SpaceXAI 发布 Grok Voice 3.0,登顶 Artificial Analysis 语音对话指数
SpaceXAI 发布语音到语音模型 Grok Voice 3.0,在 Artificial Analysis Speech-to-Speech Index 上以 86.9 分排名第一,高于 GPT-Live-1(Astra, medium)的 83.2 分和 Gemini 3.8 Live Extended Thinking 的 82.6 分。
SpaceXAI 发布语音到语音模型 Grok Voice 3.0,在 Artificial Analysis Speech-to-Speech Index 上以 86.9 分排名第一,高于 GPT-Live-1(Astra, medium)的 83.2 分和 Gemini 3.8 Live Extended Thinking 的 82.6 分。
Ideogram 4.5、GPT-Image-2.5 和 Nano Banana 2.1 三款图像模型均宣称可可靠渲染文字,但 Ideogram 官方指南仍列出数字错误、多余标题、换行丢标点等失败案例。
ArchiGen 提出,YouTube 的付费推广标签只能说明存在商业关系,无法说明测试方法是否公平,AI 渲染评测应额外公布测试说明:产品与引擎版本、源文件、设置、生成数量、废弃帧、人工干预和筛选规则。文章以本周建筑 AI 综述中一款标注付费推广、对比四款渲染工具的视频为例,并提及 Chaos 的六工具对比因其发布 Veras 而需标明厂商身份。
针对联合音视频生成模型出现的多事件组合、多层音频混合与非对称跨模态关系,研究者提出以事件为中心的评估框架 AVC-Reward,在事件层面解耦音视频事件并跨模态交叉验证,聚合成粗到细的三级一致性指标。
有用户在 ComfyUI 中用五组提示词测试 LTX-2.5,涵盖奢侈品香水广告、AI 网红口播、科幻场景、动漫角色动画和首尾帧过渡。其中首尾帧过渡效果明显不佳,作者认为还需更多测试才能判断 LTX-2.5 在该工作流上的表现,并向其他用户征询使用体验。
Higgsfield 官方博客盘点了 2026 年面向电商的 AI 产品视频生成器,核心能力是把产品 URL 自动转成视频广告。Higgsfield Click to Ad 约 $2 生成 8 秒 720p 视频,可自动抓取产品名、描述、最多 8 张图片、品牌色和 logo,并接入 Marketing Studio 的 1500+ 模板。
Higgsfield、Runway、HeyGen、Invideo AI、Synthesia 与 Kling AI 被列为 2026 年 Adobe Firefly 的六款替代方案,覆盖场景生成、剪辑、AI 主播、脚本转视频与电影级运镜等不同工作流。
用 SDXL + ControlNet Canny 搭建合成飞机图像生成管线,在 1、2、4 块 RTX 5090 上实测:4 卡吞吐 6.36 张/秒,相比单卡 1.69 张/秒提速 3.77 倍,扩展效率 94.2%。但生成图像中飞机虽可辨认,机场地面却出现怪异岩石状纹理,作者仍无法放心用其训练飞机检测器。
Kling 4.0 与 Seedance 2.5 面向高要求 AI 视频工作流,但侧重不同:Kling 4.0 主打电影感控制、更长镜头和高分辨率交付,适合单主体电影镜头与品牌主视觉;Seedance 2.5 为多模态参考包设计,适合参考素材密集、多主体一致性和源素材驱动的反复迭代。
🔥我靠!Gemini 4 Argon 直接吊打 GPT-6 Astra ! 同一提示生成日式夜景像素画: ⚡ Argon:3分钟搞定,成本只要 $0.5 🐢 Astra:硬生生拖了25分钟,花了 $11 速度快8倍+,成本低22倍,这还叫旗舰对决? Google这次是真杀回来了! 你觉得哪个模型赢了?评论区见👇 #Gemini4Argon #GPT6Astra #AI对比 #GoogleAI #OpenAI #AIhubmix #大模型战争
Ideogram API 按模型与质量档位对每张生成图计费,Ideogram 4.5 在 Low 档为 $0.03、Medium 档 $0.06、High 档 $0.10,且 1K 与 2K 同价,Medium 档 2K 图合 $60/1000 张。
ArchiGen 提出用可验证的建筑不变量替代"中等"这类定性标签来评估 AI 渲染器的几何控制:生成前选定 8-12 项可见不变量,用同一源图跑至少 6 个固定种子输出,按保留、不确定、失败三档打分,再按项目阶段加权失败并记录修复时间。几何控制即该测试下的验收通过率,而非弱、中、强标签。
同一组三个提示词测试显示,Design.com 是新手最佳选择,Canva 适合已有 Canva 用户,Adobe Firefly 更适合 Adobe 生态用户。Design.com 支持日常语言提示、AI 编辑与提示词优化,并可衔接 50+ 设计与 AI 工具完成品牌成品;免费可无账号生成,付费方案 $3/月起。三款工具在简单、详细与营销提示下均能生成可用图像。
Design.com 的 AI Image Generator 主打用日常语言描述生成图像,可一次生成多个方案并反复修改提示词,还能直接接入其 logo、网站、社媒图等品牌设计工具。
研究者提出 WorldCast 基准,包含 8 个类别共 320 个手工设计案例,用于评估多步世界状态预测任务,共测试 12 个代表性模型。GPT-Image-2.5 System 得分 72.8,展现出初步的真实世界视觉状态预测能力;Nano Banana Pro 仅得 42.8,最佳开源模型得分 20.1。实验还发现,强生成模型能有效借助其底层语言模型的能力。
研究者推出 Orbia,首个系统评估交互式世界模型 3D 一致性的基准,从输入保持、生成内容持久性和 3D 自一致性三个维度展开评测。该基准汇集公开数据集、自采场景与仿真,构建 720 个室内外实例和六种探索-重访协议,覆盖 27 个文本、动作与相机条件模型。
PixAI、SeaArt AI、NovelAI 三家图像生成服务实测均能画出露肩礼服与深V开衩旗袍等成熟风格插画,但「无限制」并不等于无规则。PixAI 的敏感内容仅本人可见、积分可结转,SeaArt AI 每日体力当日清零且部分模型支持无限生成,NovelAI 的 Explore 需人工审核且禁止 NSFW 投稿。选服务时应分别核对可生成内容、可公开范围、生成额度与注册条件。
软件工程师 Brandon Thomas 用 Anthropic 的 Claude Opus 5.5 以 Rust 语言 vibe-code 出 ArtCraft 套件,免费提供 LightCraft、PhotoCraft、FilmCraft 等 Adobe 全家桶替代品,目前处于早期 alpha,支持 PC、Mac 和 Linux。
SenseNova-U1.5 是一款把图像理解与生成合二为一的多模态模型,支持原生 4096 × 4096 输出,理解与生成分支各约 8B 参数。作者实测其排版与局部编辑能力,在 CVTG-2K 上得分 0.948,高于报告中的 Seedream 4.5(0.899),并与 FLUX.2-dev 32B、Qwen-Image 20B 做了同题对比。
AITuber 发布 Lumen5 替代品指南,按离开原因推荐工具:想要 AI 生成画面选 AITuber,需要出镜数字人选 Synthesia,想保留素材库风格但更便宜选 Pictory,需要团队席位则看 Kapwing 和 InVideo AI。
Synthesia 被评为 2026 年企业培训与入职场景的首选 AI 视频工具,Colossyan、HeyGen、Elai、Vyond 分列其后。Synthesia 企业版提供不限时长,但 SCORM 与术语表功能需企业版;HeyGen 适合翻译已有真人出镜素材,Creator 版 $29/月,Business 版 $149/月另加 $20/席位。
Higgsfield Genjutsu 可按参考图替换视频中的人物、产品或场景,15 秒 720p 收费 104 credits,支持 4-30 秒源视频和最多 30 张参考图。
Higgsfield AI 与 Runway 2026 套餐定价对比显示,两者共享 Seedance 2.5、Kling 3.0、Wan 3.0、Veo 3.1 和 Gemini Omni Flash 1.1 等模型,差异在于各自围绕模型搭建的工具。
被 NeurIPS 2026 Evaluations and Datasets Track 接收的 TerraVis 提出文生图「世界一致性」评估框架,覆盖物体、交互、场景三层共 18 类问题,既给分数也指出具体问题、视觉证据与严重程度。
Synthesia 以 $19/月 Starter 起步,在幻灯片导入保真度、AI 旁白质量和可编辑性上综合排名第一,支持 140+ 语言。
AITuber 发布 AI 内容再利用工具选型指南,按素材类型给出对应工具:文章或 PDF 选 AITuber 生成带画面与字幕的旁白视频,长视频选 Opus Clip,播客选 Castmagic,成品片段分发选 Repurpose.io。
作者实测了 Higgsfield 和 GrandAI 两个小众 AI 生图网站,从基础介绍、页面功能到实际生图案例逐步讲解。内容以完整实测教程形式呈现,通过多个案例展示两者的生图特点,供常用 AI 做图的用户作为新工具参考。
AITuber 发布博客转视频 AI 工具指南,将七款工具按画面形态分为三类:AI 生成画面(AITuber)、素材库画面(Pictory、Lumen5、Fliki、Steve AI、VEED)和 AI 数字人出镜(HeyGen)。
异形角色Bonnie实测AI视频制作平台SkyProduction,用「智能画布」「分镜」「视频」三个功能完成了一支约40-50秒的8场景短片。视频生成使用Seedance 2.5,图像生成使用Seedream 5.0,单张图像消耗2积分,5秒视频消耗50积分,输出9:16竖屏720P带音频。
Photoshop 27.10 于 8 月 31 日推出的 AI Assisted Editor 可用自然语言提示直接修图,实测处理银河照片时首次结果自然,第二次则明显过度处理。该模式与 Pro Editor 并列切换,切回时 AI 编辑会作为新图层加入,属非破坏性。但像素级对比发现,不同次生成间暗弱恒星会被添加、移位或消失,因此不适合用于新闻或投稿类用途。
韩国视觉创作者 서오키(oasis.seo)用三项创意实验测试可灵 4.0,分别考察 Omni Reference、风格转场与角色一致性。她最关注的是模型能否在生成运动后保留原图已建立的 1990 年代电影质感、空间氛围与角色面部服装一致性,而非单纯画质。
Google 于 10 月 6 日将生图模型 Nano Banana 更新至 2.1,底座换成 Gemini 3.6 Flash,升级集中在视觉设计、蒙版编辑、主体一致性和画面真实感四个方向。实测显示画面质感支持 4K 原图直出、微距细节扎实,中文文字的清晰度与排版也有明显进步,但连续改图环节仍存在需要留意的坑。
韩国视觉创作者 서오키(@oasis.seo.ai)受可灵邀请实测 Kling 4.0,用三个创作实验检验 Omni Reference、风格转场与角色一致性。她表示 Kling 4.0 能连贯眼神、表情与手势等细微动作,多图衔接时保留原图色调与质感,真人到动画反复切换中角色形态与动作保持稳定,减少了重复生成与后期修补。她也希望 Sound Effects、角色一致性与精细控制继续改进。
Iris-3B 已加入 Aikimi Forge Neo,并在 RTX 3090 上对比通常版、INT8 与 W4A8 三种精度。832×1280 竖版图像生成的峰值显存为通常版 19.10GiB、INT8 10.89GiB、W4A8 9.71GiB,W4A8 更省显存但粒状感和细节差异增加,默认精度设为 INT8。
娱乐资本论对10家主流的画布类AI影视工作台做价格横评,统一用Seedance 2.5满血档720p、16抽共240秒生成量测算,10个平台合计支出4556元,充值金额中位数为399元,最少218元、最多600元。
VideoGen 提出评判 AI 图像生成器的七个维度:提示词遵循度、文字渲染、参考图与风格控制、速度、成套一致性、授权清晰度以及能否直接转为视频。在 VideoGen 中,GPT Image 2.5 Flare 负责精细细节与可读文字,Nano Banana 是另一主力画质选项,Flux Schnell 以 1 至 4 步去噪在数秒内出图,仅限 Low 档;每次编辑最多支持 5 张参考图。
Flux Schnell 是 VideoGen 中最快的 AI 图像生成器,仅需 1 到 4 个去噪步骤,数秒内即可返回结果,适合草稿、情绪板和批量探索。GPT Image 2.5 Flare 与 Nano Banana 单张耗时更长,但细节更丰富、文字更清晰。
HeyGen 是主打数字人形象的 AI 视频工具,优势在真人数字分身、声音克隆和 175+ 语言对口型配音,付费计划支持最长 60 分钟视频。但它不适合需要生成 b-roll、产品镜头和多模型混剪的完整项目,这类需求更适合 VideoGen。HeyGen 免费版每月最多 3 条 1 分钟视频,Creator 计划 $29/月。
娱乐资本论对10家主流的画布类AI影视工作台做价格横评,统一按Seedance 2.5满血档720p生成240秒计算,10个平台合计需支出4556元,充值金额中位数为399元,最少218元、最多600元。
Claude Haiku 5.5 与 GPT-6 Luna 同题生成草原斑马图,Haiku 在条纹走向、奔跑腿部结构、背景层次与草地融合上全面胜出,Luna 则出现乱线穿腹、腿如木棍、地平线平切、斑马悬浮等问题。