Prism 与 Kandinsky 6.0 两款开源视频模型发布,Nano Banana 2.1 上线
腾讯混元团队与复旦大学合作推出开源视频模型 Prism,原生生成 2K 带音频,约 10 秒 24fps、48 kHz 音频,仅支持图生视频,720p 需 80 GB 显卡且暂无量化版本;代码在 Tencent-Hunyuan GitHub 组织下,预览权重放在个人 Hugging Face 账号,腾讯未发布官方公告。
腾讯混元团队与复旦大学合作推出开源视频模型 Prism,原生生成 2K 带音频,约 10 秒 24fps、48 kHz 音频,仅支持图生视频,720p 需 80 GB 显卡且暂无量化版本;代码在 Tencent-Hunyuan GitHub 组织下,预览权重放在个人 Hugging Face 账号,腾讯未发布官方公告。
ArchiGen 提出用工作室日常能接受的最弱源图来测试 AI 渲染器,固定相机与关键设计事实,只做一次首轮生成和一次受控修改。该方法要求产出五帧:可接受源图、默认首轮、受控修复、交付导出与差异叠加图,并以改动的不变量数量、首次可用输出与修复耗时来计分。文章援引 Rendero 对 11 款 AI 渲染产品的对比,指出其并未实际执行该测试。
针对 AI 生成图像后想微调却不知如何描述的问题,一套修正指令方法建议先指定底图并锁定具体位置,再把「哪里不满意」和「希望改成什么样」配对表达,例如要求「画面右侧人物闭嘴、嘴角微抬的温和表情,不要大笑」。文中给出含用途、最优先修改点、希望效果、需保留部分、避免变化等栏位的输入模板,并建议一次只改最在意的部分、修正后与原图并排比对。
在 Pika 和 Pika API Club 上用 Ideogram 4.5 反复编辑,不影响原图画质。最高可省 59% 费用。始终如此。
Reka AI 发布 190 亿参数全模态模型 Rho-1 的研究预览版,在单一神经网络内处理并生成文本、图像、视频和机器人控制动作,所有模态以 token 形式运行在同一上下文窗口中,无需工具调用或外部模型。
阡陌发布教程,介绍在约 8GB 显存的 RTX 4070 Laptop 上通过 ComfyUI 本地生成图片与视频,图片用 Qwen-Image-2.1 越狱版 GGUF 工作流,视频用 MiniMax H3 的 04_i2v_fl2v_4step_sla_lowvram 工作流。
推荐理由:8GB 显存下跑通 Qwen-Image-2.1 与 MiniMax H3 的完整路径,含模型文件、目录结构与参数配置,可对照复现。
OpenAI 已于 2026 年 5 月 12 日从 API 下线 DALL-E 3,ChatGPT 免费版内置图像生成每天仅约 2 到 3 张。
Topaz AI 并非免费:Topaz Labs 已于 2025 年 9 月终止 Topaz Photo AI 和 Topaz Video AI 的永久授权,桌面版也不再提供试用,改为先付费、48 小时内可申请退款。
这篇教程把 Midjourney 浮世绘提示词拆成题材、工艺语言、风格锚点和参数四层结构,核心是粗墨勾线、有限色平涂与和纸纹理。
LetsEnhance 是乌克兰团队运营的浏览器端 AI 放大工具,Trustpilot 186 条评价获 4.1 分,付费版最高支持 16 倍放大与 512 MP 输出,免费账户仅 10 积分且输出带水印。
日本创作者 hagiri 以 9 月 29 日的角色设定表为基准,用 AI 试作了 note 看板娘的 5 种表情与缩略图,做法是把「要保留的特征」和「可变的特征」分开指定。优先固定的是柔和脸型、偏大的茶色眼睛、齐刘海及肩棕色蓬松头发、白衬衫配浅米至粉色开衫和柔和动画风,表情、姿势、小物与背景则随文章场景变化。作者强调这只是一次少量试作,不保证一次生成同一张脸,也未测量节省的时间。
AI UGC 营销指用图像和视频模型生成自拍测评、开箱、演示等创作者风格广告,而非为每条片子雇真人。
InvokeAI 发布 7.0.0 alpha 1,称这是其规模最大的一次更新,约 320 个 PR、2600 次提交,需 Python 3.12,且新界面为默认。
推荐理由:InvokeAI 7 把画布、工作流与视频生成整合进单一工作台,并新增 MiniMax H3、LTX-2.5 等模型支持,可据此判断是否迁移现有出图流程。
用 AI 画漫画时,同一「自宅」「保育园」每次生成的门窗位置、家具布局和房间大小都会变。作者为此制作了独立于角色设定表的「背景设定表」,记录场所类型、门窗与大型家具位置、房间关系等基本布局,并写入构图与描写规则,如玄关不用正面构图、冰箱位置固定、保育园滑梯等设备固定。小物与当回才出现的物品不写入该表,由剧本侧管理;设定表直接交给图像生成 AI 读取,而非每次改写成提示词。
UX 设计师 Yennie Jun 的独立验证显示,DALL-E 3 并不直接处理日文提示词,而是先在内部将其翻译扩展为英文再交给图像生成层。该验证覆盖 6 种语言、每提示词 20 张共 120 张图像,发现 Zulu 语提示词生成非洲裔人物的比例超 50%,英文提示词仅约 20%。
ComfyUI 建筑渲染修反射的正确顺序是先锁定最终光照,再用玻璃遮罩配合深度或 Canny 引导,以低 denoise 只重绘玻璃区域。官方 ControlNet 示例指出 Apply 节点不会自动生成深度或 Canny 图,需自行提供匹配输入;官方 inpaint 工作流也只重绘选定区域。作者用五道检查点把关,最后以差异遮罩确认改动未越出遮罩范围。
Aitrepreneur 展示了自制的 Qwen Image 2.1 ULTRA ComfyUI 工作流,支持最多 9 张图的多图编辑,可用文本提示替换角色、移除或移动物体。工作流还包含局部重绘、扩图、去背景等操作,并配合额外工具与 LoRA 使用。
Aikimi Forge Neo v3.5.0 集成 ausboss 的 Qwen Image 2.1 用 Outpaint LoRA,可在画布边角拖拽扩图并完成合成与 PNG 保存,仅需额外约 160 MB LoRA,与 Qwen 本体共享运行环境。
教皇利奥十四世在 X 发帖,呼吁保护人类艺术免受 AI 侵蚀,称艺术与机器基于数百万张他人图像统计计算生成的内容之间存在本体论差异,算法缺乏人性的火花。他今年 5 月曾在通谕中详述 AI 立场,强调自动化世界中人的尊严。据《纽约时报》报道,Anthropic 曾游说梵蒂冈重新考虑其关于非人类意识的立场,但收效甚微。
在无 GPU 的普通笔记本(Ryzen 7 7735HS、32GB 内存)上,用本地 AI 让 Qwen3.5(4B)写小说、FLUX.2 klein 4B 绘图、VOICEVOX 配音,做出 40.9 秒 6 场面的竖屏朗读视频。
OpenAI 的 GPT Image 2.5 内置 Flare 和 Sunburst 两个模型:Flare 是默认模型,比 GPT Image 2.0 画质更高、速度快 2〜4 倍;Sunburst 是最高精度模型,生成更慢但控制更细,同提示词下服装材质与照片质感更真实。
再次瘫坐在地!Opus 5.5 + Image2.5 + H3直出 科普型短视频《鸡》 完整版制作中
ArchiGen 提出,建筑渲染的"4K"只规定了文件尺寸,未说明哪些几何结构必须保留、哪些缺陷重要。文章建议在下载 ComfyUI 工作流前先写一页输出契约,明确精确像素尺寸与画幅、划分受保护/可编辑/可舍弃三类区域、为每项改进指定具体缺陷名称、设定交付尺寸与检查缩放两级审核标准,并保存对齐的原图、输出与差异图作为证明。
ArchiGen 提出用六份文件替代通用工具排名,让第二个人能复现两款工具为何进入候选名单。其中包括同输入简报、输入路径记录、变更台账、第二张合格图计时、真实成本表等,成本按每张合格图而非每次生成计算。文章同时指出 Chaos 的六工具指南推荐自家 Veras,其对比含月付、年付、学生、按量及联系销售等多种价格。
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。
一位 60 多岁的日本作者分享自己从 ChatGPT 起步、用普通日语写提示词做 AI 图像生成的经历,并称无需会画画也能成为「创作的一方」。他实际制作了昭和学校午餐、敬老会笔文字、漫画传单等图像,也遇到「寿」「祝」等日文字形不准、需反复修正的问题。他总结出 5 个初学者技巧:具体描述人物、加入地点、说明氛围、指定风格、不客气地反复修改。
作者对 FLUX 3 Image(BFL API)做了 10 次连续编辑实测,把每次输出作为下一次输入,并用同坐标 RGB 像素比对检验保持力。固定脸部 10,720 像素区域在前 5 次编辑后与初图 100% 一致,第 10 次降至 52.67%;第 6 次扩大编辑范围后,指定外的脸部线条与阴影也发生变化。
Black Forest Labs 的 FLUX 3 Image 已加入 Envato AI 模型阵容,支持多参考图生成与编辑、原生 2K/4K 高分辨率输出、图像内文字生成与修改、基于参考图的风格迁移以及局部精准编辑。用户可指定每张参考图的具体作用,并在保留画面其余部分不变的前提下增删或替换特定元素。
Midjourney 为 alpha.midjourney.com 上线侧边栏样式预览、Create 更大图片和文件夹默认参数设置,本周以修 bug 和清理为主。提示栏中多个 sref 现合并为带缩略图的单个样式 pill,悬停可查看代码,并支持将 --exp 固定为文件夹默认值。官方称下周将推出新的协作工具,并预告持久化编辑历史与更好的样式探索方式。
Chaos 称 Veras 的材质生成器可将任意参考图转为材质,或在 Cosmos 库中匹配材质,并保留映射、尺度与对齐。但文章指出,未经测量的材质样本只是颜色参考而非尺寸规格,生成结果可能外观相似却对应不同产品。建议在上传前先给样本配标尺、逐通道检查贴图,并在漫射光、掠射光和室内光三种光照下验证尺度与重复。
一位用图像生成AI制作了10个LINE表情包角色的上班族,梳理了图像生成AI的擅长与短板。它擅长快速产出多样设计方案、表现氛围质感,以及忠实执行构图与打光指令;手和手指的描绘在2026年仍是弱项,而文字绘制与角色一致性已明显改善,Midjourney v7等在这方面有进展。
同一周发布的两款图像AI,Qwen-Image 2.1 与 Ming-Image 0.1 的差别不在性能而在许可证。Qwen-Image 2.1 于 9 月 20 日公开,绘图部分 7B,支持透明背景与最多 10 张参照图,ComfyUI 公开首日即支持,但采用研究用许可证,商用需另行签约,作者因此决定不刊载其生成图。
朝倉詩織因 AI 生成图像太多、难以挑选,开发者为其制作了一款可边看图边打★评价的 Windows 应用 MediaRanker,并已上架 Microsoft Store。该应用支持在文件夹内连续浏览图像与视频并直接标记,Free 版免费且无期限。开发者表示后续还会继续增加功能。
针对 AI 图像生成中姿势失控、手脚扭曲的问题,可用「3 点锚定法」拆解提示词:视线、关节(骨骼)位置、与物体或地面的接触,替代「可爱姿势」「动态姿势」等抽象词。
ArchiGen 指出,当前 AI 渲染对比常把原生生成、厂商超分和人工后期修图三种不同产物混在一起评分,导致图像质量分数失去意义。文章建议保留未处理的原生文件并记录像素尺寸、格式、生成模式与种子,同时为生成、降噪、超分、修复、调色、导出各阶段分别标注工具与参数。原生保真度与交付就绪度应分开测试并公布两个分数,超分后若受保护细节数量改变即判定保真度不合格。
作者对 Kling 4 早期访问版做了实测,目前仅开放 Flash 模型、输出 720p,面向年度套餐的 Ultra 订阅用户,更大模型计划 10 月推出。测试显示 Kling 4 似乎解决了 3.0 的对口型漂移问题,关键帧参考最多支持十个,但表演略显平淡。
Luma 推出 Variants,用户上传一张已过审的静态广告后,选择版式与语言,即可自动生成各尺寸与语言组合的版本,logo、标题和 CTA 保持不变,仅调整布局与文案。
推荐理由:广告团队可据此评估把单张已过审素材批量适配多尺寸与多语言版本,替代手工重做。
ArchiGen 提出用"缺陷清单"替代"照片级真实感"这一笼统评分,把渲染质检拆成几何、材质、光照、反射、场景语境与画面完成度六类,每项需标注位置、描述偏差并说明是否阻碍预期用途。几何拥有第一否决权,若几何出错应回到控制阶段调整输入、遮罩、边缘或深度引导与生成强度,而非交给超分工具处理。
Luma 宣布 Ideogram 4.5 已上线 Luma,用户可在 app.lumalabs.ai 使用,让创作团队更可控地决定画面中哪些内容改变、哪些保留。被引用的 Ideogram 官方介绍称,Ideogram 4.5 是主打精确编辑的模型,可消除多轮编辑中的伪影累积,从而支持多轮编辑,已在 Ideogram、API 和发布合作伙伴处上线,开放权重即将推出。
Ideogram 4.5 已登陆 Pika。现在你可以尽情编辑图片,而周围细节不会退化或变得……奇怪。