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。

151 条精选近 30 天 14 条共收录 1,172 条

更新

精选归档 · 第 5 页

5月28日周四第 81–100 条
  1. Black Forest Labs:Blog61

    Black Forest Labs 发布 FLUX VTO 虚拟试穿模型

    Black Forest Labs 发布 FLUX VTO,面向商品目录级规模的虚拟试穿,现已公开可用,并提供免费 BFL Shop Demo 和 FLUX MCP 接入。

    推荐理由:原文给出速度、保真和成本三项指标及使用限制,读者可以判断虚拟试穿能否进入真实电商流程。

5月22日周五
  1. Elon Musk73

    Grok 进展 Grok Imagine Agent Mode 现已在 Grok iOS 应用上推出。 借助 Agent Mode,你可以生成: • 跨代际一致的角色 • 同一角色的多场景画面 • 不同的镜头角度和环境 • 更具电影感和连贯性的叙事视觉效果 这是角色一致性和 AI 生成叙事方面的一次重大升级。 现在就在 Grok iOS 应用中尝试吧。

    引用X Freeze@XFreeze

    Grok Imagine Agent Mode 现已在 Grok iOS 应用上线 借助 Agent Mode,你可以生成: • 跨多次生成保持一致的角色 • 同一角色的多个场景 • 不同的镜头角度和环境 • 更具电影感且连贯的叙事画面 这是角色一致性和 AI 生成叙事方面的一次重大升级 现在就在 Grok iOS 应用里试试吧

    推荐理由:Grok Imagine Agent Mode把角色一致性从「抽卡」变成可控流程,做故事板、漫画创作的可以立刻上手,虽然目前仅限iOS,但这一步方向很对。

  2. 美团 LongCat:HuggingFace 新模型73

    LongCat-Video-Avatar-1.5:升级版音频驱动数字人视频生成框架

    美团LongCat团队发布了LongCat-Video-Avatar-1.5,一个专注于音频驱动数字人视频生成的开源框架。其核心升级在于采用Whisper-Large音频编码器,显著优化了唇部动态的流畅度与自然度。该版本实现了精准的唇形同步、全身时序稳定性以及长视频中的身份一致性,并能泛化应用于动漫、动物及多人交互等复杂场景。通过基于DMD2的步蒸馏技术,模型仅需8步即可高效推理。团队还构建了一个涵盖多场景、多语言的人工评估基准,通过大规模主观评分与专家分析,验证了其在多项关键维度上的优异性能。

    推荐理由:美团把数字人模型升级到1.5版,换了Whisper做音频编码,唇形同步比之前自然不少,而且开源了训练代码,做电商直播和虚拟博主的朋友可以直接拿过来跟商业方案掰手腕。

5月21日周四
  1. Midjourney69

    今日小幅更新。许多用户要求为V8模型恢复“反向提示”功能(旧版本已有),我们称之为--no标志。该功能现已在V8.1中上线!如果您想从图像中排除某些元素(例如人物),可以尝试使用--no people。玩得开心!

    推荐理由:Midjourney 把老版本的反提示词带回到 V8.1 了,用 --no 就能剔除画面中不想要的东西,受够了多余路人甲的用户终于可以一键清场。

5月20日周三
5月19日周二
5月18日周一
5月17日周日
5月16日周六
5月15日周五
5月14日周四
  1. Krea73

    Krea 2 访问码发放! K2-PRFUF8 / K2-NRWW9E / K2-CAP48S – 每个码可使用50次。 访问链接如下 👇 [引用 @krea_ai]:this is Krea 2. our first foundation model, built completely from scratch for aesthetic diversity and stylistic control. learn more and get early access 👇

    引用Krea@krea_ai

    这是 Krea 2。 我们的第一个基础模型,完全从零构建,专注于美学多样性与风格控制。 了解更多并获得抢先体验 👇

    推荐理由:Krea 从套壳到自研模型这一步走得关键,专攻美学多样性和风格控制,对设计师来说是个值得立刻上手试的新选择。

5月12日周二
5月11日周一