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31日周六
  1. note · cocoredo_2509 · 图像视频创作分享68

    Pika H3 Flex 面向影像制作者的导入、品质与成本验证

    作者从制作现场视角验证Pika H3 Flex,指出官方性能不能直接等同于实际可用性,人物一致性、音声分轨与4K超分需分开评估。H3 Flex基于MiniMax H3,支持最多12个参照素材与5种音声分轨,480p/768p生成后可超分至1080p/2K/4K,但4K是超分而非原生生成。

    推荐理由:Pika H3 Flex现场验证显示,人物一致性、音声分轨与4K超分需分开评估,作者的三个短测试与记录方法可直接用于其他模型导入决策。

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。

  2. Reddit comfyui · 创作与工作流分享68

    Phane:提交 #OPENSOURCEHIGGSFIELD 的开源创作工具

    作者发布 Phane,一个 100% 开放权重的本地创作工具,8GB 显卡即可运行,支持文本到 3D 运动再到任意角度。它集成 45 个引擎,覆盖图像、编辑、视频、重铸、语音等能力,一键安装,无需云端或积分。

    推荐理由:这个开源工具让 8GB 显存显卡也能本地运行 45 个引擎的文本到 3D 与视频创作流程,创作者可评估是否用它替代云端付费方案。

  3. AITNT · AI创作资讯73

    Genspark Media Studio上线,零基础也能拍短剧

    Genspark Media Studio正式发布,接入20多家厂商的70多个模型版本,覆盖视频、图像、音频和3D生成。实测中可用Seedance 2.5、Kling、Veo生成视频,ElevenLabs生成音频,并通过“故事圣经”功能自动生成短剧。Plus和Pro会员在10月27日至11月4日期间积分消耗五折。

    推荐理由:Genspark将20多家厂商的70多个模型整合进一个工作台,零基础用户也能完成从剧本到成片的完整流程。

  4. Reddit comfyui · 创作与工作流分享48

    ComfyUI 动画短片:我的创作分享

    一位创作者用 ComfyUI 制作了 3 集动画迷你剧的第一集,讲述小女巫被诅咒吞噬、遇见巨型猫的故事。技术流程包括用 ChatGPT 生成姿势与构图、Qwen Image 工作流去除 ChatGPT 风格、MinimaxH3 完成动画,并用 ElevenLabs 处理音乐与音效。作者正寻求角色一致性与多镜头动画方面的反馈。

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. 歸藏73

    用即梦短剧工作室制作性转马尔福 AI 女友桌面应用并开源

    歸藏用即梦 AI 短剧工作室制作了性转马尔福互动桌面应用并开源客户端。应用含第一人称短剧与好感度系统,画面、配音和角色由即梦生成,音乐用 Suno,剪辑和代码由 Claude 完成;制作流程涵盖上传剧本、资产库、分镜导演台与视频生成,客户端已开源至 github.com/op7418/malfoy-desktop。

    推荐理由:作者开源了完整客户端代码并详解从剧本到桌面的制作流程,想用即梦短剧工作室做互动作品的创作者可照此复现。

  3. 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28日周三
10月27日周二
  1. note · cocoredo_2509 · 图像视频创作分享62

    AI短剧多镜头连贯性如何验证?人物、动作与剪辑的9个要点

    作者基于TOPVIEW JAPAN在TIFFCOM 2026的参展发布,整理出AI短剧多镜头制作的9个验证要点。要点覆盖人物同一性、道具连续性、动作因果、剪辑点、音频字幕、成本与权利,并建议从三镜头测试开始,记录失败条件以评估连续制作质量。

  2. 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。

  3. 娱乐资本论 · 搜狐公开专栏58

    河南话萌宝、东北话后妈,AI漫剧又找到流量密码了?

    方言正在成为AI漫剧的差异化创作抓手。红果热播总榜前五有四部为AI漫剧,《咱家剑宗团宠小师妹》以河南话+萌宝修仙组合跑通系列化,五季1809集、2370万收藏、929万追剧数断层领先;东北话《东北后妈,整顿全家》位居热播榜第七。文章判断,方言的终局不是口音噱头,而是成为人物行为逻辑的一部分,才能沉淀为IP护城河。

  4. 娱乐资本论 · 澎湃商业与影视趋势64

    河南话萌宝、东北话后妈,AI漫剧又找到流量密码了?

    方言正在成为AI漫剧的差异化创作抓手,河南话萌宝修仙剧《咱家剑宗团宠小师妹》以929万追剧数断层领先,五季累计2370万收藏;东北话《东北后妈,整顿全家》位居红果热播总榜第七。方言能帮助建立人物印象、AI制作降低试错成本,但长期看需从口音噱头升级为人物行为逻辑才能沉淀为IP。

10月26日周一
  1. mlx-audio · 开源创作项目发布43

    mlx-audio v0.6.2 发布

    mlx-audio v0.6.2 发布,新增 Ming 3.0 TTS/ASR/Audio Tiny、Granite-Speech-5.0-2B ASR/AST、Phonon 2.5 STT 模型,以及 SpeechBrain ECAPA 说话人嵌入提取器。同时修复 Fish Audio Drama 3 的帧处理、换行与内存占用问题。

10月25日周日
  1. note · aicreatorpathnet · 图像视频创作分享58

    用 MiniMax H3 制作 18 分钟 4K 历史电影《岛津的退口》的幕后流程

    创作者 Naoya 公开了用 MiniMax H3 等工具制作 18 分 24 秒、4K、共 129 个镜头的关原题材历史电影《岛津的退口》的流程。片中武将台词改用日语配音,作者把台词写成不带汉字的平假名、用专用标签包裹并加上说完闭嘴的指令,以减少误读和画面出现文字。全片 129 个镜头逐一看过后重拍,修正了头盔消失、两人同时说话、称呼颠倒和背景像现代公园等问题,结尾改为主题曲 34 秒淡出。

  2. SuSu_酥酥64

    Block 发布全双工语音模型 Dessa,可在 M4 Max Mac 本地实时运行

    Jack Dorsey 的 Block 发布全双工语音模型 Dessa,官方称其为迄今最逼真的全双工语音模型,对话带有情绪、停顿与自然节奏。该模型从零开始只用人类对话录音训练,未使用文本或预训练模型,可在 M4 Max Mac 或更高配置上实时运行,训练使用一台 NVIDIA GB200 NVL72。目前仅向安全研究员开放内测,公开访问设有 waitlist。

10月24日周六
10月23日周五
  1. MindStudio Blog · 创作分享72

    Fish Audio 发布 Drama 3 语音模型:用括号舞台指示控制表演

    Fish Audio 发布文本转语音模型 Drama 3,用户可在剧本中用方括号写舞台指示来调整语气、节奏和表演,并支持单词级控制、内联音效与多说话人脚本。模型以 36B 参数开放权重形式发布在 Hugging Face(fishaudio/drama-3),据用户报告全精度运行约需 46GB 显存,社区 4-bit 量化版约 32GB。

    推荐理由:Fish Audio 开源 36B 语音模型,用括号舞台指示控制表演,并给出与 ElevenLabs 的基准差异和自托管显存门槛。

  2. MindStudio Blog · 创作分享75

    LTX 2.5 开源权重发布:22B 视频模型可自行下载运行

    Lightricks 在 Hugging Face 发布 LTX 2.5 开源权重,这是一个 22B 参数的扩散模型,可下载到自有 GPU 运行,同时提供 dev 完整版与蒸馏加速版,以及 bf16、int8、nvfp4 量化格式。

    推荐理由:Lightricks 把 22B 视频模型连同音频与多镜头能力一起开源,文中拆解了下载包各组件与自托管门槛。

  3. MindStudio Blog · 创作分享78

    LTX 2.5 解析:支持同步音频与原生多镜头的开放权重视频模型

    LTX 2.5 是一个开放权重的 AI 视频模型,音视频在同一次生成中产出,并支持单次生成内包含多个连贯镜头。模型提供标准版与蒸馏版,权重可下载,能通过托管 API 调用,也能部署在自有 GPU 上;官方称新的扩散视频解码器改善了人脸、纹理、画面文字与快速运动的表现。文章还记录了在远程 Nvidia GPU 上自托管运行、用对话镜头测试对口型与面部一致性的过程。

    推荐理由:文章拆解了 LTX 2.5 音视频同源生成、原生多镜头与可自托管三项特性,便于判断开放权重视频模型的实际边界。

  4. 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。

  5. Wireflow · AI短剧与视频制作教程35

    JSON2Video 2026 年定价:各档套餐与每分钟真实成本

    JSON2Video 定价为 Hobby 年付 $199.50、Professional 月付 $49.95,1 积分对应任意分辨率 1 秒视频,失败渲染不计费。按每分钟成本算,Startup 最低为 $0.20,比 Professional 低 20%、比 Hobby 低约 40%;一次性积分包更贵但不过期。需注意订阅积分每月清零、单条视频最长 30 分钟、渲染文件仅保留 7 天。

10月22日周四
  1. Hugging Face Daily Papers38

    RubatoCodec:带预算的自适应语音分词与流式解码

    RubatoCodec 是基于 X-Codec-2 的可变帧率语音编解码器,通过 utterance 级事件预算和流式解码实现自适应分词。其 Adaptive Firing 机制利用编解码特征与波形频谱变化划分变长事件,无需学习边界预测器。在低事件率下重建保真度和可懂度优于固定帧率编码,英日基准上可懂度保持最佳,匹配 TTS 对比中 WER 更低、UTMOS 与 UTMOSv2 更高。

10月21日周三
  1. ComfyUI Wiki · 工作流与开源创作分享81

    FastVideo 发布 FastH3 Omni:MiniMax H3 参考条件化变体,8 步生成带声视频

    FastVideo 发布 FastH3 Omni,这是 MiniMax H3 的参考条件化变体,提示词加有序的图片、视频和音频参考可生成带同步声音的片段,只需 8 次 transformer 评估而非基础 H3 的 50 次。

    推荐理由:FastH3 Omni 把参考图、视频与音频统一进一条生成链路,并给出与基础 H3 的逐项耗时对比,便于评估本地部署成本。

  2. 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。