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 3 页

10月21日周三第 41–60 条
  1. 可灵 Kling72

    可灵 Kling 4.0 上线 fal 平台

    可灵 Kling 4.0 已在 fal 上线,官方称其为新一代原生多模态视频模型,在复杂运动稳定性、角色与场景参考一致性以及电影化叙事控制上有所提升。目前该模型仅通过 fal UX 和 fal Agent 提供,API 访问即将开放。

    推荐理由:Kling 4.0 在 fal 上线,官方给出复杂运动稳定性、角色与场景参考一致性和叙事控制三项能力变化。

  2. ComfyUI Wiki · 工作流与开源创作分享75

    腾讯混元开源交互式世界模型 Hy-Nomas,支持文本与相机轨迹分段生成

    腾讯混元于 2026 年 10 月 21 日开源交互式世界模型 Hy-Nomas,公开权重、推理代码以及训练和数据标注代码,并提供在线 demo 与 Hy-Nomas-Bench 基准。

    推荐理由:腾讯混元开源可交互世界模型,文本与相机轨迹可逐段驱动长视频生成,并附基准与单卡配置。

  3. ComfyUI Wiki · 工作流与开源创作分享81

    FastVideo 发布 FastH3 Omni:MiniMax H3 参考条件化变体,8 步生成带声视频

    FastVideo 发布 FastH3 Omni,这是 MiniMax H3 的参考条件化变体,提示词加有序的图片、视频和音频参考可生成带同步声音的片段,只需 8 次 transformer 评估而非基础 H3 的 50 次。

    推荐理由:FastH3 Omni 把参考图、视频与音频统一进一条生成链路,并给出与基础 H3 的逐项耗时对比,便于评估本地部署成本。

  4. Reddit comfyui · 创作与工作流分享78

    Hao AI Lab 开源 FastH3 OmniRef,支持 ComfyUI 首日接入

    Hao AI Lab 的 FastVideo 团队开源 FastH3 OmniRef,输入提示词加参考图像、短视频片段或声音即可生成带同步声音的视频。该模型只需 8 步而非 50 步,比基础 MiniMax-H3 最高快 11.9 倍,已进入 ComfyUI 0.42.2 工作流模板,并开放权重与训练代码。

    推荐理由:FastH3 OmniRef 以开放权重形式发布,8 步出片并支持 ComfyUI 首日接入,创作者可据此评估本地参考生视频流程。

  5. FastVideo 视频模型 · 模型发布80

    FastVideo 发布 FastH3 Omni 的 ComfyUI 版本模型权重

    FastVideo 发布 FastH3 Omni 最终版的 ComfyUI 可用权重,提供 BF16 与 INT8 ConvRot 两种扩散模型,可根据提示词和有序的图片、视频、音频参考生成视频与同步音频。

    推荐理由:FastH3 Omni 放出 ComfyUI 可用的 BF16 与 INT8 权重,并给出参考图、视频、音频的接入方式,便于创作者评估本地出片流程。

10月20日周二
  1. IT之家68

    蚂蚁百灵开源 Ming-3.0 语音系列模型,覆盖语音合成、音频理解与对话、语音识别

    蚂蚁百灵开源 Ming-3.0 语音系列,包含语音合成、音频理解与对话、语音识别三个系列共五款模型,开发者可按任务选择或组合进工作流。Ming-3.0-tts 的 Voice Design 支持用文字描述目标音色,也可用参考音频设定音色,导演模式可说明台词的表演方式、情绪变化、重读词与节奏处理。

    推荐理由:Ming-3.0 把语音合成、音频理解与识别拆成五个模型,其中导演模式可用文字描述台词的表演方式。

  2. CGPress72

    Mirelo 发布 SFX 2.0 视频转音效模型

    柏林 AI 研究团队 Mirelo 发布视频转音效模型 SFX 2.0,可在不重新生成画面的情况下改动视频音频,保留对白、去除未指定的音乐,并生成与动作同步、跨剪辑点连贯的音效、拟音与环境声。

    推荐理由:视频转音效模型更新,可在不改动画面的前提下重做音轨,并已接入剪辑软件与第三方平台。

10月17日周六
  1. RenderBob · 图像视频工作流72

    快手可灵 4.0 于 10 月 15 日发布,HDR、续写与 API 仍待上线

    快手称可灵 4.0 已于 10 月 15 日发布,单次生成最长 30 秒,Omni Reference 最多支持 15 个素材、关键帧最多 10 个,并已集成 Kling MCP 与命令行工具。

    推荐理由:可灵 4.0 已上线,但 HDR、两分钟续写和 API 仍标注即将推出,文中还列出 Flash 档与完整版的参数差异。

  2. FastVideo 视频模型 · 模型发布60

    FastVideo 发布 FastH3-QAD-v2 视频音频模型

    FastVideo 发布 FastH3-QAD-v2,这是一个 8 步视频与音频模型,采用 NVFP4 权重和量化感知蒸馏(QAD)训练,可在单张 Blackwell GPU(RTX 5090、RTX PRO 6000)或 DGX Spark 上运行。

    推荐理由:8 步视频与音频模型以 NVFP4 量化权重落到单张 Blackwell 显卡,并给出与 BF16 教师模型的误差数据。

10月16日周五
  1. 可灵 Kling70

    可灵发布 4.0 视频生成模型

    可灵(Kling)官方账号发布 4.0,配文“The art of 4.0”,并带上 #Kling4 与 #KlingAI 标签。被引用的 @2x_labs 内容称可灵 4.0 已正式发布,宣传语为“以想象,定义下一帧”。

    推荐理由:可灵官方账号放出 4.0 发布信号,创作者可据此关注新版本在视频生成上的能力变化。

  2. AITNT · AI创作资讯83

    可灵4.0正式上线,支持30秒一镜到底与多帧参考

    可灵AI正式上线视频模型Kling 4.0,支持最长30秒直出,此前9月底已向部分黑金年卡及Ultra年度订阅用户开放4.0 Flash尝鲜。作者实测了城市追逐、马戏团、电梯打斗、花样滑冰等场景,认为其在物理规律理解、复杂动作衔接和镜头调度上有提升。

    推荐理由:作者实测了30秒直出、复杂打斗与全能参考,并给出1080P 30秒450积分的成本参考,可据此评估出片流程。

  3. ComfyUI Wiki · 工作流与开源创作分享73

    阿里 TaoLive AIGC 发布 TaoMate-H3-FL2VA 首尾帧控制 LoRA

    阿里 TaoLive AIGC 团队于 10 月 15 日发布 TaoMate-H3-FL2VA,这是一个 3 步 LoRA,为 MiniMax H3 的流式 TaoMate-H3 运行时加入首帧与尾帧控制,团队称其为已知首个实时流式首尾帧到音视频(FL2VA)模型。

    推荐理由:TaoMate-H3-FL2VA 把首尾帧控制接入流式音视频生成,并已有 ComfyUI 转换版本可本地跑,方便创作者评估是否纳入现有出片流程。

  4. ComfyUI Wiki · 工作流与开源创作分享65

    OpenMOSS 发布 5B 文生图模型 MOSS-Image,ComfyUI 同日支持

    OpenMOSS 于 10 月 16 日发布 5B 文生图模型家族 MOSS-Image,包含预训练版 MOSS-Image-Base 和面向普通用户的 MOSS-Image-SFT 两个 checkpoint。

    推荐理由:5B 文生图模型主打中英文文字渲染与 JSON 布局控制,ComfyUI 核心节点同日支持,可据此评估排版类出图流程。

  5. Krea 官方博客71

    Krea 发布图像编辑模型 Krea 3,2K 单张 0.06 美元、多数编辑 8 秒内完成

    Krea 发布图像编辑模型 Krea 3,官方称多数编辑在原生 2K 下 8 秒内端到端完成,2K 每张 0.06 美元、1K 每张 0.03 美元,单次编辑最多可用 6 张参考图。

    推荐理由:官方给出 Krea 3 与 Nano Banana Pro、GPT Image 2 的单张耗时和价格对比,可据此判断批量修图成本。

10月15日周四
  1. 可灵 Kling66

    可灵 4.0 全面开放,新增 MCP 与 CLI 接入

    可灵(Kling)宣布 KLING 4.0 已全面开放,用户可通过 kling.ai 上更新后的创作界面使用,也可通过 MCP 和 CLI 接入视频创作流程。官方同时预告即将推出 4K 与 1080p 分辨率的 10-bit HDR 视频输出,以及面向企业客户和开发者的 API 访问。

    推荐理由:可灵 4.0 全面开放,并新增 MCP 与 CLI 接入方式,创作者可据此评估现有出片流程的接入选择。

  2. Black Forest Labs 官方博客82

    Black Forest Labs 发布 FLUX 3 Image Klein 开源权重模型

    Black Forest Labs 发布 FLUX 3 Image Klein,一个 5.6B 参数的开源权重模型,支持文生图、图像编辑和最多 10 张参考图的多参考生成,具备原生 4K 生成、像素级编辑和边界框控制能力。

    推荐理由:5.6B 参数的开源图像模型把 4K 生成与像素级编辑压到 8GB 显存可跑,可据此评估本地出图与改图方案。

  3. Black Forest Labs · FLUX 模型62

    Black Forest Labs 开源 FLUX 3 Image Klein Prompt Upsampler

    Black Forest Labs 发布 FLUX 3 Image Klein Prompt Upsampler,一个 9B 视觉语言模型,把简短图像需求扩写成 FLUX 3 Image Klein 更适用的详细提示词。

    推荐理由:官方开源了 9B 提示词扩写模型,可把简短需求扩成含光线、构图与主体细节的完整提示词,并支持参考图与边界框。

  4. 短剧自习室 · 搜狐公开专栏69

    实测 Vidu Q4 Preview:0.09 元/秒的 AI 短剧,角色开始有演技了

    生数科技 10 月 8 日发布 Vidu Q4 Preview,作为新一代旗舰模型 Vidu Q4 的首个预览版,核心升级视频表现力。作者用其生成 AI 短剧片段,角色脸部全程一致并出现与情绪对应的微表情,多镜头切换与动态运镜衔接自然,还测试了新的声音参考功能。

    推荐理由:以多部超创短片和自测片段拆解 Vidu Q4 Preview 的表演、运镜与特效表现,并给出 0.09 元/秒下的实际制作成本账。

  5. 可灵官方博客62

    可灵拆解 5M+ 播放短片《The Beat》,详解 Kling 4.0 五项能力

    可灵官方博客拆解其短片《The Beat》的制作过程,该片在社交平台播放量已超过 500 万。文章逐项说明 Kling 4.0 的能力:原生 30 秒连续镜头生成、Omni Reference 单任务支持最多 15 个多模态参考、Multi-Keyframe 最多 10 个关键帧、10-bit HDR 输出,以及升级的立体声音频与对口型。

    推荐理由:官方拆解 5M+ 播放短片的制作过程,逐项说明 Kling 4.0 的 30 秒原生生成、Omni Reference 与 10-bit HDR 在实拍级镜头中的用法。