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。

11月17日周二
  1. Reddit comfyui · 创作与工作流分享55

    单张 RTX 3090 实测:本地智能体与图像/视频生成的日常使用数据

    作者用单张 RTX 3090 24GB 通过换入换出 VRAM 同时运行本地智能体与 ComfyUI 图像/视频生成,实测 LLM 约 72 tok/s、SDXL 图像约 32 秒、Wan 2.2 视频 4-6 分钟。数据来自 205 次真实请求和 35 个渲染任务,非合成基准。作者总结 24GB 只能容纳 LLM 或一次渲染,建议用 parallel 1 而非 4。

11月16日周一
11月13日周五
  1. Reddit comfyui · 创作与工作流分享61

    WakeGPU:免费开源桌面应用,远程运行 ComfyUI/Colab GPU 并支持自动空闲关机与批量排队

    WakeGPU 是一个免费开源的桌面客户端(macOS 与 Windows),用于将远程云实例变成自动化私人工作室,支持自动空闲关机与批量排队。它 100% 免费、MIT 许可证,所有高级功能开箱即用,无付费墙、订阅或遥测,二进制发布在 GitHub Releases。

11月12日周四
11月11日周三
11月6日周五
  1. World Labs · 官方研究与公告60

    World Labs 发布 Atlas 实时研究预览,Frameboy 支持 15fps 流式探索

    World Labs 发布 Atlas 实时研究预览,通过 Frameboy 演示从云端 GPU 流式生成帧到浏览器,最高 15fps。该版本对 Atlas 做了高度优化,保持新视角合成能力;同时集成到 Viewfinder,用户可逐帧构建场景后实时探索。

    推荐理由:实时流式生成把探索成本降到近零,创作者可据此评估交互式世界模型对现有工作流的替代潜力。

11月1日周日
  1. Reddit StableDiffusion · 创作者与工作流分享77

    作者用 MacBook M5 Max 全本地制作 46 秒科幻预告片并公开完整管线

    作者在 MacBook Pro M5 Max 128GB 上全本地完成 46 秒科幻预告片《THE LAST SIGNAL》,全程无云端渲染、无 API 调用,耗时约 14.5 小时(含约 2 小时等待)。

    推荐理由:作者公开了从分镜到成片的完整本地管线与真实耗时,创作者可据此评估 MacBook 上复刻同类流程的可行性。

10月31日周六
10月30日周五
  1. Reddit comfyui · 创作与工作流分享66

    Kinoloom:基于 ComfyUI 构建的开源电影工作室,支持 LTX 2.5 无缝长镜头

    Kinoloom 是一个基于 ComfyUI 的开源电影工作室,支持 LTX 2.5 无缝长镜头渲染,可在 8GB 显卡上本地运行。它提供视频工作室、图像工作室和电影模式,可用任意 LLM 写故事,并支持 MiniMax H3(需自备权重,因许可限制)。

    同一新闻,精选展示《开源本地影视工具 Kinoloom 发布,支持 8GB 显存与 latent 空间长镜头拼接》

10月29日周四
  1. Reddit StableDiffusion · 创作者与工作流分享68

    用 LongCat-Video-Avatar 1.5 本地 5090 制作完整音乐视频,Sync 3 对口型校正至 3ms 内

    作者用 LongCat-Video-Avatar 1.5 在本地 RTX 5090 上制作了 3 分钟音乐视频,并用 Sync 3 完成对口型。工作流采用 INT8 DiT + bf16 蒸馏 LoRA、8 步、SageAttention,T5 卸载到 CPU,480p 25fps 后放大至 1080p。

    推荐理由:作者实测 Sync 3 对口型输出提前 63-87ms,用 SyncNet 逐镜头校正后误差降至 3ms 内,方法可迁移到其他对口型流程。

10月25日周日
  1. TechCrunch · AI60

    Block 发布语音模型 Dessa,可在消费级 GPU 本地运行

    Jack Dorsey 旗下 Block 的研究实验室发布语音模型 Dessa,该模型完全基于人类语音训练,可在单张 NVIDIA GPU 上本地运行,并能同时说话和聆听。Block 称 Dessa 为全双工语音到语音模型,情绪、停顿和笑声等表达内建于模型中,可在 MacBook M4 Max 或更高配置的消费级电脑上运行。目前 Dessa 尚未公开开放,Block 正邀请安全研究人员参与测试。

10月24日周六
  1. Sports Video Group34

    Prime Video 第二个 NBA 赛季启用 AI 虚拟摄像机系统 Prime 360

    Prime Video 开启第二个 NBA 赛季转播,本季将制作超过 100 场常规赛和季后赛,全部采用原生 1080p HDR 与 5.1 环绕声。核心技术新增 Prime 360,这套基于 AWS Trainium 芯片的 AI 虚拟摄像机系统通过球场四周高分辨率相机重建 3D 场景,生成传统机位无法拍摄的电影级回放角度。

10月23日周五
10月22日周四
10月21日周三
  1. AI资源分享站 · 开源创作项目分享58

    开源网页端视频剪辑工具 ai-video-editor 发布,支持本地 AI 推理

    ai-video-editor 是一款基于浏览器的本地优先开源视频剪辑器,融合多轨道时间线与端侧 AI 推理,可在本地完成剪辑、字幕、抠图等流程。工具集成 Whisper small 做音频转文字并对齐波形字幕,用 MODNet、YOLOS 完成人像抠图与主体避让,内置 MI-GAN 去除水印杂物并配合 NanoVSR 提供 4× 超分。

  2. Loomance · 本地AI动画实测69

    Wan 2.2 在 Loomance 与 WanGP 下对比评测:Fast Mode 与完整工作流结果不同

    作者对比了 Wan 2.2 在 Loomance 与 WanGP 两个工具下的渲染效果,发现 4 步 lightning 模式快约 10 倍但错误更多,30 步完整采样更干净。在六狗场景中,WanGP 有 3/5 次角色融化或合并,Loomance 为 0/5;高分辨率单人物场景两者接近。按需选择:快速变化或低显存用 WanGP,保持角色一致用完整采样。

    推荐理由:同一 Wan 2.2 模型在两种本地工具下的实测对比,为创作者在速度与保真度之间做选择提供参考。

10月20日周二
10月19日周一
10月18日周日
10月16日周五
10月15日周四
  1. Creative Bloq42

    我用 Nvidia RTX Spark 的 AI 智能体操作 Blender,结果如何

    在 ASUS ProArt P16 上,本地运行的 Hermes 智能体(Qwen3.8 27B)可驱动 Blender 完成调暖灯光、改发色、导出前后对比图等简单任务,但复杂多步编辑表现吃力:给模型加小丑妆耗时约半小时仅得近似效果,跨场景搬运物体准备 25 分钟后预估 5-10 分钟完成,实际一个半小时仍未结束。

  2. 机器之心SOTA模型 · 公开公众号 RSS22

    阶跃星辰开放 Step 5 Preview 权重,蚂蚁百灵开源 Ling-3.1-flash

    阶跃星辰开放 Step 5 Preview 官方权重,总参数 600B、激活 27B,支持 1M 上下文,可处理文字与图像理解、编程及长程工具调用,提供 BF16、FP8 权重及 vLLM、SGLang 部署路径。蚂蚁百灵同期开源 Ling-3.1-flash,采用 MIT 许可证,总参数 560B、激活 25B,支持 1M 上下文,面向办公、搜索和编程 Agent 场景,提供混合推理开关。

  3. note · loyal_owl5720 · 图像视频创作分享22

    AMD XDNA 2 NPU 运行 Anima 图像生成提速约 40%,单张降至 35 秒台

    在 AMD XDNA 2 NPU 上运行 Anima 图像生成,通过调整 MIMALLOC_PURGE_DELAY=0 的设置时机,生成速度从约 60 秒提升至平均 35.81 秒/张,提速约 40%。该优化仅在 NPU 使用时生效,CPU 单独生成平均仍需 55.47 秒/张。目前尚不清楚该设置为何只对 NPU 有效,后续将定量评估功耗。

  4. IT之家62

    昆仑万维发布 Matrix-Game 4.0 视频大模型游戏并同步开源

    昆仑万维发布 Matrix-Game 4.0,称其为世界首款运行在单张消费级显卡上的视频大模型游戏,已同步开源。该模型由游戏引擎维护世界状态与交互规则、视频生成模型实时呈现画面,在单张 NVIDIA RTX 5090 上实现 480p、60 FPS 体验,按键到画面响应延迟低于 150 毫秒。

10月14日周三