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。

9月23日周三
  1. Google DeepMind72

    Google 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS

    Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音合成模型,前者面向角色设计与逐句表演指导,后者面向高体量、低成本的配音与语音智能体场景。

    推荐理由:两款 TTS 模型把声音生成从固定预设变成可逐句导演的创作流程,配音与有声书团队可据此评估迁移。

9月22日周二
9月21日周一
  1. note · ryo1144 · 图像视频创作分享27

    AI 插画生成提示词 100 选【2026 年 9 月最新】ChatGPT・Gemini・Midjourney・Firefly 适用

    面向 ChatGPT、Gemini、Midjourney、Adobe Firefly 整理出 100 条可直接复制的 AI 插画生成提示词,覆盖人物、风景、动漫、商品、博客与 SNS 等场景。文章主张 2026 年的图像生成更看重用自然语言说清用途、主役、构图与氛围,而非堆砌「8K」「masterpiece」等长咒语,并给出六要素模板与改图修正指令。

9月19日周六
9月18日周五
  1. Oimi · 中文图像视频教程62

    10 个热门人像海报提示词(2026)

    该教程整理了 10 条人像海报提示词,覆盖日式水墨极简、Y2K 拼贴、剪影叙事、地下俱乐部、电影感红蓝配色、字体轮廓等风格,每条均附完整英文提示词与调整要点。作者建议将提示词粘贴到 ChatGPT 或 Gemini,替换方括号占位符,如需保留本人面部可在开头加入身份指令并附清晰正面照;长文本结构化提示词用 ChatGPT,人脸相似度要求高的场景用 Gemini。

9月17日周四
9月16日周三
  1. 壹娱观察 · 搜狐公开专栏34

    AI视频搭上世界模型,互动影游就能彻底催熟?

    字节跳动被传正推进基于Seedance的实时空间视频模型,张一鸣亲自关注,游戏、短剧、直播与PICO都可能成为应用场景。生数科技Vidu S2同期展示角色实时回应与即时变化能力,其VR空间视频版本计划为VR设备生成带景深的双目画面,但仍处预告阶段。世界模型虽能制造"身处世界之中"的第一印象,却尚未解决长期一致性、记忆与叙事秩序问题。

9月10日周四
9月2日周三
  1. Google AI Blog22

    Google 2026 年 8 月 AI 动态盘点:Gemini 3.7 Flash、Gemini 3.5 Transcribe 与 Pixel 11 系列

    Google 发布 Gemini 3.7 Flash,主打编程与智能体,每百万 token 价格为首发 3.6 Flash 的一半;同期推出语音转文本模型 Gemini 3.5 Transcribe,面向语音智能体、实时字幕和通话后分析。Gemini 应用月活突破 10 亿,Gemini Omni 1.1 Flash 已在 Google Flow、AI Studio 等平台上线。

  2. Google AI Blog62

    Google 发布图像创作编辑工具 Google Pics

    Google 在 Workspace 下推出图像创作与编辑工具 Google Pics,基于 Nano Banana 图像生成与编辑模型,将在未来几周向所有 Google AI Pro 和 Ultra 订阅者及多数 Workspace 商业客户开放。

    推荐理由:Google 把图像生成与编辑工具接入 Workspace 应用,可据此判断团队出图流程是否要迁移。

8月28日周五
7月30日周四
7月3日周五
  1. Google DeepMind34

    Google DeepMind 与 A24 宣布首个研究型合作伙伴关系

    Google DeepMind 与 A24 宣布达成首个研究型合作伙伴关系,将顶尖研究实验室与电影人导向的制片厂配对,帮助艺术家开发新工作流与技术。双方将围绕多个项目展开长期研发协作,Google 同时对 A24 进行了投资。合作初期聚焦弥合前沿技术与下一代娱乐之间的差距,具体目标与技术产出将随时间演进。

7月1日周三
6月9日周二
5月18日周一
  1. Google DeepMind84

    Google 发布 Gemini Omni Flash 视频生成模型

    Google DeepMind 发布 Gemini Omni 家族首个模型 Gemini Omni Flash,可组合图像、音频、视频和文本作为输入生成高质量视频,并通过自然语言对话进行多轮编辑。

    推荐理由:Gemini 首个视频生成模型 Omni Flash 上线,支持多模态输入与对话式多轮编辑,可对照现有出片流程评估。

5月17日周日
  1. Google DeepMind62

    Google 将 SynthID 与 C2PA 内容验证扩展到搜索、Gemini 和 Chrome

    Google 宣布把内容透明度与验证工具扩展到 Search、Gemini、Chrome、Pixel 和 Cloud。SynthID 已为超过 1000 亿张图片和视频、6 万年音频打上水印,Gemini 中的 SynthID 验证已被使用 5000 万次,并将在数周内进入 Search 和 Chrome。

    推荐理由:Google 把 SynthID 与 C2PA 验证铺到搜索、Gemini 和 Chrome,并开放 AI 内容检测 API,可观察内容溯源工具的平台化路径。

4月16日周四
3月26日周四
  1. Google DeepMind62

    Google DeepMind 发布 Lyria 3 Pro 音乐生成模型

    Google DeepMind 发布 Lyria 3 Pro,可生成最长 3 分钟的曲目,并能按前奏、主歌、副歌、桥段等结构元素进行提示。该版本已上线 Vertex AI 公共预览、Google AI Studio 与 Gemini API,并接入 Google Vids、Gemini 应用和 ProducerAI;Lyria 3 与 Lyria 3 Pro 的输出均嵌入 SynthID 水印。

    推荐理由:Lyria 3 Pro 把单曲时长拉到 3 分钟并支持段落级提示,创作者可据此判断能否用于成片配乐。

2月27日周五
  1. Google DeepMind74

    Google DeepMind 发布 Nano Banana 2(Gemini 3.1 Flash Image)图像模型

    Google DeepMind 发布最新图像生成模型 Nano Banana 2(Gemini 3.1 Flash Image),将 Nano Banana Pro 的先进世界知识、质量与推理能力带到 Flash 速度。

    推荐理由:Nano Banana 2 把 Pro 级世界知识与文字渲染下放到 Flash 速度,并给出多平台上线与定价入口,可据此评估图像工作流是否切换。

2月19日周四
  1. Google DeepMind62

    Google DeepMind 在 Gemini 应用发布音乐生成模型 Lyria 3

    Google DeepMind 在 Gemini 应用内以 beta 形式上线最新音乐生成模型 Lyria 3,用户用文本或图片即可生成 30 秒歌曲,歌词由模型自动生成,并可控制风格、人声与节奏。

    推荐理由:Lyria 3 在 Gemini 应用内开放文本与图片生成 30 秒歌曲,并加入音频 SynthID 验证,可观察音乐生成的产品化路径。

1月30日周五
  1. Google DeepMind62

    Google DeepMind 推出 Project Genie 交互世界原型

    Google DeepMind 面向美国 Google AI Ultra 订阅用户(18 岁以上)开放 Project Genie,这是一个由 Genie 3、Nano Banana Pro 和 Gemini 驱动的实验性研究原型,可创建、探索和 remix 交互世界。

    推荐理由:Google 把 Genie 3 世界模型做成可交互原型,创作者可据此判断实时生成世界在动画与影视预演中的可用边界。

1月16日周五
1月14日周三
  1. Google DeepMind82

    Google DeepMind 更新 Veo 3.1 Ingredients to Video,新增原生竖屏与 1080p/4K 超分

    Google DeepMind 更新 Veo 3.1 Ingredients to Video,让基于参考图生成的视频更具表现力,并首次支持原生 9:16 竖屏输出,面向 YouTube Shorts 等移动端短内容。

    推荐理由:Veo 3.1 的 Ingredients to Video 更新带来原生竖屏与 1080p/4K 超分,创作者可据此评估短剧出片流程。

12月24日周三
12月13日周六
  1. Google DeepMind62

    Google 发布升级版 Gemini 2.5 Flash Native Audio,新增实时语音翻译

    Google 发布升级版 Gemini 2.5 Flash Native Audio,面向实时语音智能体,提升了复杂工作流处理、指令遵循和多轮对话能力,在 ComplexFuncBench Audio 上以 71.5% 领先,开发者指令遵循率从 84% 升至 90%。

    推荐理由:Gemini 2.5 Flash Native Audio 更新了函数调用、指令遵循与多轮对话能力,并新增实时语音翻译,可据此评估语音智能体与翻译场景的可用性。

11月20日周四
  1. Google DeepMind62

    Google 在 Gemini 应用中上线 AI 图像验证功能

    Google 在 Gemini 应用中上线图像验证功能,用户上传图片并提问即可通过 SynthID 数字水印判断该图是否由 Google AI 生成或编辑。SynthID 自 2023 年推出以来已为超过 200 亿件 AI 生成内容打上水印,Google 计划将验证扩展到视频和音频等格式,并接入 Search 等更多入口。

    推荐理由:Google 把 SynthID 水印检测放进 Gemini 应用,创作者可据此判断图片是否由 Google AI 生成或编辑。

  2. Google DeepMind70

    Google DeepMind 发布 Nano Banana Pro(Gemini 3 Pro Image)图像模型

    Google DeepMind 发布 Nano Banana Pro(Gemini 3 Pro Image),这是基于 Gemini 3 Pro 构建的高保真图像生成与编辑模型,已在 Google AI Studio 和 Vertex AI 以付费预览形式向开发者开放。

    推荐理由:Gemini 3 Pro Image 面向开发者开放付费预览,支持 2K/4K 输出与多图合成,可用于评估现有出图流程。

1月4日周四
6月7日周二