Google DeepMind 预告下一代前沿模型 Gemini 4 Carbon
Google DeepMind 官方博客发布标题为「Gemini 4 Carbon: Our next frontier model」的条目，正文内容为空，目前只能确认这是 DeepMind 官方对下一代前沿模型的命名与预告。
官方博客只放了个标题，能力、参数、开放时间一概没写，做创作工作流的先记一笔，等细则出来再判断值不值得迁。
点击打开原文
AIGC 信息日报
2026 年 10 月 29 日 周四
行业与平台
Industry
可灵成为动画电影《Minibots》独家技术伙伴
可灵 AI 与英国 EvoFilmsUK 达成合作，成为动画电影《Minibots》的独家技术合作伙伴，影片由 Kling 4.0 提供技术支持。导演 John Adams，制片人 Diane Shorthouse（BAFTA 提名），角色设计 Tony Bancroft（《花木兰》联合导演），编剧 Michael Ferris（《终结者3》），项目已在戛纳与 TIFF 电影市场亮相，定档 2027 年上映，官方同步放出首张画面。
可灵 4.0 首次挂上一部 2027 年上映的院线动画长片，导演、BAFTA 提名制片人、《花木兰》联合导演做角色设计，这套班底值得做 AI 长片的盯一眼。
点击打开原平台查看，能否访问取决于网络环境
ElevenLabs 发布强制对齐模型 Cue
ElevenLabs 研究团队发布强制对齐模型 Cue，把每个字符精确落到音频时间轴上，精度高于其测试过的所有开源对齐器，覆盖基准测试全部 29 种语言。单模型可一次处理任意长度录音，单张 GPU 上约半秒对齐一小时音频，已用于 ElevenLabs 全部 Speech to Text 转写，也可通过 Forced Alignment API 单独调用。
一小时音频半秒对齐完，29 种语言全覆盖，做字幕、配音对轨、口型同步的后期可以直接接 Forced Alignment API 试。
点击打开原文，能否访问取决于网络环境
商汤开源 SenseNova 6.8 Code2Video 代码生成短视频
商汤发布并开源轻量级模型 SenseNova 6.8 Code2Video，思路是通过生成可执行代码来创作和渲染短视频，模型权重与 Skill 已在 Hugging Face 和 GitHub 开放下载，官方同时放出每条演示视频的提示词与完整生成轨迹。官方表示后续将探索视频编辑、动画和 3D 创建方向。
用写代码的方式出片，权重和 Skill 都在 Hugging Face、GitHub 上，每条演示还带提示词和完整生成过程。技术整合者可以拉下来跑一遍，看能不能接进自己的批量出片流程。
点击打开原平台查看，能否访问取决于网络环境
OpenRouter 上线 AssemblyAI-TTS-1 语音模型
OpenRouter 宣布 AssemblyAI 首个文本转语音模型 AssemblyAI-TTS-1 上线，面向语音 Agent 场景，支持 90 ms 流式输出，价格 $15/百万字符，提供 4000+ 声音，可从美国或欧洲节点服务。据 @cekuraAi 基准，该模型在速度与准确性上位于最优象限，在 $15/1M 字符及以下价位中自然度最高。
90ms 流式输出、4000+ 音色、每百万字符 15 美元，做 AI 配音和语音 Agent 的可以接 API 跑一轮，重点听自然度和延迟。
点击打开原平台查看，能否访问取决于网络环境
Sunra 推出聚合 API：一把钥匙调图像视频音频 3D 模型
Sunra 发布 Sunra API，用一个密钥调用图像、视频、音频、3D 各类主流模型，每个模型按其原厂 API 价格计费，按量付费、无订阅、无加价。官方称模型已就绪，面向应用开发者接入。对需要同时调用多家生成模型的技术整合者，可省去逐个平台开户与结算的环节。
一把钥匙调图像、视频、音频、3D 各家模型，按原厂价计费不加价、不订阅。自己搭生成流程的技术整合者可以接上去比价，省掉逐个平台开户的麻烦。
点击打开原平台查看，能否访问取决于网络环境
Mistral 推出 Responses API 公开预览版
Mistral 上线 Responses API 公开预览版，面向在其平台上构建智能体的场景。每次响应把模型回答、推理过程和工具调用作为独立条目分别返回，比 Chat Completions 更容易逐步处理。适用于 Mistral 托管的所有聊天模型，包括 Large 4。
Mistral 把回答、推理过程、工具调用拆成独立条目返回，接智能体的团队可以拿它替掉 Chat Completions 试一轮。
点击打开原文，能否访问取决于网络环境
Higgsfield 上线 Playable 可玩广告生成工具
Higgsfield 上线 Playable 工具，输入一段玩法视频、一张截图或一段提示词，即可用爆款机制生成一款手游，并在 Enterprise 套餐中输出为可玩广告。定位是把现成的爆款广告素材反向做成可交互的游戏广告形态，面向手游买量与互动广告场景。
丢一段玩法视频或一张截图就能生成可玩手游广告，Enterprise 套餐可用。做买量素材和互动广告的团队可以看看这条路子，纯拍片的编导用不上。
点击打开原平台查看，能否访问取决于网络环境
Mistral 语音模型 Voxtral Mini Transcribe 3 登榜第二
Mistral AI 宣布 Voxtral Mini Transcribe 3 在 Voice Arena 的「说话人分离 + ASR」榜单上排名第 2。说话人分离指自动区分音频里谁在说话，配合转写可输出带角色归属的文字稿，适用于多人对白、访谈、播客类素材的字幕与场记整理。
说话人分离加转写排到 Voice Arena 第二，做访谈、对白密集的短剧要分角色上字幕的，可以拿它跟现有转写工具比一轮。
点击打开原平台查看，能否访问取决于网络环境
工具与能力
ToolsSuno 推出 MCP Beta，无需切换标签页即可写歌
Suno 官方发布 Suno MCP Beta，把歌曲生成能力封装成 MCP 接口，官方描述为「无论何时何地灵感迸发都能创作歌曲，无需切换标签页」，目前通过 Typeform 表单申请抢先体验。对做短剧配乐、BGM 和声音后期的团队来说，这意味着出歌这一步有机会从独立网页搬进支持 MCP 的对话客户端里，跟剧本、分镜在同一处完成。
Suno 把写歌能力做成 MCP，挂在支持 MCP 的客户端里就能边聊边出歌，不用来回切标签页。做短剧配乐和 BGM 的可以申请抢先体验，试试把出歌这一步塞进自己的流程里。
点击打开原平台查看，能否访问取决于网络环境
NotebookLM 语音对话向移动端全部用户开放
NotebookLM 宣布 Live Chat 移动端面向全部用户开放，此前已向 Ultra 用户完成 100% 推送。用户可与笔记本进行实时语音对话，支持约 100 种语言，由最新音频模型驱动，可就资料提问并获得近乎完全免提的分步指引。对做剧本调研、资料梳理的编导来说，等于把笔记本变成可随时追问的语音助手。
NotebookLM 的实时语音对话从 Ultra 推到移动端全量，支持约 100 种语言、能就资料追问并给分步指引。做剧本调研和资料梳理的可以拿它当随身口播顾问，边走路边问。
点击打开原平台查看，能否访问取决于网络环境
方法与经验
MethodsBaseten 优化 Qwen3-ASR 批量转写吞吐提升 7 倍
Baseten 工程博客公布 Qwen3-ASR 1.7B 的批量转写部署优化方案，在 64 并发下吞吐比原生 vLLM 高 7 倍以上，成本降至每音频小时约 0.0013 美元，比闭源转写服务低约 277 倍。对需要大批量处理对白、访谈、素材转写的后期和短剧团队，这是把转写成本压到近乎可忽略的一条路径。
64 并发下吞吐是原生 vLLM 的 7 倍，每音频小时成本压到约 0.0013 美元。做短剧字幕、访谈转写、素材归档的后期团队可以照着这套部署方案算一遍自己的量。
点击打开原文
AI视频30秒以上教程：分镜拼接等三法
探路AI 发布视频版教程，讲用即梦生成 30 秒以上 AI 视频的三个方法：分镜拼接法、前序视频延续法、故事板预览法。前两种在短片/短剧场景基本通用，作者推荐两者结合使用；第三种省积分、可用 2.0 fast 模型，但适用场景少需谨慎。后续还将分享关键帧截取法的细节。演示工具为即梦，作者提示其他画布工具各有优势可自行选择。
分镜拼接、前序视频延续、故事板预览三招，前两招做短片短剧通用，作者建议两招合着用。做 AI 短剧的可以照着跑一遍，看长镜头怎么接得住。
点击打开原平台查看，能否访问取决于网络环境
作者分享人物资产参考板提示词模板
推文给出一段完整提示词：以参考图为唯一人物依据，生成竖版 1:2 人物资产参考板。画布上下各占 50%，上半区为正面完整头部特写，左下区为无头部正面身体、右下区为无头部背面身体，仅用一条水平细线和一条分隔下半区的竖线。要求严格保留五官、年龄、肤色、发型、身体比例、服装鞋履与原有画风，不重新设计角色；参考图未展示的部分用简洁基础服装合理补全。统一中性灰摄影棚背景、柔和三点式布光，只出三个视图，不加文字编号水印。
把参考图当唯一人物依据，一次出「头部特写＋正面身体＋背面身体」三视图参考板，版式、布光、留白都写死了。做角色 IP 和短剧的可以存下来当固定模板用。
点击打开原文，能否访问取决于网络环境
摆烂程序媛分享三步AI动画流程：Seedance 2.5生成视频
作者「摆烂程序媛」分享一套三步 AI 动画流程：先用 GPT Image 2 出故事板，再用 Claude 做分镜，最后用 Seedance 2.5 生成视频，整套流程一个周末完成，原帖附有教程。三个环节分别对应视觉开发、叙事拆分和视频生成，是一条把通用大模型和视频模型串起来用的个人工作流。
个人创作者把动画流程拆成故事板、分镜、出片三段，分别交给 GPT Image 2、Claude 和 Seedance 2.5，一个周末跑完。做动画短片和短剧的可以照这个分工试一遍。
点击打开原平台查看，能否访问取决于网络环境
Luma AI 博客：30 组产品与人像换背景提示词
Luma AI 博客发布 30 组换背景提示词，按用途分类：产品图需要电商白底、社媒生活场景、Q4 节日变体，人像需要职业头像、杂志风、区域本地化版本。文中强调提示词要写具体材质（大理石、木纹、灰渐变）而不是抽象概念，并给出两个数据：5 张以上高质量图的商品页跳出率低 40%，AI 生成产品图在转化指标上与传统影棚拍摄差距在 3% 以内。核心主张是一张过审的产品图可批量衍生出季节和地区变体。
30 条可直接复制的换背景提示词，按电商白底、生活场景、节日变体分好类，做产品图和人物肖像的视觉师可以存下来当模板改。
点击打开原文
AI产品图与棚拍对比：成本速度质量及混合工作流
Luma 官方博客对比 AI 产品图与实拍棚拍：传统棚拍前期制作成本更高，AI 工具按订阅或按张计费；AI 生成能明显加快出片，但质量控制仍是拿到一致结果的关键；AI 图里产品失真会推高退货率、损伤品牌信任。文章主张混合流程——棚拍保准确、AI 出变体，在压成本的同时维持品牌一致性，并强调图片准确度直接影响转化率。
300 个 SKU、六个市场、四周交片这种量级，文章给的是实拍打底加 AI 出变体的混合做法，做电商视觉和品牌物料的可以拿去算成本账。
点击打开原文
OpenRouter 教你在 Claude Code 限额后按量续跑
OpenRouter 官方给出 Claude Code 触发用量上限后的续跑方法：设置三个环境变量把 Claude Code 指向 OpenRouter API key，或用 Ori Harness 的 ori claude 命令一键启动，按 token 付费使用同样的 Claude 模型，没有五小时窗口和每周限制，套餐重置后直接敲 claude 切回。官方实测成本：一次典型短会话 Sonnet 5.5 约 0.16 美元、Opus 5.5 约 0.31 美元、Haiku 5.5 不到 1 美分；并提醒 Claude Code 自己打印的费用不准，实测显示 0.375 美元而实际账单 0.008 美元，应查 key 后台或 Activity 页面。
Claude Code 撞上五小时和每周限额后，设三个环境变量就能切到 OpenRouter 按 token 付费继续跑，官方还给了实测成本：Sonnet 5.5 一次短会话 0.16 美元。自己搭自动化流程的可以照着配一份备用方案。
点击打开原文
Luma 谈 AI 打光如何把产品图灯光改版压到几小时
Luma 官方博客讲 AI relighting 在产品摄影里的用法：拍摄完成后调整光的方向、强度、色温和阴影，保留已确认的产品摆位、色彩准确度和构图，把原本三周的棚拍改版压到几小时。文中提到更好的产品图可提升转化率最高 67%，工具形态从云端拖拽布光到可完全自定义的专业流程都有。
讲的是拍完之后再调光——方向、强度、色温、阴影都能改，不用重拍。做电商视觉和产品图的可以看看这套思路，影视这边打光逻辑是通的。
点击打开原文
工程师用 Grok Bot 搭 15 个 AI 助手团队
SpaceXAI 工程师 Lauren Tan 拆解她用 Grok Bot 搭的 15 个 AI 助手团队：1 个幕僚长、3 个经理、11 个执行助手，讲分工方式和怎么让人敢放手交给它们干活。完整版 55 分钟，由 @NoDiscoInHere 配上中英双语字幕。
SpaceXAI 工程师 Lauren Tan 讲她怎么把 15 个 Grok Bot 分成幕僚长、经理、执行三层来分工，55 分钟带中英双语字幕。想给剧组或工作室搭多助手协作流程的，可以挑分工那几段看。
点击打开原平台查看，能否访问取决于网络环境
AI产品商业化博主称抖音号「强子的荒野」纯AI制作
博主「老杨啊」发帖称，抖音账号「强子的荒野」内容纯 AI 完成，80 个作品做到 30 万粉丝，评论区有观众认为是真人出镜，博主本人也表示会完整看完。帖子未涉及具体题材、制作工具或工作流。
一个纯 AI 做的抖音号 80 条作品涨到 30 万粉，评论区还有人坚称是真人。做 AI 短剧和账号运营的可以去翻翻它到底靠什么留住人。
点击打开原平台查看，能否访问取决于网络环境
作品与案例
Works本日无符合条目
觉得日报有用的话，欢迎关注微信公众号，AI 影视创作的内容都在那里。
光影漫游AI
微信内长按二维码识别，或复制名称到微信搜索