跳到正文
11月5日週四
  1. HuggingFace Daily Papers(社區熱門論文)44

    VA-TDM:以速度對抗蒸餾改善少步擴散模型的統一方法

    VA-TDM結合速度對抗蒸餾(VAD)與軌跡感知監督,在文字生成圖像和文字生成影片中,於多種模型骨幹上取得四步生成的最先進表現。VAD透過學習到的判別器比較學生與教師的速度場,並統一分數蒸餾、基於Fisher的匹配及矩匹配。VA-TDM可擴展至33B MiniMax-H3;按人類偏好評分,其表現明顯優於少步 Fast-H3,並更接近原始多步 H3。

  2. 新浪科技75

    OpenAI 推出 ChatGPT Images 2.6,新增 GIF 生成和參考圖編輯

    OpenAI 於 11 月 4 日推出 ChatGPT Images 2.6,新增直接生成 GIF 和依參考圖片編輯畫面的功能。兩款供開發者使用的 API 模型 GPT-Image-2.6 Flare 和 Sunburst 同步推出,亦支援圈選指定區域修改及輸出 SVG。OpenAI 稱整體出圖速度提升約 50%,但 Kingy 的水瓶 GIF 測試在末幀接回首幀時出現明顯跳變。

  3. 阿里雲開發者社區 AI46

    ComfyUI AI 漫劇本地量產流水線搭建教學:8G 顯存部署、分鏡生成與角色一致性

    ComfyUI 可用於搭建 AI 漫劇本地量產流水線,涵蓋源碼部署、劇本批量解析、分鏡生成、圖生影片及 FFmpeg 合成。方案以 IPAdapter 和 ControlNet 維持角色一致性,並提供 8G 顯存優化設定及 ComfyUI API 批量渲染腳本。攻略面向本地部署的個人創作者,無需雲端算力。

  4. 新浪科技77

    OpenAI 發佈圖像生成模型 Images2.6

    當地時間11月4日,OpenAI 發佈圖像生成模型 Images2.6,並向全球用戶開放,支援在 ChatGPT、Codex 及 API 使用。Images2.6 的圖像生成速度較上一版本提升50%,並加強多輪編輯的細節控制,以及角色、產品和品牌元素的一致性;新增的 GIF 生成功能可把靜態圖像、角色或產品視覺轉為循環動畫。

    推薦理由:API 的 Flare 在低質量設定下最快可在6秒內生成圖像,Sunburst 則側重更高質量和編輯一致性,呈現不同取向。

  5. 阿里雲開發者社區 AI31

    GGUF 量化模型本地部署實戰:8G 顯存跑通 AI 漫劇 Agent 自動化流水線,涵蓋劇本拆分、角色一致性與批量成片

    這套方案以 GGUF 量化模型搭建面向 8G 顯存的 AI 漫劇本地自動化流水線,串連劇本拆分、分鏡生成、批量繪圖、影片插值與 FFmpeg 合成。Python Agent 負責劇本解析和任務調度,並透過顯存分層調度避免 OOM;流程全程離線運行,支援 9:16 竪版成片。

  6. 新浪科技79

    OpenAI 發佈 ChatGPT Images 2.6,支援生成 GIF

    OpenAI 發佈 ChatGPT Images 2.6,用戶可用提示詞或上傳圖片生成循環 GIF,並調整播放速度及單獨修改畫格。ChatGPT 和 Codex 所有訂閲級別今日可用;API 同步推出 GPT-Image-2.6 Flare 和 GPT-Image-2.6 Sunburst,定價與 Images 2.5 相同,均為每百萬輸出 token 30 美元。

    推薦理由:Images 2.5 尚需生成 36 張連續畫面並用 Codex 拼接,Images 2.6 則可直接生成 GIF,呈現動畫製作流程的變化。

  7. 新浪科技76

    OpenAI 推出 Images 2.6,ChatGPT 新增 GIF 生成及逐幀編輯功能

    OpenAI 推出圖像模型 Images 2.6,為 ChatGPT 新增 GIF 生成、播放速度調整及逐幀查看和編輯功能。官方稱,圖片生成速度較此前提升 50%;Images 2.6 已向全球 ChatGPT 和 Codex 用戶開放,涵蓋所有訂閲級別,並支援網頁、桌面及流動端。

    推薦理由:這次更新涵蓋面向用戶的 GIF 生成與逐幀編輯,也同步推出兩款圖像 API 模型,可瞭解 ChatGPT 與開發者端各自獲得的更新。

  8. 新浪科技76

    OpenAI 升級 ChatGPT 圖像功能,支援直接生成和編輯 GIF 動畫

    OpenAI 為 ChatGPT 推出 Images 2.6 更新,現可透過提示詞或上載照片生成 GIF,並可調整動畫速度、編輯單格畫面及分享。更新亦加快圖像生成;OpenAI 表示,用戶目前每週透過 ChatGPT 及其 API 生成超過 40 億張圖片,高於 9 月公佈的每週 30 億張。

    推薦理由:更新把 GIF 生成、逐格編輯和分享整合至 ChatGPT,並提供每週圖片生成量由 30 億增至逾 40 億張的對照。

  9. OpenAI:部署安全與系統卡39

    ChatGPT Images 2.6 系統卡

    OpenAI 為 GPT-Image-2.6 Sunburst 和 GPT-Image-2.6 Flare 評估安全風險,並為兩款模型套用生物風險緩解措施。針對 310 個違規 GIF 的評估中,使用生成提示詞和畫格網格進行審核的召回率為 77.66%;兩款模型均未達到生物或網絡安全能力的 High 門檻。

  10. Ideogram Blog51

    2026 年包裝、零售及 CPG 創意領域 7 款最佳 AI 工具比較

    Ideogram Blog 比較 7 款面向包裝、零售及 CPG 創意工作的 AI 工具,按適用場景、輸出與交付方式,以及定價模式整理差異。文章以 Ideogram 4.5 製作 LUMA 氣泡水包裝概念,檢視標籤文字在配色、場景及材質修改後的可讀性。文中亦提醒,生成圖需與核准包裝稿、印前流程及實際交付檔案核對,不能取代正式生產稿。

  11. Ideogram Blog64

    2026 年商用 AI 圖像生成工具比較:授權與知識產權保障

    Ideogram 比較 Ideogram、Adobe Firefly、Getty Images、Bria、OpenAI 和 Google Cloud 六個平台的商用圖像授權與知識產權保障。文章提醒,商用使用許可不等於享有版權、作品具獨有性或獲得賠償保障,保障範圍須按合約、模型及使用途徑核實。文中亦整理簽約前應核實的素材權利、數據控制、企業權限及 API 承諾,並列出發布 AI 圖像前應保留的記錄。

  12. Ideogram Blog55

    大型電商目錄的 8 款 AI 產品攝影工具選擇指南

    Ideogram Blog 比較 8 款面向大型電商目錄的 AI 產品攝影工具,涵蓋產品場景生成、現有圖片整理、服裝上身圖及 API 工作流程。文中將 Ideogram 定位於場景與品牌創意變化,Photoroom 和 Claid 適合批次整理現有商品圖片,Botika 則專注服裝上身圖;各工具的批次處理方式、整合需求和收費模式各有不同。

  13. Ideogram Blog59

    2026 年品牌一致性最佳 AI 圖像生成工具比較

    Ideogram 的指南比較八個 AI 圖像生成平台,按重複風格或主體、特定產品或場景,以及字體、標誌和版面控制等需求説明如何選擇。文章比較自訂訓練、參考圖和品牌控制的用途,並整理各平台在資料集準備、部署、模型匯出、私隱及費用上的差異。

  14. Ideogram Blog61

    2026 年 8 款 iPhone AI 圖像生成 App 推介

    Ideogram Blog 整理 8 款 iPhone AI 圖像生成 App,按原創生成、對話式修改、照片編輯、設計排版及本機生成等用途介紹其特點。文章列出免費方案、起始付費價格及相容要求,價格採用美國 App Store 資料。作者在 iPhone 實測 Ideogram 的海報生成、改字和換背景,其他 7 款則根據官方 App Store 資料及説明頁整理。

  15. Ideogram Blog58

    2026 年 8 款 AI 圖像放大工具橫向比較

    Ideogram Blog 橫向比較 8 款 AI 圖像放大工具,整理各工具的適用用途、最高放大或輸出規格及存取方式。文章以 Ideogram 4.5 生成的 1024 × 1024 貓像作測試素材,檢查眼睛、鬍鬚、耳毛、項圈織紋及胸毛等細節,並比較輸出尺寸與影像變化。文中亦按相片、插畫及文字用途説明工具選擇,並提醒放大可能改變細節,應檢查最終尺寸下的線條、紋理和色彩。

  16. DEV Community27

    Miraviso 髮色諮詢:客戶開始前可在平板電腦上預覽效果

    Miraviso 讓髮型師與客戶在平板電腦上逐步調整髮色造型,讓客戶在開始前預覽效果。髮型師可從客戶照片建立造型,調整全頭或只染髮束,並比較不同版本;每次預覽約需三十秒。照片經 Google 的 Gemini 模型在歐洲伺服器處理,須取得客戶同意才會開始,預覽標示為「AI-generated preview」。

11月4日週三
  1. IT之家57

    小米 WorldCast 3D 運鏡功能登陸 REDMI K100,平面照片可生成 3D 運鏡影片

    小米在 REDMI K100 上線 WorldCast 3D 運鏡功能,可將相冊中的靜態照片生成大角度 3D 運鏡影片。運鏡可環繞、推拉及傾斜,並在過程中保持人物五官、髮型和衣着一致。WorldCast 透過解析畫面深度結構還原三維場景並虛擬相機軌跡;小米稱團隊將進一步探索更複雜的運鏡形態、更長的連續生成及可控 4D 影片生成技術。

  2. HuggingFace Daily Papers(社區熱門論文)45

    LongBanana:長上下文多參考圖像合成的專家驗證基準

    LongBanana 是一個針對長上下文多參考圖像合成、由專家設計及驗證的基準,包含 90 項任務及共 4,670 個專家指定的原子評估項目。每項任務約有 32 張參考圖像和 20 項約束,並以圖像中的實體與關係圖評估內容保真度、關係綁定及整體約束滿足度。研究亦提出 LongBanana-Gen;實驗顯示,精簡的智能體框架優於直接生成,而 RPR 工作流程的成效視乎框架而異,程式碼及數據已公開。

  3. 新浪科技78

    OpenAI:2026年11月 ChatGPT 每週活躍用戶達12億,兩個月新增約2億

    OpenAI 消費者產品負責人 Adam Fry 表示,ChatGPT 每週活躍用戶已達12億,過去兩個月增加約2億。ChatGPT 每週處理的搜尋類查詢量約為 Google 的五分之一,語音輸入及語音對話周活躍用戶合計達2.5億,每週生成圖片15億張。

    推薦理由:ChatGPT 搜尋查詢量約達 Google 的五分之一,文章亦把語音與圖像使用規模、Chat 和 Work 整合計劃放在同一脈絡,呈現產品擴展方向。