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14日周三
  1. Reddit StableDiffusion · 创作者与工作流分享62

    Valtz 发布原生 macOS 应用,本地串联图像、视频与音频生成工作流

    Valtz 是一款基于 Vpipe 推理引擎的原生 macOS 应用,面向 Apple Silicon 优化,把图像生成与编辑、视频生成、图生视频、AI 提示词增强、多图层视频剪辑、AI 超分、声音克隆与音乐生成整合在同一界面,无需手动搭建节点工作流。

  2. Comfy 官方博客71

    ComfyUI 上线 NVIDIA VFX 节点,支持视频超分、补帧与 SDR 转 HDR

    ComfyUI 将 NVIDIA RTX 视频效果做成自定义节点,包含 RTX Video Super Resolution、RTX Video Frame Generation 和 RTX Video HDR,模型随节点附带并在本地 RTX GPU 上运行。

    推荐理由:ComfyUI 把 NVIDIA RTX 视频超分、补帧与 SDR 转 HDR 做成节点,并改进 EXR 支持,可对照现有 VFX 流程评估。

10月13日周二
  1. 机器之心SOTA模型 · 公开公众号 RSS22

    Meta 发布 Muse Wonder 长任务编程模型,Speridlabs 开源 Iris-3B 像素空间图像生成模型

    Meta 发布 Muse Wonder 与 Muse Wonder Full 两款长任务编程模型,均提供 100 万 token 上下文,可分派子 Agent 并在出错后恢复,Wonder 通过兼容 OpenAI 的 Meta Model API 或 Muse Code 使用,Full 仅向 Muse Code 付费订阅开放,两者均未公开权重。

10月11日周日
  1. note · aicu · 图像视频创作分享29

    Gemini API 转向预付费:Google AI Studio 通知开发者 10 月 12 日前完成迁移

    Google AI Studio 向部分开发者发出通知,要求其在 10 月 12 日前将 Gemini API 从后付费改为预付费,逾期将中断服务。预付费余额为零时,即使 API 密钥和代码正常,付费 Gemini API 调用也会失败;余额按 Cloud Billing 账户而非项目或 API 密钥管理,购买后有效期 1 年。仅使用免费额度的用户无需迁移。

10月10日周六
10月8日周四
  1. SuSu_酥酥22

    黄仁勋:AI代理将吃掉软件85%功能

    黄仁勋指出未来最好的软件用户不是人而是AI代理,因为人类通常只用到Photoshop、Blender、Excel、Unreal等软件10%-15%的功能,而代理掌握每一个按钮、参数和隐藏路径。微软Surface Ultra现场演示中,代理直接操作Blender、Unreal、ComfyUI干活,效果更像换了操作者而非辅助。软件不会消失,消失的是只掌握15%功能的人的竞争力。

10月7日周三
10月5日周一
10月1日周四
  1. Runway48

    Runway 发布世界接口模型 Solaris

    在今天的 AI Summit 上,Runway CTO Kamil Sindi 进一步介绍了我们的首个世界接口模型 Solaris。一种新型操作系统,随着你的交互而自我构建。每一帧都根据你的意图实时生成。 在主题演讲中,Kamil 分享了一个清晰的愿景:未来所有软件都是生成的。无需一行代码。 了解更多关于 Solaris:https://runway.com/news/research/introducing-solaris

9月29日周二
  1. 公众号:短剧自习室75

    造梦次元与生数科技用Vidu S2做AI主播直播,48小时营收4.2万

    造梦次元与生数科技用Vidu S2驱动AI主播紫樱完成一场48小时直播,累计31万+人观看、最高超4万人在线,总营收4.2万元。紫樱会念出新观众昵称、接住弹幕话题,并根据礼物唱歌、跳舞、换装和切换场景,直播中重开24次才达成8万营业值目标。

    推荐理由:以一场48小时AI主播直播为样本,观察实时视频模型在互动内容中的实际表现与商业转化。

9月28日周一
  1. IndexTTS · 语音模型60

    IndexTeam 发布 Index-Echo-S2TT-9B 语音转写翻译模型

    IndexTeam 发布 Index-Echo-S2TT-9B,用 Qwen3-Omni AuT 音频编码器加 Index-Translate-9B 解码器把语音转成文本,接受音频或视频文件并输出带句级时间戳的双语字幕,打包推理接口支持中文译成英语、日语或西班牙语。

    推荐理由:Index-Echo-S2TT-9B 开源了语音转写加双语字幕的完整推理包,创作者可据此评估字幕与翻译流程的替换成本。

  2. IndexTTS · 语音模型60

    IndexTeam 发布 Index-Echo-S2TT-2B 语音转文字翻译模型

    IndexTeam 发布 Index-Echo-S2TT-2B,用 Qwen3-Omni AuT 音频编码器、音频连接器和 Index-Translate-2B 解码器把语音转成文本,接受音频或视频文件并输出带句级时间戳的双语字幕,打包推理接口支持中文译成英语、日语或西班牙语。

    推荐理由:Index-Echo 系列新增语音转文字翻译成员,公开了架构、推理参数与自建评测对比,可据此判断是否接入字幕流程。

9月25日周五
  1. Google DeepMind67

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar

    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。

8月11日周二
7月1日周三
5月4日周一
4月9日周四
  1. Hugging Face Blog62

    Overworld 发布 Waypoint-1.5 实时视频世界模型

    Overworld 发布实时视频世界模型 Waypoint-1.5,在 RTX 3090 至 5090 等桌面硬件上可生成最高 720p、60 FPS 的实时环境,并新增面向更广消费级硬件的 360p 档,后续将支持 Apple Silicon Mac。

    推荐理由:Waypoint-1.5 把实时世界模型压到消费级显卡,720p 与 360p 双档让创作者可评估本地交互式生成的可行性。

1月20日周二
1月6日周二
6月3日周二
4月9日周三
2月25日周二
5月13日周一
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。