Meta 发布 Muse Image 和 Muse Video 两款媒体生成模型。Muse Image 为目前最先进的图像生成模型，核心特点是 Agent 式工作流：能调用工具、自我优化、通过缩放测试时计算改进，并利用 Instagram 社交上下文辅助生成。Muse Video 基于相同预训练基础，具备原生音频支持，视觉保真度高。Muse Image 已在 Meta AI 应用、网页、Instagram Stories 和 WhatsApp 中有限国家开放试用。
Meta 首批媒体生成模型，Agent 式工作流能自我优化，做视觉和短剧的可以蹲实测看指令遵循和编辑精度。
点击打开原文，能否访问取决于网络环境
Meta 发布首个图像生成模型 Muse，具备代理能力：与 Muse Spark 配对，在生成前通过提示进行推理、搜索网络并规划，旨在提升首次生成成功率。现已上线 Meta AI 应用。
Meta 首个原生图像生成模型，带 Agent 推理和联网搜索，做视觉和短剧的可以上手测一轮，看提示理解力和出片一致性。
点击打开原文，能否访问取决于网络环境
OpenAI 推出 gpt-realtime-2.1 和 gpt-realtime-2.1-mini 两款实时语音模型。mini 版专注低延迟语音交互，支持工具调用和可配置推理力度，定价与上代持平。2.1 版改进了字母数字识别、静音处理和中断行为。两类模型均通过 Realtime API 提供，p95 延迟因缓存改进至少降低 25%。缓存音频输入价格大幅优惠：mini 版缓存 $0.30/1M，非缓存 $10.00/1M。推理能力使模型可在工具调用前说出前置话语，保持多步对话连贯性。
OpenAI 把推理能力塞进实时语音模型，延迟降 25% 以上，做 AI 配音、虚拟角色对话、实时字幕的可以直接接 API 测一周，多步对话连贯性提升明显。
DeepSeek V4 发布两个变体，均支持百万级上下文窗口。@kimbochen 详解了注意力机制的变化和 Mega MOE 加速计算架构。百万上下文意味着模型可一次性处理超长剧本、小说或完整项目文档，对 AI 编程、长文本 Agent 和需要全局上下文的创作工作流有直接价值。
DeepSeek V4 百万上下文双变体，注意力机制和 MOE 加速是看点。做 AI 编程和长文本 Agent 的可以跟进实测，看长上下文对创作工作流的影响。
点击打开原平台查看，能否访问取决于网络环境
Cloudflare 推出 Monetization Gateway，基于开源 x402 协议激活 HTTP 402 状态码，实现 AI Agent 按调用次数或 token 量微支付。支付内嵌 HTTP 交互，无需注册或 KYC，用稳定币亚秒级结算，支持千分之一美元级交易。AI 爬虫请求时服务器返回 402 附带定价，支付后重试获取内容。Cloudflare、Visa、AWS 等已共建生态，目前开放候补名单。
Cloudflare 把 HTTP 402 变成真能用的微支付协议，AI Agent 每次调用按 token 计费、亚秒级结算。做 AI 工具链和 Agent 工作流的可以研究这套计费逻辑，未来可能成为 AI 内容调用的标准支付层。
点击打开原平台查看，能否访问取决于网络环境
NVIDIA 发布 Audex（Nemotron-Labs-Audex-30B-A3B），统一音频-文本大语言模型，MoE 架构总参 30B 每 token 激活 3B，支持 1M 上下文。能理解并生成语音与非语音音频，同时保持骨干模型的文本智能（MMLU-Redux 86.4）。语音识别词错误率 6.82，优于 Step-Audio-R1.1-33B 和 Qwen3-Omni-30B-A3B-Thinking。模型权重以非商业许可发布。
NVIDIA 把音频理解和生成塞进一个 30B 模型，语音识别和文本推理能力都不弱。做 AI 配音和音频后期处理的可以关注，非语音音频生成也是新能力点。
点击打开原文
PixVerse 推出 Team Ultra 团队计划，每席位 25K 积分、视频模型 40% 折扣、无限图像生成、非高峰期免费、12 个并发生成/席位，价格与个人 Ultra 相同，面向大规模创作团队。
PixVerse 出了团队版，价格跟个人 Ultra 一样但多了协作席位和并发生成，做短剧和批量出片的团队可以算算账，看能不能省一笔。
点击打开原平台查看，能否访问取决于网络环境
Notion 发布 iOS 版 Notion Agents 应用，支持语音便签、餐巾纸草图拍照、深夜提问等输入方式，由 AI Agent 自动处理并整理到工作台，定位为口袋中的代理团队。
Notion 把 AI Agent 塞进 iOS 应用，支持语音便签、草图拍照、深夜提问，自动整理到工作台。做 AI 短剧和项目管理的可以装起来用，省掉手动整理素材的环节。
点击打开原平台查看，能否访问取决于网络环境
路透社独家爆料，中国正酝酿前沿AI模型出口管制，字节、阿里、智谱等头部公司已参与讨论。不止闭源模型，开源权重也可能纳入限制，技术泄露定为国安罪名，外资投资AI初创也将收紧。目前尚未正式落地，但方向明确。
路透社独家爆料，中国正酝酿AI模型出口管制，字节、阿里、智谱等已参与讨论。做AI短剧和视觉的暂时不用慌，但搞AI工具集成和跨境合作的制片人得留意政策风向。
点击打开原文，能否访问取决于网络环境
PixVerse 官方宣布将于 7 月 9 日举办线上直播活动，主题为创作者、营销人员及电商品牌如何用 PixVerse 快速将创意转化为成片。活动免费，面向美国用户，时长 1 小时，并设有 5000 积分抽奖。
PixVerse 官方线上活动预告，有 5000 积分抽奖，想了解平台最新玩法或拿免费额度的可以蹲一下。
点击打开原文，能否访问取决于网络环境
Google 宣布 Gemini API 的 Managed Agents 功能包正式上线，新增后台任务执行、远程 MCP（Model Context Protocol）支持等能力，允许开发者构建可长时间运行、跨工具调用的 AI Agent 工作流。该功能包面向自动化任务编排和工具链集成场景，已开放 API 调用。
Google 给 Gemini API 的 Managed Agents 加了后台任务和远程 MCP 支持，做 AI 工作流编排和 Agent 集成的可以直接接 API 测一周，看自动化深度够不够用。
点击打开原文
Anthropic 宣布 Claude Cowork 功能即将登陆移动端和网页端，支持跨设备异步任务：用户在桌面端给 Claude 分配任务后，可合上电脑离开，任务在云端继续执行，完成后通过手机端获取结果。Beta 版将在未来几周内逐步推出，优先面向 Max 计划用户。
Claude 的异步任务模式，适合做 AI 短剧和工具链整合的团队：电脑端派活、手机端收结果，不用守着进度条。
点击打开原平台查看，能否访问取决于网络环境
Recraft 官方宣布上线矢量编辑器（Vector Editor），支持在 Recraft Studio 内直接调整路径点、曲线和颜色，完成后可直接导出。该功能补全了 AI 生成矢量图后的精细编辑环节，无需再切换到传统矢量软件。
Recraft 终于补上了矢量编辑功能，做 AI 视觉和美术的可以直接在 Studio 里调曲线和颜色，不用再切回 Illustrator 了。
点击打开原平台查看，能否访问取决于网络环境
Claude AI 新增提示词队列功能，用户可在 Claude 界面中一次性排队多个提示词，系统按序自动执行。该功能对需要批量生成、多轮测试、脚本分镜逐条输出的创作者和开发者有直接效率提升，无需手动逐条输入或借助第三方自动化工具。
Claude 终于支持提示词队列了，做批量脚本、短剧分镜、多轮测试的可以省掉手动排队的时间，直接挂后台跑一晚上。
Meta 的 Muse Image 模型新增功能：支持在提示词中交替使用文本描述和多个参考图像，实现更灵活的视觉生成控制。该功能已上线 meta.ai 平台，可直接试用。
Meta 的 Muse Image 支持在提示词里混用文本和多张参考图了，做视觉开发和角色设计的可以上手试一下风格融合效果。
点击打开原文，能否访问取决于网络环境
HeyGen 推出新功能：粘贴网站链接即可自动生成视频，首次免费试用。该功能面向产品发布和营销场景，可快速将网页内容转化为视频素材，降低视频制作门槛。
HeyGen 新功能：贴个网址自动出视频，做短剧和营销片的可以试试看能省多少前期素材整理时间。
点击打开原平台查看，能否访问取决于网络环境
Fish Audio 官方宣布上线「Audio Separation」音频分离功能，用户可直接在平台内从音频中提取任意声音（人声、环境音、乐器等），无需外挂第三方工具。该功能面向配音、后期、声音设计等场景，目前已在 Fish Audio 平台开放使用。
Fish Audio 上线音频分离功能，后期和声音团队可以直接在平台内抽人声、环境音、乐器，省掉外挂工具这一步。
点击打开原平台查看，能否访问取决于网络环境
PixVerse 上线新功能：AI 虚拟角色 Reina 可更换不同队伍服装，并自动生成应援视频。用户选择队伍颜色后，角色换装并输出一段加油视频。功能偏向轻量级互动场景，适用于虚拟偶像、粉丝运营、短剧 IP 角色换装等场景。
PixVerse 给 AI 虚拟角色加了个换队服应援的功能，做虚拟偶像和短剧 IP 的可以看看角色换装和生成视频的流畅度。
General Intuition 与 Kyutai Labs 联合构建的 MIRA 是一个可玩、多人的世界模型，基于 10k 小时机器人数据训练，学习四玩家游戏动态，根据按键实时生成画面，帧率达 20 FPS，被形容为“火箭联盟的梦”。Epic Games 提供协作。演示、技术报告及开源代码已公开。
20 FPS 实时生成可交互的多人游戏画面，做 AI 实时渲染和交互叙事的可以拉技术报告看模型架构和训练数据。
新片场编辑精选教程，11 分钟视频讲解如何用 Veo3 保持 AI 生成角色的视觉一致性，涉及角色设定、镜头衔接、风格锁定等关键步骤。
做 AI 短剧和角色 IP 的可以拉片看 Veo3 的角色一致性工作流，11 分钟教程够细，直接套用试试。
用户 @lostinlatencyX 用 Krea 2 Large 和 Krea 2 Medium 两个模型，各训练近 100 张图片，锁定 PS1 时代低多边形（low-poly）视觉风格。展示了通过大量训练素材让模型稳定输出特定复古游戏画风的方法。
用 Krea 2 训练近 100 张图锁定 PS1 低多边形风格，做视觉和风格定调的可以直接套用这个工作流思路。
点击打开原文，能否访问取决于网络环境
Claude 开发者官方分享两种多智能体模式：Advisor 模式（Sonnet 5 执行 + Fable 5 顾问）在 SWE-bench Pro 上达约 92% 性能、63% 成本；Orchestrator 模式（Fable 5 编排 + 多个 Sonnet 5 worker）在 BrowseComp 上达约 96% 性能、46% 成本。两种模式均有具体成本/性能数据对比。
Claude 官方分享的两种多智能体编排模式，有具体成本/性能数据对比。做 AI 工作流编排和 Agent 架构的可以直接套用这个模式跑自己的任务，省掉自己试错调参的时间。
点击打开原文，能否访问取决于网络环境
安踏集团与火山引擎合作，基于Lumina平台及Seedream、Seedance、Seed系列模型，推出“灵犀穿搭大模型”。该模型实现智能穿搭推荐、虚拟试衣试鞋及创意海报视频生成，在主流电商平台试运行中，转化率提升超10%，退货率下降超10%，版型与材质还原度超90%，内容制作周期从数天压缩至几分钟，成本下降80%。模型依托安踏近6年百万组产品数据训练，在穿着贴合感、材质质感、清晰度、光影自然度、细节保真度、整体真实感六项技术维度优于通用模型。
安踏用火山引擎的模型搭了套穿搭大模型，转化率提了10%、退货率降了10%、内容制作成本降了80%。做品牌视觉和电商内容的可以看看这套工作流怎么落地。
点击打开原文
OpenRouter 对 5 个视觉模型进行 1730 个视觉推理问题的基准测试，发现将图像细节设为「low」来省钱的做法适得其反：模型在模糊图像上消耗更多推理 token，总成本反而增加。
做 AI 短剧和批量出图的团队注意了：省 token 的「低细节」技巧反而可能烧更多钱。制片和技术整合者可以拿这个基准数据重新算一下自己的成本策略。
点击打开原文，能否访问取决于网络环境
邵猛开源了 OPC Skills 库，包含 10 个面向“一人公司”的 Agent 技能，累计安装超 5.1 万次。核心技能包括：requesthunt（v2.3.0，Rust CLI）从 Reddit/X/GitHub 抓取用户反馈；seo-geo（33.5K 安装）内嵌普林斯顿 9 项 GEO 方法论，优化在 ChatGPT/Perplexity 等 AI 搜索中的引用排名；nanobanana 基于 Gemini 3 Pro Image 实现文生图/图编辑；另有 X/twitter（28 脚本）、reddit、producthunt 数据采集脚本，以及跨会话记忆复用的 archive 工具。
做 AI 短剧或内容 IP 的制片人，可以看看 seo-geo 和 requesthunt 这两个技能怎么帮你做市场调研和 AI 搜索优化，省掉不少人工扒数据的活。
点击打开原文，能否访问取决于网络环境
Kokoro 是一款 82M 参数的 TTS 模型，完全离线运行于 CPU，支持英语、中文和印地语，提供约 50 种声音。通过 Kokoro-FastAPI 容器（约 5 GB）可一键部署，提供 OpenAI 风格语音 API。性能测试：12 年前 Intel i7-4770K 生成一段文本需 4.7 秒，Apple M2 Pro 需 4.5 秒，AMD Ryzen 7 8745HS 仅需 1.5 秒。替代方案 Speaches 也提供兼容容器并内置 Whisper 语音识别。
82M 参数、CPU 离线跑、12 年老 i7 只要 4.7 秒，做 AI 短剧配音和后期批量出音的可以直接装容器接 API，省掉 GPU 成本。
点击打开原文
作者「饼干哥哥AGI」分享了一套基于 Claude Code 和 Obsidian 构建的 LLM Wiki 内容创作系统，覆盖从选题调研、写稿、改稿评审、排版到发布的完整流程。核心是用 Claude Code 的编程能力自动化内容生产中的重复环节，并将知识库沉淀在 Obsidian 中。文章本身带来 20 万销售额，验证了该工作流的商业价值。
用 Claude Code + Obsidian 搭了一套从选题到发布的 AI 写作流水线，一篇文章卖了 20 万。做内容 IP 和短剧文案的可以拆这套工作流，看怎么把 AI 编程能力用到内容生产上。
开发者 Berry Xia 用 Swift 在 iPad 上复刻了哈利波特汤姆·里德尔日记应用 InkDiary，支持多国语言手写、字体字号切换、AI 补全画作，代码已开源至 GitHub。
一个把哈利波特魔法笔记本搬到 iPad 的开源项目，支持手写+AI 补全画面。做交互式叙事或 AI 美术原型的可以 fork 下来当灵感模板。
点击打开原平台查看，能否访问取决于网络环境
Higgsfield 团队在自家超级计算机上，使用 Seedance 2.0 从头制作了一部 4K 音乐视频。Fable 5 参与了编舞规划、地点选定、音轨剪辑，并亲自为每个镜头撰写提示词。这是一条完整的 AI MV 创作案例，展示了从创意规划到 4K 成片的端到端工作流。
Higgsfield 用 Seedance 2.0 跑通了一条从编舞到成片的 4K MV 全流程，Fable 5 负责分镜和镜头提示。做 AI 短剧和 MV 的可以拉片看角色一致性和镜头控制，尤其是 Fable 5 参与规划的部分。
点击打开原平台查看，能否访问取决于网络环境
新片场发布《暗区突围》S18赛季主题曲《鲸与雀》AI MV，由黄霄云演唱。作品将游戏IP与AI影像结合，视觉风格偏暗区突围的战术写实与意象化表达，镜头语言和角色一致性是看点。
游戏赛季主题曲的 AI MV，视觉师可以拉片看风格化镜头和角色一致性处理，编导可参考游戏 IP 与 AI 影像的融合方式。
小红书作者「张芩AIGC」的原创AI短片《椿Tsubaki》，个人创作者作品，题材和视觉风格偏日系动画向。
小红书作者张芩的AI短片，视觉风格和叙事节奏是看点，做AI短片的可以拉片看看角色一致性和镜头处理。
PixVerse 官方转发用户 @karyabangjumawa 制作的 AI 体育动画短片《Ronaldo: The Last Light》，以 C 罗为主角，风格偏忧郁体育番，讲述杯赛失利但希望不灭的故事。个人创作者作品，视觉风格和角色一致性是看点。
PixVerse 转发的 AI 体育动画短片，C 罗题材，视觉师可以拉片看运动镜头和角色一致性处理。
点击打开原平台查看，能否访问取决于网络环境
面壁智能社区开发者基于 VoxCPM 2 构建互动校园解密游戏《Don't Submit Blank Application》，实现语音克隆与三段式声音变换（Normal → Corrupted → Replaced），支持 16 章+2 隐藏章节的语音驱动叙事，将 AI 语音融入剧情氛围与玩家体验。
AI 语音驱动叙事的游戏化案例，做互动叙事和配音的可以拆解三段式声音变换的设计逻辑。
点击打开原文，能否访问取决于网络环境
个人创作者 Kavan 的原创 AI 动画系列《骨之编年史》第一季第三章发布，本集走暗黑路线，正式引入此前铺垫的角色 Nemo。该系列为个人创作者独立完成的 AI 叙事作品，适合关注 AI 动画系列化叙事和角色 IP 构建的创作者参考。
个人创作者系列 AI 动画第三章，暗黑风格，做 AI 短剧和角色 IP 的可以拉片看系列叙事和角色引入方式。
点击打开原平台查看，能否访问取决于网络环境
小红书作者「N.S 600」的 AI 短片，标题暗示将现实中难以拍摄的视觉概念用 AI 生成实现。个人创作者作品。
个人创作者用 AI 把拍不出的画面做出来，视觉师和编导可以当风格参考，看看个人创作者在有限资源下的视觉表达思路。
