跳到正文

技术方向

图像生成 最新动态

AI 画图与修图：文生图模型更新、图像编辑能力与创作工具。

150 条精选近 30 天 10 条共收录 1,201 条

更新

精选归档 · 第 3 页

7月10日周五第 41–60 条
  1. Elon Musk68

    Elon Musk 转发用户 @0x0funky 对 Grok Build 的称赞。该用户称 Grok Build 是目前唯一集大成的 coding agentic workflow，内建图像生成和图片生视频功能，生图速度快且品质不输 Codex。Agent 可直接完成图像与视频生成，无需额外串接 MCP 或外部服务。用户结合 Agent Sprite Forge 工具，利用 Grok Build 的视频生成能力，先产出 6 秒角色动作视频再反编译为 game sprite，大幅减少对齐问题，制作 2D 横版游戏耗时不到 30 分钟，而此前用 Codex 需 1-2 小时且品质更优。

    引用0xFunky@0x0funky

    Grok Build is crazy. 先不管GPT-5.6是不是release到底好不好用。 先來大大稱讚一下 @grok 的 Grok Build，目前唯一集大成的 coding agentic workflow。 Grok Build 內建 Image 生圖，甚至還有圖片生影片的功能，生圖速度真的快到不行，圖片品質也完全不比 Codex 差。 更厲害的是，因為 Grok Build 本身就內建生圖和生影片能力，agent 可以直接完成圖像與影片生成，不需要再額外串其他 MCP 或外部服務，只要訂閱 Grok，就可以把這整套 creative coding workflow 跑起來。 我在 Agent Sprite Forge 上面也新增了Grok專用的 video2dsprite，因為 Grok Build 內建影片生成，現在可以先生成一段連續的 6 秒角色動作影片，再反編譯成 game sprite，這樣做出來的角色元素圖會非常順，而且大幅減少之前常見的對齊問題。 Grok Build搭配 Agent Sprite Forge 真的超好用，我做完這個2D橫向卷軸遊戲總共花了不到30分鐘... 之前叫Codex做，光生圖就要花不少時間，要做成這樣的遊戲大概需要1~2小時，重點是Grok的品質還比Codex做的還要更好... @elonmusk Grok Build is crazy. Grok Build + Agent Sprite Forge feels like the future of agentic game development.

    推荐理由：这个 Grok Build 加 Agent Sprite Forge 的工作流把做 2D 游戏的时间压到了 30 分钟，之前要 1-2 小时，而且品质更好，独立游戏开发者可以直接抄作业。

7月8日周三
  1. 字节 Seed：Research Feed68

    字节跳动发布 Seedream 5.0 Pro，强化复杂信息可视化与精准编辑能力

    字节跳动正式发布多模态图像创作模型 Seedream 5.0 Pro。该版本在图文匹配、结构合理性及文字渲染上全面提升，核心突破包括：支持高密度数据与概念的专业排版可视化；基于空间位置理解的交互式精准编辑（如点选、图层分离、多图融合）；还原真实光影与人像质感；以及原生支持十余种语言的输入与本地化特征生成。目前已在火山方舟、豆包及即梦上线体验。

    推荐理由：展示了 AI 图像生成从“好看”向“可用”的进阶，特别是其解决复杂信息图表生成和像素级局部编辑的能力，对专业设计工作流有显著价值。

  2. Krea66

    Krea 2 的身份保留功能已发布，配套模型和 ComfyUI 节点也已上线。🔥

    引用Brie Wensleydale🧀🐭@SlipperyGem

    这正是我渴望的那种 ID 保留类功能。 我明天要出行，所以没法测试它。我很好奇它在风格化角色上的效果如何…… https://huggingface.co/conradlocke/krea2-identity-edit https://github.com/lbouaraba/comfyui-krea2edit

    推荐理由：Krea 2的ID保持终于被社区做出来了，附带ComfyUI节点，想稳定控制角色一致性的人可以立刻用起来。

  3. AI at Meta75

    Meta Superintelligence Labs 发布首个媒体生成模型 Muse Image 和 Muse Video。Muse Image 是目前最先进的图像生成模型，能精确遵循指令、精准编辑、多参考构图，并利用 Instagram 社交上下文。它还具备智能体工具使用能力并集成 Muse Spark。用户可通过 Meta AI 应用、网页、Instagram Stories 和 WhatsApp 试用，初始限于部分国家。Muse Video 基于相同预训练基础，实现高视觉保真度并原生支持音频。

    推荐理由：Meta 超级智能实验室的首个媒体生成模型，把图像生成跟 Instagram 社交语境结合听起来很实用，但细节还少，期待后续实测。

7月3日周五
  1. 公众号：京东JoyAI65

    JoyAI App上线UGC数字人功能，一张照片即可“捏”出专属虚拟玩伴

    JoyAI App正式上线UGC数字人功能，用户上传一张照片即可生成高度还原的写实数字分身，或搭配模板重塑为卡通形象，并支持复刻音色。该功能复用“万能博士”技术底座，实现全双工对话能力，可随时打断、自然接话，同时提供点外卖、金融咨询等生活服务。

    推荐理由：照片生成数字人并不新鲜，但把全双工对话和京东生活服务（点外卖、金融咨询）集成进一个虚拟玩伴，让陪伴型智能体有了更直接的服务抓手。

7月1日周三
  1. Apple：Newsroom66

    Apple Creator Studio 更新：更智能、更快速、更互联

    Apple Creator Studio 推出多项 AI 增强更新。Final Cut Pro 新增 on-device AI 驱动的 Generate Captions（自动转录音频生成字幕）和 Edit Detection（自动检测剪辑点）。Mac 版加入 Auto Mask（自动识别皮肤、天空等主体）、增强的 Match Color 和 Advanced Trimming。支持将帧发送至 Pixelmator Pro 编辑，并在 Keynote、Pages、Numbers 中直接调用 Pixelmator Pro 修改图片。Logic Pro 新增 Grammy 制作人制作的 Producer Project 及 Chord ID 改进。订阅价 $12.99/月或 $129/年，新用户免费试用一个月，教育用户 $2.99/月。

    推荐理由：Final Cut Pro 的自动字幕和遮罩是实打实的工作流提升，Pixelmator Pro 的深度整合也让设计更顺畅，虽然没有颠覆性突破，但创意工作者今天就能用上。

  2. Google DeepMind：Blog70

    Google DeepMind 发布 Nano Banana 2 Lite 和 Gemini Omni Flash

    Google DeepMind 推出 Nano Banana 2 Lite（gemini-3.1-flash-lite-image），为 Nano Banana 系列速度最快、成本最低的图像模型，文本到图像输出仅需 4 秒，每 1K 分辨率图像成本 $0.034，已上线 Google AI Studio、Gemini API 及消费者产品（AI Mode in Search、Gemini app 等）。同时推出 Gemini Omni Flash（gemini-omni-flash-preview），支持高画质视频生成与对话式编辑，视频输出定价 $0.10/秒，面向开发者开放 API。

    推荐理由：Nano Banana 2 Lite 把图像生成拉到 4 秒延迟和 0.034 美元单价，很适合高频草稿流，Omni Flash 首次对开发者开放视频生成和对话编辑，两个模型串起来的快速迭代工作流是这次最实用的更新。

6月26日周五
  1. Midjourney67

    Midjourney 带来两项更新。一是加入 `--preview` 参数可提前体验 V8.2 的美学与个性化效果；二是此前在 V8.1 推出的大批量草稿模式（生成 24 张低分辨率图，价格仅为标准 4 张的一半，点击 "Vary" 可升级为全分辨率）现在支持搭配 `--sref random` 使用，探索风格空间的速度比之前快 24 倍。

    引用Midjourney@midjourney

    我们为 V8.1 发布了一个新的大批量草稿模式。这个新模式可以让你生成 24 张较低分辨率的图像，价格仅为标准分辨率 4 图 Midjourney 任务的一半。当你喜欢某张图像时，只需按下 "Vary" 即可获得全分辨率的新版本。享受吧！

    推荐理由：新草稿模式让批量探索风格变得便宜又快速，配上 sref random 更是把试错效率拉满，设计师能直接用到工作流里。V8.2 预览只是小彩蛋，但暗示美学调校还在进化。

6月25日周四
  1. 公众号：京东JoyAI62

    JoyAI 上线「欢乐足球季」：上传一张照片即可生成赛场动态视频

    JoyAI APP 上线「欢乐足球季」主题活动，用户上传一张人像照片即可生成沉浸式赛场动态视频，支持肢体动作拟合、环境动态渲染与专业运镜。活动提供近 20 款视频模板，覆盖看台抓拍、进球庆祝、足球手势舞等玩法，并同步上线近 50 款足球主题聊球智能体。上线首周互动量日均增长率超 158%。

    推荐理由：模板覆盖看台、进球、手势舞等场景，无需编辑技能即可产出氛围感短片，对丰富观赛社交内容有直接帮助。

6月24日周三
  1. Krea71

    我们的技术报告已发布。 深入解析创建 Krea 2 所用的数据、架构及训练技巧。 https://www.krea.ai/blog/krea-2-technical-report

    引用Krea@krea_ai

    今天，我们发布了 Krea 2 的开放权重。 欢迎 Krea 2 Raw 和 Krea 2 Turbo，一个来自训练中期的未蒸馏模型，旨在用于微调，以及一个具有广泛美学多样性的快速蒸馏版本。 阅读下面的详细信息 👇

    推荐理由：Krea 2 开源了两个图像模型权重，一个未蒸馏适合微调，一个快速蒸馏版覆盖多样审美。对于做图像生成应用和模型融合的团队，这次开放权重比很多大厂都实在。

6月21日周日
  1. 公众号：腾讯元宝64

    腾讯元宝父亲节活动：上传照片生成与年轻爸爸的合影

    腾讯元宝推出父亲节主题活动，用户可选择爸爸年轻时照片与自己的照片，输入提示词（如“帮我生成一张和爸爸的合影，将图2的我融合到图1爸爸的照片中，我想穿越回__年前，和他一起_____；保留爸爸照片的背景、动作及五官；人物姿态自然协调，整体光线与色调保持一致”），元宝即可生成合影。活动旨在让用户“回到过去”看到爸爸的青春模样。

    推荐理由：元宝的父亲节营销，但合影生成指令写得具体可复现，比普通AI写真教程更接地气，父亲节想整活的可以直接抄作业。

6月18日周四
6月17日周三
  1. Midjourney：Updates66

    Midjourney V8.1 推出 Draft mode 草稿模式与新功能预览

    Midjourney V8.1 的 Draft mode 草稿模式每次生成24张低分辨率低质量图片。用户可对任意图片点击 "Vary"，将其渲染为全质量、全分辨率版本。草稿任务消耗的快速小时数减半。

    推荐理由：这是我最近看到最实用的 Midjourney 更新，草稿模式半价生成 24 张低质量图，快速筛选后再渲染，直接降低试错成本。

6月16日周二
  1. TechCrunch：AI71

    Meta 在 Facebook 上线“AI Mode”，基于平台公开信息合成答案

    Meta 宣布在 Facebook 推出“AI Mode”搜索功能，利用 Meta AI 从公开帖子（含群组和 Reels）提取信息并合成答案，用户可用自然语言提问获得摘要。同时新增视频拼贴剪辑、过渡效果及 AI 照片预设（可更换服装、发型和配饰），体育迷可在 Stories 中点击“AI Edit”虚拟穿上队服。这些更新延续了此前动态头像、Marketplace 自动回复和创作者 AI 助手的部署节奏。此外，Meta 近期启动了 Facebook、Instagram 和 WhatsApp 的全球订阅计划（每月 3.99 美元起），更多 AI 订阅层级正在规划中。

    推荐理由：Facebook 的 AI 模式把社交搜索变成问答，想法不新但执行够快，对普通用户吸引力大，只是答案来自群聊，可靠性是个坑。配套的 AI 照片编辑也让玩梗更方便，Meta 在拼命给 Facebook 塞 AI 留住用户。

6月12日周五
6月11日周四
  2. Midjourney：Updates64

    Midjourney V8.1 已成为默认模型

    Midjourney 已将默认模型从 V7 升级为 V8.1。V8.1 在智能性、连贯性、对详细提示的遵循度以及文本渲染效果上均有提升，HD 模式也已支持。

    推荐理由：虽然V8.1不是大版本，但设为默认后所有用户自动升级，尤其是文本和复杂提示词的理解增强，做设计的朋友值得重新测试一下关键词。

6月10日周三
  2. Fei-Fei Li78

    创意和想象力无与伦比！非常感谢@theworldlabs能与@withloreco的优秀人才合作，将他们不可思议的想法转化为用户可以享受的互动体验！🤩

    引用World Labs@theworldlabs

    我们将梦想化为世界。 然后用历史上最伟大的头脑填满它们。 不是视频。而是一个世界，直接在你的浏览器中运行。走进来 ↓

    推荐理由：World Labs把生成式空间智能做成了可走进的浏览器世界，不是看视频而是和历史伟人互动，技术想象力和产品落地都够惊艳，做虚拟世界和交互叙事的人值得直接点进去体验。

6月9日周二
  1. TechCrunch：AI73

    苹果刚刚教会你的iPhone补全句子、完善照片和简化工作流程

    Apple为Safari、Shortcuts和Password应用添加了AI驱动的新功能，让iPhone能够自动补全句子、完善照片和简化工作流程。

    推荐理由：WWDC 2026 的 Apple Intelligence 更新不是颠覆性突破，但 Safari 标签管理、跨应用上下文和 Shortcuts 的 AI 创建让 AI 真正渗透到日常使用中，是所有苹果用户都该看看的实用升级。