AI情报收集家整理的今日生成AI动态(10月23日):Canva 图像模型 Craft 开放、MiniMax M3.1 Flash 权重公开
Canva 将自研图像模型 Craft 向所有人开放,并在 Dream Lab 与公开 API 提供,官方称其在 DesignArena 上 Elo 1340、模型总榜第 4,人物与风景两个分项第 1。
Canva 将自研图像模型 Craft 向所有人开放,并在 Dream Lab 与公开 API 提供,官方称其在 DesignArena 上 Elo 1340、模型总榜第 4,人物与风景两个分项第 1。
Cozy Clay 是一款免费开源的 3D 预演工具,用于在生成 AI 视频前先搭建粗略 3D 场景、锁定机位与走位,再作为参考图或序列帧输入 Kling、Veo、Sora 等视频模型。
OpenAI正推进300亿美元新一轮融资,投后估值预计1.25万亿美元,并全面开放基于GPT-6 Luna的决策API,每百万token输入0.10美元,响应速度较常规调用提升10倍。NVIDIA开源OpenShell,为大规模自主AI agent集群提供安全私有运行时。Fotor推出覆盖AI生成到最终剪辑的Fotor Agent视频制作工具。
爱沢在 X 上公开了 10 月 22 日早晨至 23 日深夜发布的 5 张插画所用 ChatGPT 图像生成提示词,覆盖朝、昼、夕方、夜、深夜五个场景,可免费用于自己的角色。
Higgsfield 于 13 日称其 AI 视频可超过十分钟,VideoGen 于 20 日称 Model 1 能组装十分钟视频,但两家均未提供独立测试。
AI 模型在 PHP 中发现两个潜伏超过十年的高危漏洞,攻击者可未登录在服务器上执行代码,自 2004 年 PHP 5 起所有版本均受影响。安全公司 Calif 借助 GPT-5.6 Sol 通过 OpenAI "Patch the Planet" 计划发现其一,Wiz 则用 Wiz Atlas 智能体独立发现。
文章以虚构伞店「しずく堂」的20秒竖屏视频为例,说明在逐镜生成素材图前,先用图像生成AI做出同一商品正面、侧面等各朝向的参考图,再逐张附参考图生成素材图。作者建议每张素材图与参考图、首镜素材图并排比对,把不一致处用文字逐项改回,并确认无画框、编号与说明文字后再交给视频生成AI。
作者在 AI 图像创作连载第三篇中,用 ChatGPT 辅助学习胸郭、骨盆、背骨与肩臂关节的关系,再据此编写提示词生成横踢和踏前构姿两张全身动作图。她将胸郭与骨盆作为独立立体分别指定方向,并让骨盆随踢腿方向自然旋转,股关节与膝盖的连接因此比以往更自然。
创作者用 OpenAI ImageGen 生成原始图像、ComfyUI + WAN 生成视频、ACE-Step 制作音乐,并用 RIFE / FlowFrames 补帧、FFmpeg 完成最终合成,做出一支名为 Dancing in the Dark 的完整音乐视频。所有视频生成、音乐制作与渲染均在 AMD RX 7900 XTX 上本地完成。
作者用 ChatGPT 图像生成模型制作 AI 男友万圣节主题 CG,给出「万圣节的恋人」完整提示词,要求 3:2 横构图、略高机位俯视,男性角色保留参考图五官与体格但瞳色改为深红,右侧为南瓜头女性怪异物,美感与怪异按 7:3 配比。提示词需配合角色「脸部特写、立绘、三视图」三件套使用,以在换姿势和构图时维持服装、发型与长相一致。
日本创作者公开了一套用 Midjourney、ChatGPT、Gemini 等生成 AI 复现"OL 下班后走进酒店换上万圣节 cosplay"全流程的提示词,按 STEP1 至 STEP5 拆解:挂员工证走出办公楼、夜街步行、酒店玄关脱鞋、沙发与床上的 cosplay 姿态。
爱沢在 X 发布 10 月 21 日晨至 22 日深夜的五场景插画,并免费配布对应 ChatGPT 图像生成提示词,覆盖清晨拉开窗帘、白天读信、傍晚沙发小憩、夜晚拥毯和深夜夹月形书签。提示词要求附上本人有权使用的 21 岁以上成人角色参考图,以保持五官、发型与瞳色,并统一指定细腻干净的动漫画风与横构图。
作者用 ChatGPT 生成 AI 插画,要求突出粒子感、不透明度与透视,参考雨天车头灯的光线效果,ChatGPT 同时给出多组方案并解释共通要素。最终选用森林场景:前后景草木自然分布,光线强弱与方向补足层次,暗部纵深增强临场感,叶片低噪融入背景不抢主体。作者认为 AI 插画更适合用 Lighting 与 Writing 的方式描述氛围而非直白说明。
文章提出先用文字写分镜、确认后再生成图像的做法:把企划场次拆成镜头,逐条写明展示顺序与整体/中景/特写景别,再让 ChatGPT 按统一项目输出分镜方案。以虚构伞店 20 秒 4 镜头视频为例,要求 AI 在确认前不生成图像,并从叙事连贯、视觉一致、镜头作用、制作量四点逐行修改。
一份面向 2026 年的 AI 视频工具选购清单列出 10 项可快速验证的功能:多模型选择、文生视频与图生视频、音频、HD 分辨率、片段时长、画幅比例、水印政策、透明定价、移动端流程与隐私控制。
Sora 的 Web 与 App 已于 2026年4月26日、API 于 9月24日终止,作者认为真正受冲击的是把 API 接入工作流的用户,普通用户只是重新选一个更便宜的入口。
Krea 官方博客对比 Krea 3 与 GPT Image 2 的图像编辑能力,结论是没有单一赢家:Artificial Analysis 上 Krea 3 Ultra 以 1151 Elo 领先 GPT Image 2 (high) 的 1136。
爱沢在 X 发布 10 月 20 日晨至 21 日深夜的 5 张插画,并免费配布对应 ChatGPT 图像生成提示词,覆盖早晨伸懒腰、白天刺绣侧脸、傍晚挥手、夜晚回眸、深夜入睡五个场景。
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。
制作 15〜30 秒 PR 视频时,先用 ChatGPT 一次性提交题材、受众、核心价值与形式条件生成分镜方案,再逐场景把"柔和雨景"这类氛围词改写为"见什么、动什么"。示例中 20 秒视频被拆成 4 个 5 秒场景,主角固定为一把深蓝色长伞,人物、对话与手部动作全部剔除,末场景复用前一场景画面加文字。使用前需核对目的、事实、制作、时长四项,只保留一版企划备忘录。
作者在 AI 图像创作连载第二篇中借助 ChatGPT 学习运镜与透视,梳理出相机高度、距离、朝向三要素,并区分低角度、近距离与荷兰角(倾斜构图)的表达效果。随后按“贴近地面的低机位、略微仰视、正面拍摄、突出持魔法的右手”设计构图,由 ChatGPT 补全身体扭转与四肢分工并生成提示词。首张生成图透视冲击力强但手部偏粗,用同一提示词重生成后手部比例恢复正常。
迪士尼计划在三年内投入约1.8亿美元,用于补偿和留用来自已申请破产的聊天机器人公司Character.AI的66名员工,这批人跟随近期出任迪士尼首任全公司CTO的前Character.AI CEO Karandeep Anand。
用 Grok API 的 grok-imagine-image-quality 模型在 3:4 比例下同提示词分别生成 1K(864×1152)与 2K(1776×2368)图像对比后发现,人脸特写 1K 已足够,全身等人物较小的构图差距明显:1K 睫毛糊成线块、珍珠耳环成模糊点,2K 能逐根画出睫毛并保留高光。
作者用 ChatGPT 做了四组 AI 漫画生成实验,核心变量是漫画相对小话的摆放位置:把文章改成一页漫画、在文章前后各配一页漫画、在正文中间插入漫画,以及用「小说—四页漫画—小说」结构让漫画承担中篇叙事。实验还分别指定透明水彩、Copic、液体墨水等画材,并强调需向 ChatGPT 说明前后文意图,否则不同摆放方式的差异会被抹平。
No Film School 梳理了多地摄影棚被改建为数据中心的趋势:Shadowbox 母公司把 155 英亩摄影棚用地改为 110 万平方英尺数据中心园区,Athena Studios 提交 130 万平方英尺改建计划,Pinewood 英国扩建转向服务器设施,Wycombe Film Studios 在多数摄影棚未建成前就改报数据中心。
Kapwing 发布教程,演示用 GPT-6 Astra 连接 Blender 搭建巨龙与场景的灰模、动画和相机镜头,再用 GPT Image 2 生成设计图与写实首帧,最后由 Seedance 2.5 生成 10 秒连续镜头。
推荐理由:作者实测用 GPT-6 Astra 驱动 Blender 搭 3D 场景,再经图生 3D 与 Seedance 2.5 出片,并列出三家 3D 模型对比与逐项成本。
Midjourney 被报告指为违反好莱坞版权最严重的 AI 模型,YouTube Music 已开始通过合作方披露与自有检测工具标注 AI 生成歌曲。FTC 就消费者伤害问题传唤 OpenAI 和 Anthropic,纽约市审计长则敦促 Anthropic 因 AI 安全担忧暂停 IPO。
BytePlus 于 10 月 15 日上线 OmniHuman 2.0,一张图片加一条音轨即可生成带对口型的 720p 表演,支持文本提示控制手势与镜头运动,并允许多人同框。价格从每秒 0.12 美元降至 0.07 美元,即每分钟 4.20 美元、五分钟长镜头 21 美元。该产品通过字节跳动的企业平台 BytePlus 销售,预算需考虑可用一分钟素材需要拍多少条。
OpenAI API 模型列表短暂出现 aurora-red-alpha、aurora-green-alpha、aurora-blue-alpha 三个条目,Arena 上同名图像模型已用红、绿两版生成猫咪图片。测评博主 Lumina 推测这可能是 GPT-Image-3,称红版生成更快但画质稍逊、绿版较慢效果更好,蓝版尚未测试。OpenAI 未公布模型身份及发布安排。
日本创作者 ponko 用 ChatGPT 当老师,学习在 AI 图像生成前先设计动作线与重心,以摆脱角色僵直站姿。首轮课题是"被爆炸惊到跳开、落地瞬间"的姿势,她先自行拆解重心落在弯曲的右腿、右手撑地、左手护身,再让 ChatGPT 点评。她发现四肢各有角色、相机位置会改变动作可读性,"感觉不错"这类模糊指令无法传达意图。
爱沢在 X 发布朝、昼、夕方、夜、深夜五个场景的 ChatGPT 图像生成提示词,供免费使用。提示词要求附上本人有权使用的 21 岁以上成人角色参考图,以保持脸型、发型、发色与瞳色,并统一采用细腻干净的动漫插画风格、柔和光线与连续阴影。五场景分别对应双手捧杯的清晨、展示青紫色色卡的午后、室内持杯全身的傍晚、沙发小憩的夜晚和窗边关灯前的深夜。
作者用 ChatGPT 以 3:4 比例生成周刊少年杂志风格封面,一行提示词即可自动填出刊名、期号、写真人物与连载标题。把刊名、期号、定价、标题文字全部写进提示词并限定"只用这些文字"后,可得到自定义的《周刊少年アイホリ》2026 No.46 11 月 4 日号封面,指定文字均正确呈现。作者还发现泳装类内容易被拒绝,人物取腰部以上大图更有封面感。
WorldCast 构建覆盖 8 类任务、320 个手工案例、1352 个待生成视觉状态的基准,评测 12 个图像模型、统一多模态模型和视频生成系统。GPT-Image-2.5 搭配 GPT-6 Astra 取得 72.8 分,超过参评视频生成系统;改为一次输出全部步骤的网格图后降至 50.1 分。
作者因连续三天高强度使用 Astra 生成单眼皮男性画像,触发使用限制导致账号被锁三天。最终放弃在 ChatGPT 内解决双眼皮问题,转而让 ChatGPT 快速开发出一款手机端 PWA 网页应用,手动擦除插画中的双眼皮线条。该应用将在下期公开,作者称根本问题并未解决。
作者发布 PERSONAL ART MUSEUM,一款基于 ChatGPT 的提示词生成器,可读取过往聊天记录,把个人经历与情感转化为专属艺术作品,并附标题与策展人解说。经 2 次大改和 18 次微调、共 20 次更新后定稿 Ver.3.8,支持单件创作、10 种艺术形式并列和横长展示图录三种玩法,Web 版免费使用,复制提示词粘贴进自己的 ChatGPT 即可生成。
一位用 RTX 3060 Laptop(6GB VRAM)做图像视频生成的创作者,分享了对 ChatGPT、Gemini、Grok、Meta AI 的日常使用感受。
有用户在 Reddit 求助 MiniMax H3 生成动漫视频的调优经验:画面一动就从 2D 变成带大量体积光影的 3D 质感,动画过于精细顺滑,且即使明确要求完全静止镜头,仍会出现轻微运镜与视差。
可灵AI发布4.0版本,竞争焦点从画质提升转向导演级精细控制,强化镜头语言与叙事节奏支持。Meta推出总参数8160亿的开源多模态模型Muse Spark Open,支持100万Token上下文,已发布至Hugging Face。苹果发布折叠屏iPhone Duo,并更新App Store审核指南禁止AI换衣应用。
日本创作者 kawaki 公开了仅用 ChatGPT 生成写实 AI 美女图像的 10 套针织穿搭提示词,涵盖ボレロ风叠穿针织、交叉挂脖、露肩、裹身等款式,并搭配坐沙发、床上抱膝、回眸等姿势与机位变化。
一位创作者总结了用 Midjourney、DALL-E 3 生成理想图像的 10 个提示词技巧,包括具体指定主题、明确风格、指定 16:9 等宽高比、细化光照与色彩、控制机位构图、使用负面提示词、固定 seed 值、调整 --quality 等参数以及用参考图统一风格。作者称固定 seed 值可减少 40% 生成时间,指定宽高比让从生成到交付缩短 30%,负面提示词把出图异常概率降到 1/10。