:Gemini 3.8 Live 新增实时数字人能力,支持 97 种语言口型同步与后台工具调用,企业可据此评估虚拟客服等场景。
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音合成模型,前者面向角色设计与逐句表演指导,后者面向高体量、低成本的配音与语音智能体场景。
推荐理由:两款 TTS 模型把声音生成从固定预设变成可逐句导演的创作流程,配音与有声书团队可据此评估迁移。
YouTube 在 Made on YouTube 活动上发布一批新工具,覆盖创作、直播与变现。Shorts 和 YouTube Create 应用新增对话式剪辑工具,YouTube Studio 支持视频 A/B 测试,最多可对比三个版本;Live 新增直播对决、实时自动配音, likeness detection 将登陆手机端。
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。
Google DeepMind 与 Primordial Soup 合作推出纪录短片《Love, Rendered》,用 AI 复原 Burt 和 Ethelle Shatz 夫妇未曾拍摄的相遇场景。
推荐理由:Google DeepMind 用图像修复与表演捕捉模型复原未拍摄的往事,可看到生成式工具在纪实影像中的具体用法。
Google 发布 Gemini 3.7 Flash,主打编程与智能体,每百万 token 价格为首发 3.6 Flash 的一半;同期推出语音转文本模型 Gemini 3.5 Transcribe,面向语音智能体、实时字幕和通话后分析。Gemini 应用月活突破 10 亿,Gemini Omni 1.1 Flash 已在 Google Flow、AI Studio 等平台上线。
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上推出智能体视频理解功能,视频分析 token 消耗最多降低 88%、成本最多降低 66%、准确率最多提升 7%。
推荐理由:Gemini 新功能把长视频分析成本与 token 消耗大幅压低,开发者可据此评估现有视频处理流程。
Google 在 Workspace 下推出图像创作与编辑工具 Google Pics,基于 Nano Banana 图像生成与编辑模型,将在未来几周向所有 Google AI Pro 和 Ultra 订阅者及多数 Workspace 商业客户开放。
推荐理由:Google 把图像生成与编辑工具接入 Workspace 应用,可据此判断团队出图流程是否要迁移。
Google DeepMind 发布 Gemini Omni 1.1 Flash,通过 Gemini API 在 Google AI Studio 向开发者提供生成式视频能力。
推荐理由:Gemini Omni 1.1 Flash 面向开发者开放场景延长、首尾帧插值与 4K 超分,可据此评估视频工作流改造空间。
Google 发布新一代音乐生成模型 Lyria 3.5,并在 Google Flow Music 中上线。官方称其在音乐性、歌词与演唱质量上均有提升,旋律结构更丰富自然,歌词生成对提示的遵循和结构意识更强,人声表现力与发音改善,同时新增对节奏和时长的控制。
Google DeepMind 与 A24 宣布达成首个研究型合作伙伴关系,将顶尖研究实验室与电影人导向的制片厂配对,帮助艺术家开发新工作流与技术。双方将围绕多个项目展开长期研发协作,Google 同时对 A24 进行了投资。合作初期聚焦弥合前沿技术与下一代娱乐之间的差距,具体目标与技术产出将随时间演进。
Hugging Face 与 Cerebras 联合演示了一套实时语音到语音流水线,用 Cerebras 加速 Gemma 4 31B 推理,语音识别用 Nvidia 的 Parakeet,语音合成用阿里 Qwen3TTS,各层模块化且开源可替换。
Google DeepMind 发布 Nano Banana 2 Lite(gemini-3.1-flash-lite-image)和 Gemini Omni Flash(gemini-omni-flash-preview)两款模型。
推荐理由:两款模型分别主打图像生成的速度成本与视频的对话式编辑,开发者可据此评估接入组合流程。
Google 发布音频模型 Gemini 3.5 Live Translate,支持 70+ 语言的近实时语音到语音翻译,能自动检测语言并保留说话人的语调、节奏和音高。
推荐理由:Gemini 3.5 Live Translate 把同传延迟压到几秒并支持 70+ 语言,开发者可据此评估实时配音与会议翻译方案。
Google DeepMind 为实验性原型 Project Genie 推出 Street View 实景锚定能力,用户可选取美国地点并叠加风格,让生成世界的起点绑定真实街景影像。
Google DeepMind 发布 Gemini Omni 家族首个模型 Gemini Omni Flash,可组合图像、音频、视频和文本作为输入生成高质量视频,并通过自然语言对话进行多轮编辑。
推荐理由:Gemini 首个视频生成模型 Omni Flash 上线,支持多模态输入与对话式多轮编辑,可对照现有出片流程评估。
Google 宣布把内容透明度与验证工具扩展到 Search、Gemini、Chrome、Pixel 和 Cloud。SynthID 已为超过 1000 亿张图片和视频、6 万年音频打上水印,Gemini 中的 SynthID 验证已被使用 5000 万次,并将在数周内进入 Search 和 Chrome。
推荐理由:Google 把 SynthID 与 C2PA 验证铺到搜索、Gemini 和 Chrome,并开放 AI 内容检测 API,可观察内容溯源工具的平台化路径。
Google 发布 Gemini 3.1 Flash TTS,称其为目前最自然、表现力最强的语音模型,在 Artificial Analysis TTS 榜单上取得 1,211 Elo 分。
推荐理由:Gemini 3.1 Flash TTS 引入音频标签与多说话人对话,开发者可据此评估语音生成的可控性提升。
Google 发布 Gemini 3.1 Flash Live,称其为目前质量最高的音频与语音模型,具备更高精度和更低延迟。
推荐理由:Gemini 3.1 Flash Live 在语音交互的延迟、长程推理与多语言上给出可对比的基准数据,开发者可据此评估语音智能体的落地。
Google DeepMind 发布 Lyria 3 Pro,可生成最长 3 分钟的曲目,并能按前奏、主歌、副歌、桥段等结构元素进行提示。该版本已上线 Vertex AI 公共预览、Google AI Studio 与 Gemini API,并接入 Google Vids、Gemini 应用和 ProducerAI;Lyria 3 与 Lyria 3 Pro 的输出均嵌入 SynthID 水印。
推荐理由:Lyria 3 Pro 把单曲时长拉到 3 分钟并支持段落级提示,创作者可据此判断能否用于成片配乐。
Google DeepMind 发布最新图像生成模型 Nano Banana 2(Gemini 3.1 Flash Image),将 Nano Banana Pro 的先进世界知识、质量与推理能力带到 Flash 速度。
推荐理由:Nano Banana 2 把 Pro 级世界知识与文字渲染下放到 Flash 速度,并给出多平台上线与定价入口,可据此评估图像工作流是否切换。