浅译月报
视频与音频模型集中发布
8 月 1 日至 31 日，共收录资讯 48 条，7 月为 125 条。视频模型集中发布：阿里 Wan3.0 全球上线，Google 推出 Veo 3.1 和 Gemini Omni 1.1 Flash，FLUX 3 Video 正式可用，Lightricks 开源 LTX-2.5，Runway 发布研究模型 Solaris。音频方面，MiniMax 开源 Music 3，Adobe Firefly 音频工具全量开放。图像方面，Midjourney V8.2 Edit Mode 全量开放，Google 关闭 Imagen 4 API，OpenAI 宣布关闭 DALL-E GPT。合规方面，EU AI Act 第 50 条于 8 月 2 日生效，MIT CSAIL 发表归因衰减研究。设计软件方面，Anthropic 把 Claude 接入 Adobe、Canva、Blender 等软件。
头条阿里Wan3.0全球正式发布：30秒视频、文档转视频、$0.05–$0.20/秒- 1Gemini Omni 1.1 Flash 发布：40秒视频、首尾帧双锁定、4K分辨率、Draft Mode $0.03/秒Google DeepMind官方
- 2
- 3Runway Solaris：首个界面世界模型，将实时网站与应用UI转化为视频体验Runway官方研究博客
01视频生成模型
本版导读阿里 Wan3.0 全球发布，单次最长 30 秒，可用文档生成视频，另有 Prime 快速变体。Gemini Omni 1.1 Flash 支持 40 秒视频和首尾帧双锁定，Veo 3.1 付费预览把时长升到 120 秒。Lightricks 开源 LTX-2.5，FLUX 3 Video 正式可用。Runway Solaris 把网页和应用界面实时渲染为视频，目前是研究 Demo。
阿里巴巴Wan3.0全球发布，支持最长30秒视频生成、PDF/PPT/Word文档直接转视频，定价$0.05–$0.20/秒
原文 ↗Google发布Gemini Omni 1.1 Flash，支持40秒视频生成、首尾帧双重锁定、4K输出及$0.03/秒的Draft快速模式
原文 ↗Runway发布研究级模型Solaris，定义为界面世界模型（Interface World Model），可将网页和应用UI实时渲染为连续视频体验，目前为研究Demo阶段
原文 ↗Lightricks 于 2026-08-11 开源 LTX-2.5（HuggingFace `Lightricks/LTX-Video-2.5`）：10 秒 720p 视频生成仅需 6.8 秒（单 RTX 4090），支持 4K 输出、同步音频、原生多镜头（multi-shot）叙事；ComfyUI 发布当日 day-0 官方支持（含节点与工作流模板）；商业营收 $10M ARR 以下完全免费。
原文 ↗Black Forest Labs 于 2026-08-05 将 FLUX 3 Video 推送至生产可用（GA）：单次最长 20 秒视频生成，内置原生音频联动输出，Draft 模式定价 $0.06/s（约 ¥0.44/s），首发 1080p（2K/4K 已在路线图）；依托 FLUX API 及授权合作平台接入，ComfyUI Partner Nodes 预计跟进。
原文 ↗Google Veo 3.1于2026年8月5日登陆Gemini API付费预览：视频时长从8秒升至120秒，支持4K分辨率、原生立体声音频全链路生成（对话/音效/环境音）、跨场景角色一致性、竖版9:16，最多3张参考图引导生图到视频；Veo 3.1 Lite专注高并发与快速迭代，同步上线。
原文 ↗MiniMax与fal.ai联合发布H3 Max，相比H3标准版实现35倍推理加速，在Design Arena视频质量评测中位列全球第一
原文 ↗阿里Wan3.0 Prime快速变体上线，定价$0.06–$0.30/秒，支持文字转视频、图像转视频及音频驱动视频生成三类任务
原文 ↗02版权、合规与融资
本版导读MIT CSAIL 在《Nature Communications》发表研究，称扩散模型会让训练数据的归因信号快速衰减。EU AI Act 第 50 条于 8 月 2 日生效，AI 生成内容须带机器可读标记。Anthropic 为所有 Claude 输出嵌入不可见文本水印。Stability AI 完成 7600 万美元 B 轮，三大唱片公司与 EA 参投。
MIT CSAIL发表于《Nature Communications》的研究显示，AI图像生成的多步骤变换机制导致训练数据归因信号快速衰减，使版权追责在技术层面趋于不可能
原文 ↗Stability AI完成$76M B轮融资，环球音乐集团、索尼音乐、华纳音乐及游戏巨头EA联合参投，此轮融资被解读为内容产业对AI公司授权路径的战略背书
原文 ↗Anthropic宣布为所有Claude输出嵌入不可见文本水印，水印在部分编辑后仍可持续存在，用于EU AI Act Article 50合规；标记证明「AI处理过」而非「AI完全创作」，全球用户即时生效。
原文 ↗EU AI Act Article 50（透明度义务）于2026年8月2日正式生效，所有AI生成图像、视频与音频须嵌入机器可读标记；AI视频水印子义务设4个月宽限期至12月2日。
原文 ↗03图像生成与编辑
本版导读Midjourney V8.2 Edit Mode 全量开放，整合 4 图参考与局部重绘。Google 关闭 Imagen 4 API，OpenAI 宣布关闭 DALL-E GPT。新模型有商汤 SenseNova U1.5、Grok Imagine Image 2.0、Qwen-Image-3.0-Pro 等。谷歌地球的 Nano Banana 2 生图功能上线不到 24 小时即下架。
Midjourney V8.2 Edit Mode正式全量开放，在单一界面整合4张参考图输入、画布内绘（inpaint）与外延（outpaint）功能
原文 ↗Google于2026-08-17关闭全部Imagen 4系列API（imagen-4.0-generate-001 / ultra / fast），全线切换至Gemini 3.x图像族（Nano Banana）；API调用方式从专用接口改为通用Gemini content-generation接口（modality=image）；调用Imagen端点的Figma插件/Zapier/Make/n8n及大量小SaaS工具无声停摆；受影响用户须主动迁移端点+重写SDK调用逻辑。
原文 ↗商汤发布SenseNova U1.5-Lite-Preview：8B参数MoT（Mixture of Transformers）架构，核心突破为精准局部编辑（框选区域只改该区域、边缘自然融合）+ 4K原生输出 + 中文风格化，权重已开源，S级5+源齐发。
原文 ↗Recraft发布V4 Styles功能，支持输入1至10张参考图提取视觉风格，生成与参考图高度一致的新图像
原文 ↗OpenAI 宣布 8月30日关闭 ChatGPT 内的官方 DALL-E GPT，所有图像生成入口统一迁往「ChatGPT Images」（基于 gpt-image-1 和 gpt-image-1-mini）。
原文 ↗xAI于8月7日正式发布Grok Imagine Image 2.0，以设计工作流为核心：最多5张参考图联合输入（一步合成免手动拼接）、区域Magic Wand精准编辑（只修目标区域）、前/背景精确分离+透明背景PNG导出；同时优化密排文字、版式、图标、游戏资产等密集布局渲染；发布日在两项主流图像Arena中排名全球第二（文生图+图像编辑双榜）。
原文 ↗阿里在 Qwen-Image-3.0（7月21日发布，已入池）基础上推出 Pro 版本，重点强化 10px 文字渲染精度（毛孔/发丝/微表情细节），注入更丰富的世界知识（地标/品牌/符号可信度），Qwen 团队自评全球排名第五。
原文 ↗谷歌地球嵌入Nano Banana 2模型，允许用户用文字指令修改真实地理影像（支持2K/4K输出+精准文字渲染），但因用户生成逼真「灾难场景」并在社媒传播，上线不到24小时紧急下架。
原文 ↗04音频与音乐
本版导读MiniMax 开源 Music 3，输入歌词和风格描述可生成最长 5 分钟的完整歌曲，最低 8GB 显存可本地运行。Adobe Firefly 的音乐、配音、音效三个工具于 8 月 20 日向所有用户开放，均为商业授权。Pika 推出视频配音模型，按画面语义和节奏同步生成音效、环境声与音乐。
MiniMax于8月13-14日发布MiniMax Music 3开源权重——首个「产品级」AI音乐生成模型，给定歌词+风格描述即可输出最长5分钟结构完整的歌曲（人声+乐器+编曲）；8B Global LLM（基于Qwen3-8B）把控全曲语义进程，0.6B Local LLM精修声学细节；32kHz 16bit立体声输出，最低8GB显存可本地运行，权重已上HuggingFace与GitHub；ComfyUI v0.33.1（08-13）同步集成。
原文 ↗Adobe Firefly 音频工具（Generate Music / Generate Speech / Generate Sound Effects）2026年8月20日正式对所有用户全量开放；三工具均为商业免许可证授权，Generate Music由Firefly Music Model驱动可生成与视频时长/情绪匹配的原创音乐，Generate Speech支持ElevenLabs可选模型+情绪/语速调节，Generate Sound Effects根据视频节奏自动同步音效；同日新增Gemini Omni Flash为合作伙伴模型。
原文 ↗Pika推出专属视频配音模型，分析视频画面语义和节奏后同步生成音效、环境声和音乐底层，无需手动对口型或检索素材库
原文 ↗05设计软件与 AI 助手
本版导读Anthropic 发布 Claude for Creative Work，接入 Adobe、Canva、Blender、Autodesk 等六款以上创意软件，并在 Claude Code 推出 /design 命令预览。Adobe 在 ChatGPT 内上线免费插件，整合 70 多个工具。Figma 新增可拆卸 AI 对话面板，并向所有用户开放 Agent Skills 创作权限。
Anthropic发布「Claude for Creative Work」专项功能集，将Claude深度接入Adobe、Canva、Blender、Autodesk等六款以上创意软件，并与三所艺术学校开展课堂测试合作，标志着AI助理进入「内嵌于设计师日常工具」阶段。
原文 ↗Figma推出可拆卸AI对话面板、矢量路径橡皮擦及区域智能填色三项新功能，进一步整合AI辅助能力至核心设计工作流
原文 ↗Anthropic在Claude Code中推出/design命令研究预览版，开发者可在编码会话内通过自然语言描述生成UI画板并直接导入代码流
原文 ↗Figma向所有用户开放Agent Skills创作权限，设计师可编写自定义工作流技能并发布至社区，截至9月社区已积累50+可用技能
原文 ↗Adobe在ChatGPT内上线免费统一插件，整合Photoshop/Firefly/Express/Premiere/Lightroom/Illustrator/InDesign/Acrobat/Adobe Stock共70+工具；任意ChatGPT对话中@Adobe即可调用，无需Creative Cloud订阅（免费Adobe账号即可使用Firefly文生图/文生视频）；同步宣布接入Claude与Microsoft Copilot，Slack/Google Gemini列入计划。
原文 ↗Adobe推出Firefly Interfaces beta，提供企业级UI支持单次批量生成最多500个视觉资产，面向品牌营销和内容团队
原文 ↗Claude Design等AI原生设计入口对以Figma为代表的传统SaaS设计工具形成竞争冲击，引发设计工具格局重构的行业讨论
原文 ↗06视频编辑与角色动画
本版导读Runway 发布视频调色模型 Ruby，按自然语言描述做色彩分级。BFL 的 FLUX Video Upscale 可把视频放大 1.5 至 3 倍，最高 4K。腾讯 CoinVE-Edit 单次推理完成 2–5 处局部修改。阿里 Wan-Animate-2 以 Apache 2.0 开源。清华与港科大的 LiveEdit 实现 12.66 FPS 实时编辑，已被 ECCV 2026 接收。
Runway发布Ruby专用视频调色模型，通过自然语言描述（如「70s胶片感」「清晨蓝调」）执行专业级色彩分级，理解光线情绪与时代氛围
原文 ↗Black Forest Labs发布FLUX Video Upscale，支持对已生成视频进行1.5x至3x超分辨率处理，最高输出4K，提供质量优先和速度优先双模式
原文 ↗腾讯发布CoinVE-Edit，22B参数视频编辑模型，区域感知架构支持单次推理同时完成2-5处独立局部修改
原文 ↗阿里通义 Wan-Animate-2（14B Diffusion Transformer）8月7日以 Apache 2.0 协议开源：直接吃原始视频潜变量，省去骨架姿态提取，Lite 版 24fps 可实时运行；内置 ComfyUI 原生节点，开箱即用；盲测超越可灵 MotionControl，适用于时尚服装动态展示、叙事插画角色演绎、虚拟主播与 Avatar 动作捕捉迁移等场景。
原文 ↗清华×港科大联合提出LiveEdit，通过三阶段渐进蒸馏将双向扩散Transformer的视频编辑能力迁移至因果流式编辑器，仅需4步去噪即可实现12.66FPS实时逐帧视频编辑；ECCV 2026接收。
原文 ↗07征集与赛展
- CHI 2027 国际人机交互会议征稿（学术会议）ACM SIGCHI · 截止 9月10日
- 第13届 INNODESIGN PRIZE · INNO AIGC 设计奖INNODESIGN PRIZE（北京环艺国际展览） · 截止 9月15日
- 第二届「复新」全球大学生智能影像创作大赛复旦大学新闻学院 · 截止 9月20日
- 2026 常宝 AI 短剧季常州市新闻传媒中心 · 截止 9月30日
（本期完）
条目均来自本站已发布资讯，链回原卡片与原始来源；导读与本版导读为编辑汇编，不含评价。全部资讯 →