浅译快报

热点榜

近 14 天资讯按热度排序：报道同一事件的独立来源越多、越新，热度越高；编辑评定的重要事件额外加权。每次站点更新时重新计算。

  1. 1
    Google Blog· 11月5日一手编辑精选 模型

    Google 11 月 5 日推出 Gemini Omni 1.2 Flash，视频生成与编辑时长上限由 10 秒提升至 15 秒，720p 价格降至每秒 0.07 美元、较 1.1 Flash 低 30%，支持多轮对话式修改，已在 Gemini API、Google Cloud 与 Google Vids 正式可用。

    #Google#视频生成
    GGT另有 2 家来源
    推荐理由　更长的单段时长、更低的单价与无需整段重生成的对话式编辑同时到位，且模型进入正式可用阶段，降低了 AI 视频批量迭代的门槛。

    Google DeepMind 于 2026 年 11 月 5 日推出视频生成与编辑模型 Gemini Omni 1.2 Flash，并在 Gemini API、Google AI Studio、Google Cloud、Google Vids、Google Flow 与 Google Ads 中正式可用（GA）。主要更新包括：原生连续视频生成与编辑时长上限由 10 秒提升至 15 秒；720p 草稿输出价格降至每秒 0.07 美元，较 Gemini Omni 1.1 Flash 降低 30%；强化图像、视频与音频参考输入的一致性，使角色、品牌与产品细节在多镜头切换和多轮编辑中保持稳定；支持通过自然语言多轮对话逐步修改既有片段（如更换环境光线或局部细节），无需从头重新生成整段视频。官方推荐先以 360p 或 720p 快速生成并对话修改，定稿后再放大至 1080p 或 4K；所有生成视频均嵌入 SynthID 水印。

    更长的单段时长、更低的单价与无需整段重生成的对话式编辑同时到位，且模型进入正式可用阶段，降低了 AI 视频批量迭代的门槛。

    查看原始来源 ↗

  2. 2
    PCMag· 11月4日编辑精选 模型

    OpenAI 11 月 4 日向包含免费版在内的全体 ChatGPT 用户及 API 推出 Images 2.6 更新：支持由文字、照片或草图直接生成可调速、可逐帧修改的动态 GIF，可跨对话保存角色与宠物参考形象，整体出图提速约 50%；API 同步上线极速版 gpt-image-2.6-flare 与高精版 gpt-image-2.6-sunburst，并支持 SVG 矢量导出与局部圈选编辑。

    #OpenAI#图像生成#设计工具
    PZO另有 2 家来源
    推荐理由　主流对话式生图工具首次原生打通动态 GIF 逐帧调节、跨会话角色形象复用与 API 端 SVG 矢量输出，并以极速与高精双模型分流草稿与定稿场景。

    OpenAI 于 2026 年 11 月 4 日面向全部 ChatGPT 套餐（含免费用户）及开发者 API 推出 ChatGPT Images 2.6（底层为 GPT-Image-2.6 系列模型）。主要更新包括：一是原生动态 GIF 生成，用户可通过文字提示或上传照片、手绘草图直接生成循环动图，并在生成后调整 0.5x 至 2x 播放速度、查看图层或单独修改某一帧；二是跨对话参考形象保存，用户可将人物、角色或宠物保存为命名参考图，在后续对话中直接调用以保持角色一致性，无需重复上传；三是整体生成速度较上一代提升约 50%。开发者 API 端拆分为两款模型：gpt-image-2.6-flare 侧重低延迟，最快约 6 秒返回图像草稿；gpt-image-2.6-sunburst 侧重画面细节与多轮编辑一致性。API 同时新增 complexity（低/中/高）版式规划复杂度参数、画面圈选局部修改（Markup-Guided Edits）以及 SVG 矢量格式导出。

    主流对话式生图工具首次原生打通动态 GIF 逐帧调节、跨会话角色形象复用与 API 端 SVG 矢量输出，并以极速与高精双模型分流草稿与定稿场景。

    查看原始来源 ↗

  3. 3
    Google DeepMind· 10月27日一手编辑精选 模型

    Google DeepMind 10 月 27 日发布第四代实时世界模型 Genie 4，可在生成画面的同时原生生成环境音、音乐和角色对话，支持用自然语言实时改变天气、摄像机和场景人物；目前以研究预览向受信任测试者开放，生成内容均带 SynthID 水印。

    #Google#3D 与世界模型#视频生成
    GGTA另有 4 家来源
    推荐理由　世界模型输出的是可实时操控、带原生声音的交互环境而非固定视频片段，官方已提到创作者把它当作影视预可视化的快速草稿工具。

    Google DeepMind 于 10 月 27 日发布第四代实时世界模型 Genie 4。模型原生多模态，在生成世界的同时生成环境音、音乐与可交互的角色对话；它建构在 Gemini 家族能力之上，由 Gemini Omni 锚定真实世界的外观与行为，其他 Gemini 模型负责维持模拟的连贯性。用户可用键盘导航与控制摄像机，并在模拟进行中用自然语言实时修改场景，如改变天气、移动镜头或加入新人物与物体；据 Android Authority 报道，单场景连贯时长可达两分钟，为 Genie 3 的两倍。DeepMind 介绍，已有创作者将其作为预可视化与构思的快速「草稿模式」，在实时模拟中反复调整机位、灯光、对白和动作。Genie 4 目前以研究预览形式向受信任测试者开放，后续将先面向 Project Genie 中的 Google AI Ultra 订阅用户以及 Gemini API、Google AI Studio 的早期合作伙伴；所有生成的视频与音频均嵌入 SynthID 水印。

    世界模型输出的是可实时操控、带原生声音的交互环境而非固定视频片段，官方已提到创作者把它当作影视预可视化的快速草稿工具。

    查看原始来源 ↗

  4. 4
    Hugging Face· 10月29日一手编辑精选 模型

    Pika 10 月 29 日发布基于 MiniMax H3（33B）后训练与蒸馏的开放权重视频模型 H3 Flex，将降噪步数从 50 步压缩到 6 步，最快约 7 秒生成 15 秒视频，支持最多 12 个多模态参考输入并同步生成可拆分为 5 轨的 32kHz 立体声，权重已上传 Hugging Face。

    #视频生成#音频与音乐
    HPA另有 2 家来源
    推荐理由　主流视频生成模型多为闭源，H3 Flex 以开放权重形式同时提供 6 步少步数出片、多参考控制与可拆分音轨的同步音频，可在自有算力与 ComfyUI 中直接部署。

    Pika 于 10 月 29 日发布开放权重音视频生成模型 H3 Flex。该模型基于 MiniMax H3（33B 参数）架构，通过美学监督微调、步数蒸馏与偏好优化，将标准 50 步扩散降噪压缩至 6 步；Pika 称生成速度较此前提升约 1.8 倍，在原生 480p/768p（24fps）分辨率下最快约 7 秒可生成 15 秒视频，并可通过托管上采样输出 1080p、2K 与 4K。模型支持最多 12 个多模态参考文件（如最多 9 张图像、3 段动作参考视频及音频样本）以锁定角色、物体、风格与镜头调度；内置 32kHz 原生立体声同步生成，云端 API 支持将音频拆分为人声对白、配乐、音效、拟音与环境声 5 条独立分轨。模型权重与 Turbo LoRA 适配器已按 MiniMax H3 Community License Agreement 上传至 Hugging Face，可直接接入 Diffusers 与 ComfyUI。

    主流视频生成模型多为闭源，H3 Flex 以开放权重形式同时提供 6 步少步数出片、多参考控制与可拆分音轨的同步音频，可在自有算力与 ComfyUI 中直接部署。

    查看原始来源 ↗

  5. 5
    ComfyUI GitHub· 11月4日一手 产品

    ComfyUI 11 月 4 日发布 v0.44.0，加入 MiniMax H3 Max 系列视频编辑合作节点与 H3 开源模型配套支持，新增 ProRes 视频保存（可选色度二次采样）和独立的 VAE 计算 dtype 设置。

    #ComfyUI#视频生成
    CC另有 1 家来源
    推荐理由　MiniMax H3 视频生成与编辑在开源节点工作流中进一步补齐，ProRes 导出让生成结果可以直接进入专业后期流程。

    ComfyUI 于 11 月 4 日发布 v0.44.0。合作节点方面，新增 MiniMax H3 Max 的 Recast、Extend、Reframe、Insert、Lip Sync 与 Camera Control 等视频编辑节点，以及 BFL Flux Video Upscale V2、VEED Dubbing 等视频超分与配音节点；开源模型方面，加入基于 MiniMax H3 的 P-H3-Image 图像模型、H3 潜空间超分模型、Sol-H3-VAE 加载，以及通过重叠上下文窗口生成更长 H3 视频的支持。此外，新增可单独设置的 VAE 计算 dtype 节点，并支持以 ProRes 格式保存视频、可选择色度二次采样方式。

    MiniMax H3 视频生成与编辑在开源节点工作流中进一步补齐，ProRes 导出让生成结果可以直接进入专业后期流程。

    查看原始来源 ↗

  6. 6
    Canva Newsroom· 10月29日一手编辑精选 产品

    Canva 10 月 29 日推出 Brush，这是其首个自研视觉语言模型，专门用于编辑已有设计而非生成图像：模型理解设计结构，通过写代码并执行的 Agent 循环响应文字修改指令。官方称相比前代设计 Agent 编辑速度最高快 69%、单次编辑成本低 46%，目前向 Canva Pro 用户开放。

    #设计工具#智能体与工作流
    CP另有 1 家来源
    推荐理由　继图像模型 Craft 一周后，Canva 又推出专攻设计编辑的自研模型，生图与改图两端都换成自有模型，用文字指令修改版式的方式也随之落进主流设计工具。

    Canva 于 10 月 29 日发布 Brush，这是其首个自研视觉语言模型（VLM），由 Canva Research 构建，专门面向设计编辑任务：Brush 能理解一份设计的组成结构，用户用文字描述修改要求后，模型通过 Agent 循环编写并执行代码来调整设计元素。Canva 称，与此前的设计 Agent 相比，Brush 在通用设计编辑任务上速度最高提升 69%，单次编辑成本降低 46%。模型以一款开源权重模型为底座，在真实设计与编辑任务上做后训练，并结合大规模强化学习。Brush 目前向 Canva Pro 用户开放，可在 Canva AI 的模型下拉菜单中选择；路线图包括 Brand Kit 支持和对图片密集版式的更好处理。Brush 与一周前发布的图像生成模型 Craft 分工互补：Craft 负责生成图像，Brush 负责编辑和调整图像所在的设计。

    继图像模型 Craft 一周后，Canva 又推出专攻设计编辑的自研模型，生图与改图两端都换成自有模型，用文字指令修改版式的方式也随之落进主流设计工具。

    查看原始来源 ↗

  7. 7
    Recraft Blog· 11月2日一手 产品

    Recraft 11 月 2 日上线专属工具 Recraft Logo Maker，以引导式品牌问卷与设计师精选风格替代纯文本提示词，一次输出 4 个品牌标志方向，支持在名片、包装、服饰等实物样机上即时预览并导出可编辑 SVG。

    #图像生成#设计工具
    RR另有 1 家来源
    推荐理由　将标志设计从开放式提示词试错转为结构化品牌信息输入与设计师预设风格组合，并直接串联实物样机预览与可编辑 SVG 矢量导出。

    Recraft 于 2026 年 11 月 2 日发布专属品牌标志生成工具 Recraft Logo Maker（入口 recraft.ai/logo）。不同于在空白对话框中反复编写提示词，该工具采用引导式问答流程：用户依次填写品牌名称、业务描述、标志形态偏好与视觉气质，并从设计师整理的风格库中选择或上传参考图，系统随即调用底层矢量与图像模型同时生成 4 个不同方向的标志方案。在定稿前，用户可不消耗额外积分，即时预览标志在名片、产品包装、服饰及门店招牌等真实物料上的样机效果，最终导出路径干净的可缩放 SVG 矢量文件；若需更细粒度的节点与排版控制，也可转入 Recraft Studio 画布继续编辑。

    将标志设计从开放式提示词试错转为结构化品牌信息输入与设计师预设风格组合，并直接串联实物样机预览与可编辑 SVG 矢量导出。

    查看原始来源 ↗

  8. 8
    Kling AI· 11月4日一手 模型

    快手可灵于 11 月 4 日将轻量高速视频模型 Kling 4.0 Flash 面向全体网页端用户与公共 API 正式开放（GA），支持文生视频、图生视频与 Omni Reference 多模态参考，可快速生成 3 至 20 秒 720p 视频（API 约 0.094 美元/秒），并同步提供 Adobe Premiere 与 After Effects 等工作流插件。

    #快手#视频生成
    推荐理由　继旗舰版 Kling 4.0 之后，面向高频迭代的轻量版全面放开 API 与后期软件插件，便于在正式高分辨率渲染前低成本验证分镜与动作。

    继 10 月中旬全量上线旗舰模型 Kling 4.0 后，快手可灵于 2026 年 11 月 4 日宣布将轻量高速版本 Kling 4.0 Flash 解除年度会员专属限制，面向全体网页端用户开放，并同步上线公共 API、命令行接口及创作套件插件。Kling 4.0 Flash 针对高频概念测试与分镜预演优化，支持文生视频、图生视频与 Omni Reference 多模态参考控制，单次可生成 3 至 20 秒的 720p 视频片段，API 定价约为每秒 0.094 美元，并支持在 Adobe Photoshop、Premiere Pro、After Effects 及 Krea 等多模型工作台中直接调用。

    继旗舰版 Kling 4.0 之后，面向高频迭代的轻量版全面放开 API 与后期软件插件，便于在正式高分辨率渲染前低成本验证分镜与动作。

    查看原始来源 ↗

  9. 9
    Apple Newsroom· 10月27日一手编辑精选 产品

    Apple 10 月 27 日发布 Creator Studio 更新：Final Cut Pro 可在项目内用文字描述生成图像并调整风格，内置 MotionVFX 的色彩分级与 3D 摄像机追踪，并与 Pixelmator Pro 往返编辑；Pixelmator Pro 新增按文字描述编辑图像的 Generate Fill；Logic Pro、Keynote、Pages、Numbers 加入 AI 助手（Beta）。

    #图像生成#视频生成#设计工具
    AA另有 1 家来源
    推荐理由　主流专业剪辑软件把文字生图和 AI 图像编辑做进了原生剪辑与后期流程，生成、修图、调色和追踪可以在同一套工具链里完成。

    Apple 于 10 月 27 日发布 Creator Studio 更新。Final Cut Pro 新增文字生成图像，可在项目内根据文字描述生成图像、快速编辑并调整风格；内置 MotionVFX 插件，可一键选用色彩分级与 3D 摄像机追踪；并与 Pixelmator Pro 支持往返编辑，时间线中的图像可直接送入 Pixelmator Pro 修改后返回项目。Pixelmator Pro 新增 Generate Fill，按文字描述编辑图像，自动匹配周围纹理、透视与光线，同时升级 Super Resolution 超分辨率。Motion 同样内置 MotionVFX 插件，并新增 Displacement 滤镜。此外，转录新增 23 种语言，Logic Pro、Keynote、Pages、Numbers 加入 AI 助手（Beta）。此次更新整合了 Apple 2026 年 3 月收购的 MotionVFX 的技术。

    主流专业剪辑软件把文字生图和 AI 图像编辑做进了原生剪辑与后期流程，生成、修图、调色和追踪可以在同一套工具链里完成。

    查看原始来源 ↗

  10. 10
    GlobeNewswire· 10月23日 案例

    博纳影业出品、Vidu 提供技术支持的约 100 分钟科幻片《三星堆·未来幻境》于 10 月 23 日在中国院线上映，被称为首部获得院线发行许可、演员全部由 AI 生成的超写实电影；首日排片超万场但票房遇冷，制作方称成本超 1000 万元。

    #视频生成#行业与融资
    GCKT另有 3 家来源
    推荐理由　全 AI 生成长片首次走完正式院线发行，排片规模与票房表现之间的落差提供了 AI 影像内容商业接受度的真实样本。

    博纳影业出品的科幻电影《三星堆·未来幻境》于 10 月 23 日在中国院线上映，片长约 100 分钟，由 Vidu 提供 AI 视觉技术支持。按 Vidu 方面发布的新闻稿，该片是首部获得院线发行许可并在全国上映、演员全部由 AI 生成的超写实电影，未使用真人演员或现有演员的数字替身。据法新社来源的报道，影片首日在猫眼平台排片超过 1 万场，但票房明显遇冷；博纳影业称影片耗资超过 1000 万元、近百人历时两年完成，公司负责人承认反响平淡，并将其定位为技术上的探索。

    全 AI 生成长片首次走完正式院线发行，排片规模与票房表现之间的落差提供了 AI 影像内容商业接受度的真实样本。

    查看原始来源 ↗

  11. 11
    ComfyUI GitHub· 10月27日一手 产品

    ComfyUI 10 月 27 日发布 v0.43.0，集成 Comfy-Aimdo 动态显存 KV 缓存优化，将 Kling 4.0、FLUX 3 Max、Ideogram Vector、MOSS-Image 等纳入正式版本标签，并加入支持工作流分支逻辑的 Branch 节点。

    #ComfyUI#图像生成#视频生成
    CA另有 1 家来源
    推荐理由　近期发布的矢量、图像与视频模型以可锁定的正式版本进入节点工作流，加上动态显存管理与分支逻辑节点，搭建多模型生成流程更稳定。

    ComfyUI 于 10 月 27 日发布 v0.43.0。新版本集成 Comfy-Aimdo 动态显存 KV 缓存机制并清理模型预取逻辑，改善高显存模型切换时的内存占用；将此前在主干分支测试的 Kling 4.0、FLUX 3 Max、Fibo 2.0、MOSS-Image Edit，以及 Ideogram Vector 矢量生成、Meshy T2.5、PixVerse V6-Max、Bria 等合作模型节点纳入可锁定的正式版本标签；同时新增支持工作流图条件分支的 Branch 节点。

    近期发布的矢量、图像与视频模型以可锁定的正式版本进入节点工作流，加上动态显存管理与分支逻辑节点，搭建多模型生成流程更稳定。

    查看原始来源 ↗

ESC 关闭