InvokeAI 7.0.0 alpha 1 发布:全新工作台、画布引擎与视频面板
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。
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。
可灵发布幕后文章,逐镜头拆解其短片《The Beat》在社交平台超过 500 万次曝光所用的 Kling 4.0 功能。文中提到 Kling 4.0 原生支持 30 秒连续生成,Omni Reference 单次任务最多支持 15 个多模态参考,Multi-Keyframe 最多支持 10 个关键帧,并具备 10-bit HDR 输出、升级的立体声音频与改进的对口型。
Opus 5.5 + Minimax H3 制作 科普系列《辣椒》
可灵AI将于10月6日在纽约广告周举办专场座谈,主题为“新一代生产引擎:以Kling AI规模化驱动创意”,并预告即将发布的Kling 4.0。WPP的Mathieu Albrand与Adobe的Elissa Levine将同台,探讨AI视频如何融入企业工作流、提升生产效率并支撑规模化内容创作。
山行AI 整理了面向 Windows 的 Wan 3.0 视频批量生成工具 PowerTokens/video-studio,用 Excel/CSV 镜头表驱动批量生成,并给出幂等与断点续跑方案。
非亚洲和西方地区已出现三条 LGBTQ+ 竖屏短剧制作路线:巴西 Coral 共 50 集、每集约 2 分钟,9 月 29 日在 Raipe TV 上线;巴西 O Bar Labirinto 用 AI 制作 10 集,首集免费、订阅 R$14.90/月;智利 Canal 13 的 Enamorada(s) 首周末社交平台播放近 5000 万。
创作者妖精屋以「在色彩斑斓的日本庭园散步」为起点,用 ChatGPT 完成构思、分镜与静止画面,再转为视频并剪辑成片,音乐由 SUNO 生成。整套流程以手机为中心,面向不熟悉复杂提示词的新手,该 note 现价 980 日元,后续追记与更新可能调整价格。
MoneyPrinterTurbo 被实测能否把"主题 → 文案 → 素材 → 配音 → 字幕 → 成片"整条流程真正跑通,测试覆盖本地制作、远程访问与授权验证三个环节。原文已给出较完整的测试路径,验证重点不是"AI 能否自动做视频"这一宽泛命题,而是该工具端到端流程的实际可用性。
动态中的思绪 ✨ #Kling4 #KlingAI
爱奇艺、长信传媒出品的《灵魂摆渡》浮生梦系列AIGC网络故事片累计分账票房突破1000万元。前两部《蝴蝶梦》《天女之梦》8月22日独家上线爱奇艺,上线首周收回两部影片制作成本,首月分账票房突破800万元;第三部《公主之梦》10月1日上线后带动系列票房继续增长。制作过程沉淀近500个角色资产、近800个场景资产及近200个核心道具资产,可复用于后续内容开发。
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。
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
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。
中文在线横琴国际影视城确认参展DataEye L!NK 2026短剧出海全球增长大会(展位号A-18),并希望对接AI短剧制作公司与技术团队、海外发行平台与分发渠道、品牌方与IP版权方三类企业。
牛逼,Opus 5.5导演 张艺谋风格《树花》
Apple 对 App Store 应用预览视频有严格规定:时长不超过 30 秒、默认静音播放、每个设备尺寸和语言最多 3 条,且必须使用应用内录屏、不得出现真人操作设备或手指点击画面。
Pika 重新设计了整个视频创作体验,让创作者可以按自己偏好的生成方式创作。面向只想专注创作、不关心具体技术的用户,Pika 推出 Video Studio;对特定模型有偏好的用户则可直接通过对应模型生成。Pika 同时给出五个不同风格的视频示例,展示创作者按自己方式生成的效果。
作者发布了一套 ComfyUI 工作流,用视频生成模型 MiniMax H3 配合角度变更 LoRA,改变已有视频的拍摄视角,可实现广角、侧面、低角度以及环绕目标的 360° Orbit 效果。该工作流完全本地运行、免费,通过多种技巧可在 8GB 低 VRAM 环境执行,并同时支持 SFW 与 NSFW 内容,文中附有下载入口与导入步骤说明。
推荐理由:作者公开了用 MiniMax H3 与角度变更 LoRA 改视角的 ComfyUI 工作流,并给出 8GB 低显存本地运行方案。
Curious Refuge 发布教程,演示如何用 Fal 平台上的 Depth Anything 生成深度图。流程为上传视频、选择 VDA Large 模型并渲染,示例中约 60 秒生成灰度深度视频,再作为运动参考输入支持视频参考的 AI 视频生成工具,配合起始图像与提示词控制画面风格与运动结构。文中还提到 Depth Anything 开源,可在 Mac 本地运行免费生成深度图。
Runway AI 峰会闭幕,Runway 联合创始人兼联合 CEO Cristóbal Valenzuela 回顾了生成式视频的演进,并介绍了 Runway Labs 的最新项目 Continuum。 注册即可在完整演讲上线时获得通知:https://summit.runway.com/talks
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。
可灵 4.0 已进入封闭内测,官方发布定于今年 10 月。新版本升级音频与画面,支持稳定动态运动、高质量立体声、更精准对口型、最高 4K 分辨率与 10-bit HDR 输出,并可生成最长 30 秒视频。
推荐理由:可灵 4.0 进入内测,创作者可据此了解其在动态稳定性、长镜头与一致性上的能力变化。
LTX-2 发布 v1.4.2,新增 ltx_pipelines.alpha_gen 管线。该管线是基于完整模型的单阶段 IC-LoRA 流程,采用 video CFG 1 并关闭 STG。
开源视频生成项目发布 v4.0.6,本地参考图、首帧和尾帧改用原始图片,保留尺寸、格式与透明通道,不再缩小至 768 像素或转 JPEG。Docker 升级至 Node 22,排除桌面产物和本地环境配置,并用系统 FFmpeg/FFprobe 修复 Linux ARM64 媒体探测不可用问题。
日本上班族以 AI 生成约克夏犬短剧投稿 YouTube Shorts 与 TikTok,首日 YouTube Shorts 获 76 次播放、6 个点赞,TikTok 显示 0 次观看但记录总播放时长 2 分 14 秒、平均观看 19.3 秒、完播率 14.29%。作者称免费工具搜寻耗时超过制作本身,下一条 15 秒短片拟改用 Adobe Firefly 并计时对比。
国内AI视频创业公司集体转向"世界模型"叙事:生数科技4月以"通用世界模型"定位拿到近20亿元B轮、7月再融5亿美元,爱诗科技将PixVerse R1称为"全球首个通用实时世界模型"。但生数收入仍来自Vidu视频生成,爱诗1.5亿注册用户对应ARR约4000万美元,仅为可灵的十分之一。可灵Q2收入8.5亿元、字节Seedance 2.5主打30秒时长与原生4K,均未跟风世界模型。
可灵 Kling 4.0 Flash 已在官方 App 限量开放,Ultra 年费订阅用户从 9 月 28 日起获得访问资格,功能页列出单次最长 20 秒、最高 720p 的规格。
DataEye《2026上半年AI剧漫剧数据报告》显示,2026年上半年AI短剧市场规模累计突破220亿元,全年有望冲击400亿元,用户突破6亿;但上半年新上线22万余部AI短剧中播放量破亿仅1055部,爆款率0.47%,一季度活跃承制方从1216家降至698家。
AI 视频生成模型(如 Veo、Kling、Runway)只负责按提示词产出片段,规划、审核与拼接仍由人完成;Agentic AI 视频生成则由智能体接管分镜、调用模型、筛选候选并组装成片。
WaveSpeedAI 发布 Ultimate Video Upscaler,可将视频超分至 720p、1080p、2K 或 4K,官方示例把 480p 的 5 秒片段升到 3840 × 2160、保持 24 fps 与原声。
推荐理由:低分辨率草稿加后期超分的工作流,配合按目标分辨率计价的成本结构,可用来评估出片流程的取舍。
可灵 4.0 已进入封闭测试,官方计划今年 10 月正式发布,升级包括稳定动态运动、高质量立体声、更准确的对口型、最高 4K 分辨率与 10-bit HDR 输出。
推荐理由:可灵 4.0 进入内测,创作者实测 30 秒长镜头、动态稳定与多镜头一致性,可据此判断商业出片流程是否值得切换。
Opus 5.5 在 Max effort 下用一句提示词生成 15 秒动态设计作品集,包含动态字体、六条缓动曲线、循环瓷砖系统和粒子隧道,全部以代码构建,自 9 月 25 日获 220 万次观看。
WaveSpeedAI 在生成器侧边栏上线 AI Cinema Studio,用 References、Film setup、Camera、Color palette、Lighting 五张卡片把电影风格、机型、镜头运动和灯光选择转成给视频模型的精确镜头描述。
推荐理由:把电影感拆成风格、机型、镜头运动等预设面板,创作者可据此判断是否省去写提示词的环节。
VIBE 免费版向新账号开放四款文生视频模型:Seedance Pro Fast(480p,2-12 秒,无音频)、LTX 2 Distilled(720p,5 或 10 秒,无音频)、PRUNA V(720p,2-10 秒,带音频)和 LTX 2.5 Fast(720p、5 秒,自动生成音频)。
作者称其视频并非用 Seedance 2.5 或 MiniMax H3 等专用视频工具制作,而是把自制工具生成的 Storyboard Sheet v5.0 分镜表交给普通 Gemini(Google Flow),提示词仅为请把这张分镜表直接做成视频并加上日语字幕。
Pika 发布新版 AI 创作平台,官方称其为面向创作者打造的 AI 创意平台,并称已构建 40 多个应用,覆盖从剪辑收尾到完整视频广告等创作需求,正文给出 4 个示例。
Comfy 官方博客分享动画作者 852話 Hakoniwa 用 Comfy Agent 创作的首部动画短片 YUI,主角名字取自 ComfyUI 最后三个字母。
推荐理由:动画作者用 Comfy Agent 完成首部短片,公开了成本、工时与逐镜头比模型的工作方式。
介绍 @runwayml_labs 的 Project Continuum,一个围绕实时视频界面构建的全新操作系统研究应用。 今天,我们分享四种与计算机交互新方式的早期预览:Portals、Visual Thinking、Responsive Video Interfaces 和 Interactive Worlds。像 Solaris 这样的 Interface World Models 正在重新构想界面可以是什么。
作者在 GMKtec EVO-X2(Ryzen AI Max+ 395、Radeon 8060S)上,用 Unsloth 发布的 MiniMax H3 剪枝 Q4_K GGUF 权重配合 stable-diffusion.cpp 的 ROCm 版本,测试了纯文本、单图 I2VA 和双参考图 Ref2VA 三种生成方式。
Opus 5.5 做这种科普和人文视频也很牛批啊 让他做了一个关于榫卯的科普介绍视频,质量非常好