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. WaveSpeedAI 官方博客69

    AI 视频角色一致性:一个镜头工作流

    WaveSpeedAI 的 Dora 分享一套 AI 视频角色一致性镜头工作流,通过角色参考套件、固定身份细节和两遍审查来避免角色漂移。Vidu 2.0 接受 1-3 张参考图,MiniMax H3 Highspeed 接受最多 9 张参考图和 3 段参考视频;修复漂移时一次只改一个输入。

    推荐理由:这套工作流给出角色参考套件、固定身份细节和两遍审查的具体做法,可直接迁移到多镜头 AI 视频制作。

11月14日周六
11月10日周二
11月9日周一
  1. InvokeAI 官方发布75

    InvokeAI 7.0.0 beta 1 发布

    InvokeAI 7.0.0 进入 beta 1,这是其最大版本更新。新增项目、单工作台、视频面板支持 MiniMax H3、LTX-2.5 和 Wan 2.2。官方警告 v7 数据库迁移不可逆,升级前需备份。

    推荐理由:InvokeAI 7.0.0 进入 beta,新增项目、视频面板与多模型支持,创作者可据此评估升级。

11月3日周二
  1. MiniMax · 音视频模型66

    MiniMax 发布 H3-Image 开源图像生成与编辑模型

    MiniMax 发布开源图像生成与编辑模型 MiniMax-H3-Image,将文本到图像与图像编辑统一在一个 checkpoint。模型为 33.1B 参数 DiT,蒸馏至 6 步采样,直接生成约 16 兆像素图像(4096×4096 至 6272×2688),无需超分。

    推荐理由:新模型将文本生成与图像编辑统一在一个 checkpoint,16 兆像素直接输出且仅需 6 步采样,可评估其是否适合现有出图流程。

10月22日周四
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16日周五
  1. Higgsfield 官方博客38

    7 款最佳 Veo 替代方案:如何在生成中保持一致性

    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。

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9日周五
10月6日周二
  1. Hedra 官方博客60

    Hedra 发布 Developer API,一个密钥调用 110 多个生成模型

    Hedra 发布 Developer API,用一个 API key 和预付美元钱包调用 110 多个生成模型,覆盖视频、图像、音频和文本,包括 Veo 3.1、Kling V3、Seedance 2.5、MiniMax H3、Nano Banana Pro、ElevenLabs V3 等。

    推荐理由:Hedra 把 110 多个视频、图像、音频和文本模型收进一个 API 与预付钱包,开发者可据此评估多模型流水线的接入成本。

  2. FastVideo 视频模型 · 模型发布62

    FastVideo 发布 FastH3 Trim 精简模型及 ComfyUI 重打包文件

    FastVideo 发布实验性精简模型 FastH3 Trim,transformer 块从 50 减至 42,采用 rank-16 时间步条件,8 步采样,体积比基础 H3 小 4.2 倍,速度快于 FastH3 V2。

    推荐理由:FastH3 Trim 以 42 层、8 步采样和 4.2 倍体积压缩给出更轻的视频生成方案,并附 ComfyUI 各精度文件与参数。

10月3日周六
  1. FastVideo 视频模型 · 模型发布62

    FastVideo 发布 FastH3 Trim 8 步音视频生成模型

    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。

9月25日周五
  1. Hedra 官方博客62

    Hedra 对比 Seedance、Kling、Veo、MiniMax 等 11 个视频模型 API 价格:10 秒 1080p 带音频从 0.60 到 7.91 美元

    Hedra 按同一任务(10 秒、1080p、原生音频、一张起始帧加文本提示)对比 11 个视频模型的 API 价格,最低为 LTX-2.3 Fast 的 0.60 美元,最高为 Seedance 2.5 的 7.91 美元,相差 13 倍;其中 9 个模型满足该规格,Veo 3.1 最长 8 秒、MiniMax H3 无 1080p 设置,被单列为近似替代。

    推荐理由:同一 10 秒 1080p 带音频任务下,11 个视频模型的 API 单价相差 13 倍,并给出可复用的选型与成本核对方法。

9月18日周五
  1. fal 官方博客62

    fal 详解 H3 Max:基于 fal 推理与训练平台构建

    fal 官方博客介绍 H3 Max 如何在其 Compute、Serverless 和 Model API 三层平台上完成从后训练到分发。H3 Max 生成 5 秒视频用时不到 3 秒,在 fal 的人类偏好评测中于质量、提示理解和美学三项排名第一,Artificial Analysis 与 Design Arena 的独立基准也将其列为第一。

    推荐理由:fal 官方拆解 H3 Max 从训练到上线的三层平台,可看到低延迟视频生成背后的推理与扩容机制。

1月27日周二
  1. Hugging Face Blog22

    中国开源 AI 生态的架构选择:MoE、多模态与国产硬件如何超越 DeepSeek

    中国开源模型已近乎一致转向 MoE 架构,Kimi K2、MiniMax M2、Qwen3 均采用该路线,目标是在成本可控下实现可持续部署。开源活动从 2025 年 2 月起扩展至多模态与智能体,StepFun 的 Step-Audio-R1.1 语音模型性能超越闭源模型,腾讯开源 Hunyuan Video 与 Hunyuan 3D。