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15日周四
  1. IT之家12

    IT早报 1015:苹果收盘市值首超 5 万亿美元;赛力斯起诉男子 AI 造谣索赔百万;iPhone 15 Pro 及后续机型国行大模型备案;豆包助手放开三方应用操作权限

    苹果 10 月 14 日收盘市值首次站上 5 万亿美元,成为继英伟达后全球第二家达成该里程碑的公司。赛力斯已起诉一名抖音用户,指其用 AI 合成问界车辆车身塌陷虚假画面,索赔 100 万元。豆包手机助手宣布陆续放开第三方应用屏幕自动化操作权限,阿里、腾讯系等 App 已明确声明拒绝。

  2. Reddit StableDiffusion · 创作者与工作流分享66

    作者为 Fish Audio Drama 3 开发 ComfyUI 自定义节点,8GB 显存可运行

    作者为 Fish Audio Drama 3 开发了 ComfyUI-Drama3 自定义节点,这是一个 35B 文本转语音模型,支持声音克隆、对话以及 [sighs]、[whispers] 等行内提示,最低可在 8GB 显存的显卡上运行。

    推荐理由:作者把 35B 语音模型接进 ComfyUI 并做量化,8GB 显存即可跑,可据此评估本地配音工作流。

  3. HeyGen Updates78

    HeyGen 发布 HeyGen Voice 语音模型

    HeyGen 发布新语音模型 HeyGen Voice,称其为首个为视频适配而构建的语音模型,并在 Artificial Analysis 语音榜单排名第一,已包含在每条 HeyGen 视频中且不额外收费。

    推荐理由:HeyGen 推出首个面向视频适配的语音模型,创作者可据此评估配音与多语言口型流程的替换空间。

10月14日周三
  1. ComfyUI Wiki · 工作流与开源创作分享66

    ComfyUI-Drama3 把 Fish Audio Drama 3 做成 ComfyUI 节点,8GB 显存可跑 35B 语音模型

    ComfyUI-Drama3 将 Fish Audio 的 35B 混合专家语音模型 Drama 3 与 Qwen3-ASR 打包成 ComfyUI 自定义节点,无需额外安装依赖,专家权重放在系统内存、经显存缓存流式读取,8GB 显存即可运行。

    推荐理由:把 35B 语音模型塞进 8GB 显存卡,并给出四种量化版本与逐帧实测数据,可据此判断本地出片是否可行。

  2. HeyGen Updates22

    HeyGen 2026 年 10 月企业版更新:成员用量限额、Video Agent 协作与 Brand Glossary 重建

    HeyGen 企业版本月新增成员用量限额与申请功能,管理员可设置每位成员的使用额度,成员可在 HeyGen 内直接申请更多额度并一键审批。Video Agent 支持团队协作同一会话,多人可同时发送提示词,同一时间仅一人编辑。Brand Glossary 重建,支持按语言设置发音与翻译规则、CSV/Excel 导入导出;ElevenLabs 整合为单一引擎并新增 v4 模型选项。

  3. HeyGen Updates42

    HeyGen 2026 年 10 月企业 API 更新:Video 1.0 API、ElevenLabs v4 与专业声音克隆上线

    HeyGen 发布 10 月企业 API 更新,HeyGen Video 1.0 API 上线,支持从提示词、图片或参考素材生成短视频。ElevenLabs v4 可用于语音合成并支持按请求选择模型,Professional Voice Clone 基于 HeyGen 自研语音模型训练录音室级声音克隆,支持整段文件或流式输出。

  4. Fish Speech 官方发布72

    Fish Audio 发布开源语音生成模型 Drama 3 预发布版

    Fish Audio 发布开源语音生成模型 Drama 3 预发布版,可将文本转为带表演的语音。模型采用 35B-A3B 混合线性注意力 MoE 主干(由 Qwen3.5 初始化)与新的 codebook-MTP 音频解码器,预训练覆盖约 80 种语言和方言、数千亿 token,支持多参考声音克隆、自然语言指令、多轮改稿、多角色场景、语音填充编辑与长音频和流式合成。

    推荐理由:开源语音模型把多角色场景、多轮改稿与语音编辑放进同一模型,配音工作流可据此评估替换空间。

10月13日周二
  1. note · psych_ai_it · 图像视频创作分享22

    用 AI 视频重现护理场景:比画面更难的是「声音」

    一位心理学背景的 IT 工程师用 Grok 视频生成功能和 Google Flow 等 AI 工具重现日本护理现场场景,发现画面已相当自然,但声音成为最大难点。指定日语对话后模型仍可能输出英语,且「帰りたい!」这类大声场景中,AI 语音虽音量到位,却难以传达不安、混乱等情绪,显得夸张或机械。作者认为画面越真实,声音表达的责任越大,未来或需将视频与音频分开生成。

  2. GenMagic: 450+ AI models for image, video, audio and text · ComfyUI创作项目发布52

    GenMagic 在 ComfyUI 发布首个版本,含图像、视频、语音、音乐与文本节点

    GenMagic 在 ComfyUI 发布首个版本,包含 GenMagic Image(文生图、图生图)、GenMagic Video(文生视频、图生视频)、GenMagic Speech、GenMagic Music 和 GenMagic Text 五个模块。该版本以 ComfyUI 节点形式提供,来源页面标注其覆盖 450+ 图像、视频、音频与文本模型。

  3. Descript · 官方产品更新22

    Descript 10 月更新:全盘搜索、异步录制请求与 ElevenLabs v4 声音克隆

    Descript 发布 10 月更新,为整个云盘加入搜索栏和完整结果页,并支持让 Underlord 查找文件、文件夹、项目和 layout packs。企业版云盘可发送异步录制请求,嘉宾按自己的时间录制并可用提词器读脚本;AI Speech 升级到 ElevenLabs v4,声音克隆更接近本人。

  4. ComfyUI Wiki · 工作流与开源创作分享78

    Fish Audio 发布 Drama 3 语音合成模型,支持 16 角色与自然语言表演指令

    Fish Audio 于 2026 年 10 月 13 日发布新一代语音合成模型 Drama 3,为开放权重的 35B MoE 模型,每 token 激活 3B。

    推荐理由:35B 开源语音模型支持 16 角色同轨生成与自然语言表演指令,可对照其发音鲁棒性数据评估配音与有声书流程。

10月12日周一
  1. 文娱价值官 · 澎湃商业与影视趋势43

    “惯性”:AI短剧的历史逻辑与现实力

    红果短剧DAU达1.68亿、同比增长107%,AI短剧已成为其平台观看与互动最多的内容。传统视频平台用户持续流失,腾讯视频、爱奇艺、优酷、芒果TV日活总和仅1.55亿,MTS同比分别下滑31%、27%、47%、24%。文章认为AI短剧是“惯性”逻辑最适配的结果,短视频消费习惯与AI技术汇流推动其工业化生产。

  2. Hugging Face Daily Papers24

    SyncReward:面向音视频生成的人类对齐同步奖励模型

    研究团队提出 SyncReward,一个用于音视频生成同步性评估与优化的奖励模型,并发布含 80K 专业同步评分的 SyncReward-Data-80K 数据集与 1K 片段的 SyncReward-Bench 基准。该模型在评测中与人类评分一致性最高,并可通过推理时 best-of-N 选择与强化学习后训练提升生成同步性。数据、基准、模型与代码将开源。

10月11日周日
  1. Frank Houbre · AI电影制作实战26

    AI 电影制作人 Frank Houbre 的 2026 年创作工具栈:六个环节各选一个主力工具

    AI 电影制作人 Frank Houbre 公开了自己 2026 年的创作工具栈,按电影制作流程分为六个环节,每个关键环节只保留一个主力工具。写作环节以他参与共创的 ScreenWeaver 为核心,Claude 与 Claude Code 负责审阅和重复性任务;图像与视频生成以 Higgsfield 为主力,因其在同一账户下聚合多个模型。

  2. z-ab · 开源短剧与创作项目分享71

    OpenBMB 发布 VoxCPM2:无 tokenizer 的 TTS 模型,支持 30 种语言与声音设计

    OpenBMB 发布 VoxCPM2,砍掉主流 TTS 的离散 token 量化环节,改用扩散自回归架构在连续音频隐空间生成语音,仓库 38.7k Star、Apache-2.0 协议、权重代码全开可商用。

    推荐理由:VoxCPM2 去掉离散 token 量化,改在连续隐空间生成语音,并给出从本地到生产的多种部署路径。

  3. note · keimasuda · 图像视频创作分享50

    用 Python+ffmpeg+最新语音模型,3 分钟学び動画成本压到 100 日元以下

    用 Python 绘制画面、ffmpeg 拼接、仅对旁白使用最新语音模型,可将 3 分钟学习视频成本压到约 50〜90 日元,远低于视频生成 AI 的 570〜1,700 日元。作者推荐 Gemini 3.8 TTS 或 Eleven v4 做旁白,并称可单独重读出错句子便于修正。

  4. Kapwing 创作指南62

    如何用 AI 制作 Vox 风格拼贴动画:分步指南

    Kapwing 发布分步指南,讲解如何用 AI 生成 Vox 风格拼贴动画纪录片,流程分为写脚本、拆分视觉节拍、生成拼贴图像、逐帧动画、生成配音和剪辑成片六步。

    推荐理由:完整拆解 Vox 拼贴风纪录片的六步 AI 工作流,含可复用的图像与动画 Prompt,适合想复刻该视觉风格的创作者参考。

10月10日周六
  1. note · ryosuke_blog_ · 图像视频创作分享65

    用 Claude 操作 Seedance 2.5 生成视频的完整流程

    作者安田亮介公开了自己用 Claude 桌面端配合 Claude in Chrome 操作 Seedance 2.5 生成视频的四步流程:先用 ChatGPT 做角色表、准备小物与声音素材,再写清人物、场景、动作、镜头、台词读音、负面提示和竖横比画质秒数,然后交给 Claude 自动操作 Yapper 平台生成,最后逐条反馈修改。

    推荐理由:作者公开了自己用 Claude 操作 Seedance 2.5 出片的完整四步流程,含角色表、口型与成本明细,可迁移到自己的生成工作流。