跳到正文

内容形态

模型发布 最新动态

视频/图像/音频生成模型的发布、开源与迭代:旗舰更新、开放 API、性能与价格变化的第一时间记录。

123 条精选近 30 天 45 条共收录 367 条

更新

精选归档 · 第 2 页

10月30日周五第 21–40 条
  1. GitHub:AI视频开源项目发现76

    Pika 发布 H3 Flex 视频生成模型,支持六步采样与多参考输入

    Pika 发布 H3 Flex 视频生成模型,基于 MiniMax-H3 后训练,六步采样生成带同步立体声的视频。本地开源推理支持 480p/768p、24fps、5-15 秒,API 可生成 1080p/2K/4K 并支持音频分离与提示增强;Ref2VA 模式支持最多 12 个参考输入。

    推荐理由:基于 MiniMax-H3 后训练,六步采样与多参考输入为专业视频创作提供高效可控方案,可评估其与现有流程的适配度。

10月29日周四
  1. Reddit StableDiffusion · 创作者与工作流分享73

    Krea 2 Turbo 蒸馏 3 步 LoRA:8 步降至 3 步

    创作者发布针对 Krea 2 Turbo 的 3 步蒸馏 LoRA,将去噪步数从 8 步降至 3 步,去噪速度提升 2.6 倍,细节质量达到教师模型的 1.15 倍。训练使用 12,000 个样本,单张 H100 约 41 小时;提供 ComfyUI 工作流,兼容 diffusers、ComfyUI 和 MLX。

    推荐理由:这个 3 步蒸馏 LoRA 将 Krea 2 Turbo 去噪步数从 8 步降到 3 步,细节质量超过教师模型,为创作者提供更快的出图选择。

  2. 可灵官方博客71

    Ami 谈 Kling 4.0 如何让微妙情感活起来

    可灵邀请创作者 Ami 用 Kling 4.0 制作短片《Tea When You Have Time》,她分享了 30 秒生成、Omni Reference 与多关键帧等新能力的使用体验。Kling 4.0 支持单次 30 秒生成、21:9 画幅、最多 10 个关键帧,12 个角色资产保持一致,粤语对白口型同步效果好,并支持多种方言与英语口音。

    推荐理由:创作者实测显示 Kling 4.0 在 30 秒长镜头、12 角色一致性与粤语口型同步上表现稳定,可据此评估升级。

10月28日周三
  1. 智东西65

    谷歌发布新一代世界模型 Genie 4,可模拟空气动力学与碰撞等物理过程

    谷歌发布新一代世界模型 Genie 4,可在生成世界的同时原生生成音乐、环境音和交互式对话。相比上一代 Genie 3,新模型加入原生音频、实时人物对话,以及由 Gemini 模型提供的多步骤推理和场景控制能力,目前以研究预览形式向受信任测试者逐步开放。

    推荐理由:Genie 4 在上一代基础上加入原生音频、实时对话与多步骤推理,创作者可据此评估其交互式模拟能力。

  2. Reddit comfyui · 创作与工作流分享68

    PrunaAI 为 Qwen-Image-2.1 发布 6 步 LoRA 适配器,无需上采样步骤

    PrunaAI 发布面向 Qwen-Image-2.1 的 6 步 LoRA 适配器,将图像生成从 40 步压缩到 6 步。其中 6-steps-upsampled 版本去掉了独立的提示词上采样步骤,根据提示词风格可节省 41 到 80 秒,LoRA 直接加载在 Qwen-Image-2.1 上,管线保持不变。

    推荐理由:新适配器将图像生成从 40 步压缩到 6 步并去掉上采样环节,创作者可据此评估是否替换现有出片流程。

10月26日周一
  1. 可灵 Kling71

    可灵 Kling 4.0 上线 Runware,支持 30 秒 1080p 原生音频

    可灵官方转发 Runware 消息称 Kling 4.0 已在 Runware 上线,支持最长 30 秒 1080p 视频并带原生音频。该版本支持首帧、中间帧、尾帧的多关键帧,单次请求最多 15 个输入,涵盖关键帧、参考图、参考视频和元素,并可基于提示词编辑已有片段。定价为每秒输出 0.133 美元起,接下来 7 天在常规价格上打 85 折,模型 ID 为 klingai:[email protected]。

    推荐理由:Kling 4.0 通过 Runware API 上线,给出 30 秒 1080p 带原生音频与多关键帧输入等参数,可对照现有出片链路。

  2. 可灵官方博客67

    可灵发布 Kling 4.0,支持 3–30 秒生成与 Omni Reference

    可灵于 2026 年 10 月 15 日正式发布 Kling 4.0,支持单次 3–30 秒生成、更稳定的大幅运动与复杂运镜,以及最多 10 个关键帧输入。Omni Reference 单次生成最多可组合 15 个参考素材,包括 10 张图片、总时长不超过 30 秒的 5 段视频和 7 个元素,并可用提示词对已有素材做主体、背景、表情、机位与风格的定向修改。

    推荐理由:官方梳理 Kling 4.0 的参考素材、关键帧与定向编辑能力,并给出从分镜到交付的流程建议。

10月24日周六
  1. 可灵 Kling65

    Kling 4.0 在 Lovart 上线,支持单条 30 秒片段与 10 个关键帧

    Kling 4.0 已在 Lovart 上线,单条可生成最长 30 秒片段,并支持 10 个关键帧控制节奏、最多 15 个角色/产品/场景参考素材。官方称其运动更稳定、音频更好、镜头运动幅度更大,Lovart 的 Arti 负责生成分镜清单。

    推荐理由:Kling 4.0 在 Lovart 上线,单条可生成 30 秒片段并支持 10 个关键帧与 15 个参考素材,可据此评估长镜头控制能力。

  2. 可灵 Kling80

    可灵 Kling 4.0 上线 fal 并开放 API

    可灵 Kling 4.0 已在 fal 平台公开可用,API 面向所有客户开放。该模型支持最长 30 秒原生视频生成并带音频,最多 15 个图像、视频与元素参考,以及最多 10 个关键帧的精确控制,并改进了运动、角色一致性与电影化叙事。

    推荐理由:Kling 4.0 通过 fal 开放 API,原生 30 秒带音频生成与多参考、关键帧控制的变化可供创作者评估接入。

  3. SuSu_酥酥78

    腾讯混元开源世界模型 Hy-Nomas,支持文本与相机轨迹交互生成视频

    腾讯混元开源世界模型 Hy-Nomas,支持用文本提示和相机轨迹进行自由交互,并具备带世界记忆的长时程生成能力。该模型提供面向机器人等垂直领域的轻量 LoRA 适配,经 8 步蒸馏可在单张 RTX 4090 上生成 720p@24FPS 视频,权重已上线 Hugging Face 与 GitHub 并提供在线 Demo。

    推荐理由:腾讯混元开源世界模型 Hy-Nomas,支持文本与相机轨迹操控,单张 RTX 4090 即可运行 720p 视频生成。

10月23日周五
  1. MindStudio Blog · 创作分享75

    LTX 2.5 开源权重发布:22B 视频模型可自行下载运行

    Lightricks 在 Hugging Face 发布 LTX 2.5 开源权重,这是一个 22B 参数的扩散模型,可下载到自有 GPU 运行,同时提供 dev 完整版与蒸馏加速版,以及 bf16、int8、nvfp4 量化格式。

    推荐理由:Lightricks 把 22B 视频模型连同音频与多镜头能力一起开源,文中拆解了下载包各组件与自托管门槛。

  2. MindStudio Blog · 创作分享78

    LTX 2.5 解析:支持同步音频与原生多镜头的开放权重视频模型

    LTX 2.5 是一个开放权重的 AI 视频模型,音视频在同一次生成中产出,并支持单次生成内包含多个连贯镜头。模型提供标准版与蒸馏版,权重可下载,能通过托管 API 调用,也能部署在自有 GPU 上;官方称新的扩散视频解码器改善了人脸、纹理、画面文字与快速运动的表现。文章还记录了在远程 Nvidia GPU 上自托管运行、用对话镜头测试对口型与面部一致性的过程。

    推荐理由:文章拆解了 LTX 2.5 音视频同源生成、原生多镜头与可自托管三项特性,便于判断开放权重视频模型的实际边界。

  3. IT之家71

    火山引擎发布 Seedance 2.5 4K 模型,面向影视级画面生成

    字节跳动旗下火山引擎发布 Seedance 2.5 4K,称其为 Seedance 2.5 这一代中最强的模型,通过专项训练学习人物表情、细微动作与画面细节。该模型支持 Draft 样片模式,可先用 480P 样片验证分镜、打磨镜头,再生成 4K 正片,并具备 10-bit 色深;目前仅供部分企业客户试用,部分海内外影视制作、后期公司已试用。

    推荐理由:Seedance 2.5 4K 把样片验证与 4K 正片分成两段流程,影视团队可据此判断画质与成本如何取舍。

  4. 可灵 Kling72

    可灵 Kling 4.0 上线 idea.ai

    可灵 Kling 4.0 已在 idea.ai 上线。据 idea.ai 介绍,该版本可用单条提示生成 30 秒场景,保持跨镜头角色一致,并支持在实拍、动漫与 3D 风格间切换。

    推荐理由:Kling 4.0 在 idea.ai 上线,支持单提示生成 30 秒场景与跨镜头角色一致,可对照现有出片流程评估。

10月22日周四
  1. 量子位 · 搜狐公开专栏75

    模思智能 MOSS-Image 开源 4 天海外下载超 130 万次

    模思智能开源的 5B 参数文生图模型 MOSS-Image 上线 4 天在海外社区收获 130 万次下载,GitHub 获 1.4k Stars,并登顶 Hugging Face 文生图趋势榜。

    推荐理由:5B 参数开源模型上线 4 天获 130 万次下载,社区已产出加速、量化版本与 LoRA,可观察其文字渲染与布局控制的实际表现。

  2. 可灵 Kling75

    Kling 4.0 上线 OnSolo

    Kling 4.0 已在 OnSolo 上线,支持单次生成 30 秒原生视频,快速动作与大运镜中保持运动稳定。该版本提供立体声与更精准的对口型,支持 21:9 宽画幅,单次任务最多可堆叠 15 个参考和 10 个关键帧。

    推荐理由:Kling 4.0 上线 OnSolo,给出单次 30 秒原生视频、21:9 画幅与多参考图堆叠等参数,便于创作者对照现有流程评估。

  3. 可灵 Kling72

    可灵 4.0 上线 Adobe Firefly

    可灵宣布 Kling 4.0 已在 Adobe Firefly 中上线,用户可通过 Adobe 提供的链接直接试用。该版本以 Kling 4.0 名称接入 Firefly,官方未披露更多功能细节。

    推荐理由:可灵 4.0 接入 Adobe Firefly,创作者可了解该版本在 Adobe 工作流中的可用入口。

  4. comfyorg · YouTube 创作视频78

    ComfyUI 上线 FLUX 3 Max,支持图生视频与文生视频工作流

    ComfyUI 上线 FLUX 3 Max,这是 FLUX 3 Video 的延迟优化版本,可生成 10 秒 720/768p 带原生音频的片段,耗时约 12 秒。官方同时给出图生视频与文生视频两条工作流链接,并列出多候选对比、调参时预览运动、批量产出广告变体和关键帧引导分镜等用法。

    推荐理由:ComfyUI 接入 FLUX 3 Max,给出 10 秒 720/768p 带原生音频、约 12 秒出片的延迟优化版本,并附图生视频与文生视频工作流入口。

  5. 可灵 Kling72

    可灵预告 Kling 4 视频生成模型

    可灵官方账号以 #Kling4 预告新一代视频生成模型,正文未给出具体参数。其引用的 Morphic 发布信息称 Kling 4.0 支持原生 30 秒生成、最多 10 个关键帧、15 个参考、画面文字一致与多语言,并提供 4K 与 10-bit HDR,11 月 20 日前在 Morphic 生成可享 10% 折扣。

    推荐理由:可灵官方预告 Kling 4,引用信息显示其支持原生 30 秒生成与 4K 10-bit HDR,可据此判断长镜头出片能力。