← 全部日报

AIGC 信息日报

2026 年 11 月 20 日 周五

行业与平台

Industry

Genie 4 开放 API 与 AI Studio 试用

Google AI Studio 上线 Genie 4(该产品 10 月 28 日已发布),可进入交互式环境并在会话中途改造场景:切换天气、召唤角色,同时实时生成自适应原生音频。即日起通过 Gemini API 和 AI Studio 开放试用。对做分镜预演、互动叙事和场景概念验证的创作者,这是一条能直接上手试的路径。

能走进场景里改天气、召唤角色,还带实时生成的音效,今天就能在 Gemini API 和 AI Studio 里试。做分镜预演和互动叙事的可以上手跑一遍,看它能不能当场景草稿台用。

点击打开原平台查看,能否访问取决于网络环境

Ideogram 4.6 发布:原生 4K 精准局部编辑

Ideogram 发布图像模型 4.6,主打精准编辑与原生 4K 输出。官方称真实感和材质细节明显提升,编辑区域之外的像素漂移大幅减少,色彩准确度也更好。对做 KV、海报、概念图的视觉岗来说,改一处不动全身是这次最实用的点。

局部改图不再把周围像素带跑偏,颜色也更准,原生 4K 直出。做 KV、海报和分镜概念图的视觉师可以拿旧图重跑一遍对比。

点击打开原文,能否访问取决于网络环境

FastVideo Dreamverse:给智能体装上电影制作技能

UCSD Hao AI Lab 介绍 FastVideo Dreamverse:为智能体配备电影制作技能和制作流程工具集,可做产品广告或短纪录片。它会写脚本和故事节拍,为每个镜头设计机位角度与动作,过程中逐项与用户确认;素材拍完后可通过对话剪辑场景,或将选中的镜头升级到 2K。

写脚本、分镜节拍、每个镜头的机位和动作都由智能体出方案并逐步跟你确认,拍完还能对话剪场景、把喜欢的镜头升到 2K。做广告片和短纪录片的可以盯一下这套流程。

点击打开原文,能否访问取决于网络环境

WonderClip 上线 3D Studio,一句话生成 Blender 场景

阿里云 WonderClip 上线 3D Studio,输入一句描述即可生成 Blender 三维场景,用于摆放角色位置和镜头运动,再以这套预演指导后续视频生成,官方点名适用于短剧和产品视频,限时免费试用。对需要先定机位和走位再出片的编导与视觉团队,等于把分镜预演环节前移到三维空间里做。

一句话出 Blender 三维场景,先把角色走位和机位摆好再拿去生成视频,做短剧和产品片的可以拿它当预演台试一轮。

点击打开原平台查看,能否访问取决于网络环境

火山引擎上线 SeedRealtime 1.0 实时音视频 API

火山引擎上线豆包实时音视频通话模型 SeedRealtime 1.0 的 API 服务,把声音、画面、时序与表达统一到同一个全流程模型,支持边看、边听、边说的实时多模态交互,官方称可减少 ASR、VLM、TTS 级联带来的延迟与信息损耗。适合虚拟角色实时对话、AI 主播、互动类内容场景。

声音、画面、时序塞进同一个全流程模型,省掉 ASR+VLM+TTS 三段拼接的延迟。做虚拟角色实时对话、AI 主播、互动短剧的可以接 API 测一轮响应速度。

点击打开原文

Higgsfield 推出 GPU Harness 可在 Claude 里租卡

Higgsfield 发布 GPU Harness,可在 Claude 和 ChatGPT 中按需租用 GPU,用于渲染、运行开放权重模型和训练 LoRA;支持多个 AI 智能体同时在云端处理专业应用,任意设备可接入。黑五优惠同步上线,GPU 最高 64% 折扣。对需要自己跑 LoRA 训练和批量渲染的团队,等于把算力入口挪进了日常对话工具里。

在 Claude、ChatGPT 里直接租 GPU 跑渲染和 LoRA 训练,多个智能体同时开工,黑五最高 64% 折扣。自己搭流程、要批量出片的技术整合者可以试一轮算成本。

点击打开原平台查看,能否访问取决于网络环境

Mastra 发布 Gateway:一个密钥调 500 多个模型

Mastra 发布 Mastra Gateway,用一个 API 密钥访问 Anthropic、OpenAI、Typesafe AI 等供应商的 500 多个语言、语音、视频和决策模型,统一一张账单,密钥级别可做权限控制。底层沿用其模型路由(每周跑数十万亿 token),每个模型背后挂多家推理供应商,主线路失败会自动换一家重试。接入方式是在模型 ID 前加 mastra/ 前缀,把 key 写进 .env。

一个 key 打通 Anthropic、OpenAI 等 500 多个语言/语音/视频模型,还带自动切换备用供应商。自己搭生成流程的技术整合者可以接进来省掉多账号多账单的麻烦。

点击打开原文

DomoAI 推出 InkoAI Agent 一键生成广告片

DomoAI 上线 InkoAI Agent,主打一键起广告:上传产品照片后,通过对话式交互生成 UGC 风格广告、产品视频或教程类视频。定位是电商/投放素材的快速产出,具体模型、时长与价格未在推文中给出。

上传一张产品图,靠聊天就能出 UGC 广告、产品视频和教程片,做电商投放和带货素材的可以拿自家产品图跑一轮看废片率。

点击打开原平台查看,能否访问取决于网络环境

Fish Audio 为 Sun 团队产品提供语音能力

Fish Audio 官方发文祝贺 @ArtinBogdanov 与 Sun 团队,并称由 Fish Audio 为 Sun 的语音提供支持。原文只交代了这次合作与语音能力归属,做 AI 配音、虚拟角色对话的可以顺着这条线关注后续是否对外开放。

Fish Audio 官方确认给 Sun 团队的产品供语音,做 AI 配音和角色对话的可以留意这条合作后续会不会开放接口。

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

Tools

OpenAI 开放 GPT-Live-1.1 语音模型给开发者

OpenAI 宣布 GPT-Live-1.1 开放给开发者应用,该模型自 10 月 15 日起已为 ChatGPT Plus 和 Pro 的语音功能提供支持。开发者可用它构建语音智能体,可靠识别字母和数字等精确细节、遵循指令,并可将复杂工作流委托给自选的后端模型而不打断对话流程,文档见 developers.openai.com。

ChatGPT Plus/Pro 里那套语音能力现在能接进自己的应用了,能准确听清字母数字、还能把复杂任务转给后端模型不打断对话。做 AI 配音、虚拟角色对话、实时字幕的可以接 API 跑一周。

Synthesia 接入 Claude,对话里直接出数字人视频

Synthesia 官方宣布可在 Claude 中直接制作 Synthesia 视频:用自然语言描述想要的视频,Synthesia 在对话里完成生成,可即时播放预览并继续提修改要求,最后发布并分享链接;同时支持自动化,每当有新内容上线就自动产出一条新视频。适合口播类、企业宣传、多语言版本批量更新的场景。

在 Claude 里描述需求就能生成数字人视频、边看边改、出链接发布,还能设成有新内容就自动出一条。做企业宣传片和批量口播的可以试这套流程。

点击打开原平台查看,能否访问取决于网络环境

Recraft 上线参考图保存功能,一次锁定统一画风

Recraft 官方演示新功能:添加一张或几张参考图后点保存,之后所有 prompt 生成的画面都会沿用这套参考的视觉风格,官方称三条示例都是这样产出的。对需要跨镜头、跨物料保持同一套视觉调性的视觉开发和 KV 制作来说,这是把风格一致性从「每次重写 prompt」变成「存一次反复调用」。

Recraft 把「存一组参考图」做成了固定风格档,之后每条 prompt 都按这个 look 出图,做系列 KV 和分镜概念图的视觉师可以拿自己的参考图试一轮。

点击打开原平台查看,能否访问取决于网络环境

Vidu Q4 Preview 开放邀请码试用

Vidu 官方放出 Q4 Preview 版本,以邀请码 VIDUNOV 形式开放试用,同步发布一段「猫咪茶会」主题的 POV 演示短片,主打拟人化动物角色的场景表演。官方未在推文中列出模型参数、时长或分辨率等规格。

Vidu 放出 Q4 Preview 的邀请码 VIDUNOV,配的是一段猫咪茶会 POV 短片。做视觉和短剧的可以拿码进去跑几条,看新版本在动物毛发和拟人化表演上稳不稳。

点击打开原平台查看,能否访问取决于网络环境

Gemini Mac 版上线电脑操作,后台代跑 Blender

Gemini Mac 客户端加入 computer use 能力,可跨本地文件夹、应用和网页接管任务,操作在后台窗口进行,用户屏幕和光标不被占用。官方演示中 Gemini 在 Blender 里点击、滚动、输入,把一张草图做成带骨骼绑定的 3D 模型。对做 3D 资产、批量软件操作的技术整合者,这是把重复劳动交给 Agent 的一条现成路径。

Gemini 在 Mac 上能自己在后台窗口点、滚、打字,演示里把草图直接做成带骨骼的 Blender 模型,屏幕和鼠标还归你。做 3D 资产和重复性软件操作的可以试一轮,看它跑长任务稳不稳。

点击打开原平台查看,能否访问取决于网络环境

Leonardo 上线细节重绘功能,最高支持 4K

Leonardo 官方宣布「Reimagine the details」功能上线,主打在保留原有细节的前提下重绘画面,输出最高支持 4K,已在 Leonardo 内可用。适合拿低分辨率素材或旧图做放大重绘,检验纹理、边缘和细节在 4K 下的保持程度。

Leonardo 新上的细节重绘,主打保留原细节的同时把画面拉到 4K。做视觉和后期修图的可以拿老素材跑一遍,看放大后纹理和边缘撑不撑得住。

点击打开原平台查看,能否访问取决于网络环境

Krea Bots 测试扩批:新一批测试者获100美元额度

Krea 宣布 Krea Bots 测试版累计收到超过 5 万份申请,今天向新一批测试者发出邀请,并附 100 美元额度供试用这套「创作小队」功能。官方提示查看邮件或加入候补名单。

Krea 的「创作小队」Bot 功能放出第二批测试名额,附 100 美元额度。做视觉和图像批量的可以查邮箱或排候补,先摸清这套多 Bot 协作到底能替掉哪几步。

点击打开原平台查看,能否访问取决于网络环境

Recraft 上线 Faded Exposure 风格:粉调褪色老照片带字

Recraft 推出名为 Faded Exposure 的新风格,特征是粉色单色、像旧照片一样褪色发白,并把文字排版直接做进画面里。官方给出试用入口,可在 Recraft 内直接套用该风格出图。

粉调单色、褪色老照片质感,文字直接长在画面里,做复古 KV 和片头字卡的视觉师可以拿它试一组。

点击打开原文,能否访问取决于网络环境

Gemini API 上线工具检索,按需加载工具参数

Google 在 Gemini Interactions API 中预览上线 Tool Retrieval:请求里加 tool_search 工具并把 defer_loading 设为 true,模型只在需要时加载对应工具的参数说明,不再每次把整个工具库塞进 prompt,官方称可降低输入 token 消耗与延迟,并保持工具选择准确度。支持 Gemini 3.6 及之后版本。

给 Agent 挂一大堆工具时不用每次把全部参数塞进 prompt,按需加载省 token 也省延迟。自己搭自动化流程的技术整合者可以看一眼,纯拍片的用不上。

点击打开原文

方法与经验

Methods

Luma 官方教程:三步做出角色一致的 AI 短片

Luma 官方发布的 AI 影视教程,讲如何在跨镜头、跨场景中保持同一角色可辨识,面向品牌、营销和创作者。流程分三步:生成第一个镜头前先建角色参考;随场景变化优化提示词;处理角色脸型、发型、服装的漂移问题。附带免费的 Prompt Optimizer 和 Three Panel Character Ref Sheet Builder 两个工具,视频含短片开场、背景介绍、三步拆解、工作流自动化与复盘章节。

Luma 官方把角色一致性拆成建参考、调 prompt、修脸发服装三步,还附了免费的提示词优化和角色三视图工具,做系列短片和短剧的可以照着跑一遍。

点击打开原平台查看,能否访问取决于网络环境

Magnific Illusion 演示绿幕素材换四个场景

Magnific 官方介绍 Illusion 功能演示(该产品 11 月 18 日已发布):同一段绿幕拍摄素材,人物持续行走、行李箱持续滚动,通过剪辑切换被放进四个不同场景,官方以分步串帖形式展示从最初参考图到最终成片的完整过程。对做后期合成与虚拟制片的创作者来说,这条演示的是绿幕素材跨场景复用的处理方式,可对照自己的抠像与场景匹配流程。

一条绿幕素材换四个目的地,人物动作和行李箱滚动全程连贯,做后期合成的可以看它怎么处理抠像与场景衔接。

点击打开原平台查看,能否访问取决于网络环境

Curious Refuge 实测 Topview T1 疑似套壳 Seedance 2.5

Curious Refuge 团队实测新 AI 视频生成器 Topview T1,外界称其可能优于 Seedance 2.5。视频按时间码拆成多组对比:口播数字人、人声与音乐、分辨率放大痕迹、苏格兰酒吧场景、Willem Dafoe 测试,并做了音频取证和元数据调查,最终判断 T1 是否为 Seedance 2.5 720p 放大后换皮。

Curious Refuge 拿 Topview T1 和 Seedance 2.5 逐项对打,从分辨率、音频到元数据找「套壳」证据。要选视频模型的团队先看这期再掏钱。

点击打开原平台查看,能否访问取决于网络环境

Perplexity Brain 智能体自动编写个人技能

Perplexity CEO Aravind Srinivas 分享 Computer 中 Brain 智能体的自我改进技能研究:Brain 原本维护一份关于你工作的知识 wiki,现在还会根据历史会话自动编写和更新 Agent 技能。改进智能体读取完整会话轨迹(工具调用、推理、结果),找出重复模式,证据足够时才提议新技能或更新;所有用户共用的内置技能在改动上线前要经过失败场景的成对回放和工程师审核。8 周生产流量随机测试中,72.9% 用户至少获得一个新个人技能(手动添加的仅 6.5%),工具调用失败下降 11%,不满意对话下降 7.6%,成本与延迟无可测变化。

Brain 读你过去的会话记录,自己总结出可复用的技能,8 周实测 72.9% 用户自动获得新技能、工具调用失败降 11%。自己搭 Agent 流程的可以看看这套「从历史里长技能」的做法。

点击打开原文,能否访问取决于网络环境

Magnific 演示 Blender 3D 动线转游戏风场景流程

Magnific 官方账号发布一条工作流串推,主题是用 ChatGPT + Blender + Magnific Illusion 把 3D 动线转成游戏风格场景,正文按步骤逐条拆解,并附演示链接。适合做视觉开发、场景概念和分镜预演的创作者参考 3D 打底加 AI 出图的组合方式。

从 Blender 摆 3D 动线到出游戏风成图,Magnific 官方把步骤拆成串推。做视觉开发和分镜预演的可以照着跑一遍,看 3D 打底能不能稳住镜头和风格。

点击打开原平台查看,能否访问取决于网络环境

Curious Refuge 实测 Seedance 2.5 Flash 与标准版对比

Curious Refuge 对比测试字节 Seedance 2.5 Flash 与标准版 Seedance 2.5:Flash 价格低约 34%,但把片段并排看,标准版的物理运动处理明显更自然。他们最终保留的省钱流程是——先用 Seedance 2.5 Draft 模式在 480p 试几条,挑出满意的那条再出 1080p 或 4K。

Seedance 2.5 Flash 比标准版便宜约 34%,但实测物理运动明显不如标准版自然。做短剧的可以照搬他们那套省钱流程:480p Draft 模式先试几条,选中再上 1080p/4K。

点击打开原平台查看,能否访问取决于网络环境

OpenAI 发布 GPT-Live 语音智能体口音调校指南

OpenAI Developers 发布 GPT-Live 语音智能体指南,从语音选择和 session 指令两方面讲怎么服务跨语言、跨地区受众。建议先测内置语音——Nira 带印地语影响,Bossa 和 Tempo 带巴西葡萄牙语影响,开箱自然度较高;不够再用 prompt-to-voice 按地区精确描述生成合成语音。文中给出印度英语、西班牙中部/北部卡斯蒂利亚语、迪拜阿拉伯语三个示例,并附按语言和地区影响分类的内置语音表。

OpenAI 官方讲怎么给语音智能体挑口音:先试内置的 Nira(印地语)、Bossa/Tempo(巴西葡语),不够再用 prompt-to-voice 按地区描述生成。做 AI 配音、虚拟角色对话、出海短剧的可以照着调一轮。

HeyGen 分享 Avatar 6 手势提示词手册

HeyGen 官方发布 Avatar 6 的手势提示词手册(gesture prompting playbook),指导用户通过提示词控制数字人的手势动作。推文本身只给出「完整手册在下方链接」的指引,具体提示词写法与示例需点开原帖查看。做数字人口播、虚拟角色出镜的团队可对照手册调整手势表达。

HeyGen 官方给 Avatar 6 出了套手势提示词手册,做数字人出镜和虚拟角色的可以照着调动作,比瞎试省时间。

点击打开原文,能否访问取决于网络环境

DeepMind 讲 Gemini 4 两款模型怎么按活选

Google DeepMind 的 Philipp Schmid 给出 Gemini 4 两款模型的选型建议:Carbon 面向硬架构设计、调试、科学证明和安全审计,intro 价 $2/$10(至 11 月 30 日);Hydrogen 面向日常编码、交互应用、工具调用智能体和并行子智能体,$1.50/$7.50 per 1M。两者可搭配使用,Carbon 负责规划调度、Hydrogen 负责执行,共享 1M-token 上下文窗口、95% implicit caching 和相同的 Interactions API schema。

Carbon 管硬架构和调试、Hydrogen 管日常编码和工具调用智能体,还能一个规划一个执行搭着用。自己搭自动化流程的技术整合者可以照着这份分工表配模型,省点 token 钱。

点击打开原文,能否访问取决于网络环境

创作者用 3 个 Fable 5.2 Agent 做装机演示

作者用 3 个基于 Fable 5.2 的 Agent 完成一套电脑主机组装演示,耗时 7 小时 41 分钟,花费 138.82 美元,评价画面精致、细节质感到位、装机过程看着解压。属于个人使用体验分享。

个人体验分享:3 个 Fable 5.2 Agent 跑 7 小时 41 分、花 138.82 美元做出一套装机演示,画面质感和细节被作者认可。想试多 Agent 分工做演示片的可以看看这个成本量级。

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
微信公众号 光影漫游AI 二维码
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