印度微短劇平台 EloElo 獲 8,000 萬美元投資
EloElo 在 C 輪融資中獲 Hornbill Capital 和 NBC 環球投資 8,000 萬美元,累計融資額達 1.3 億美元,估值為 5 億美元。旗下 Story TV 活躍用戶超過 3,300 萬,提供 6 種語言的 5,000 多部微短劇。Story TV 推出 Dolphin AI 平台,提供影片編輯功能、多種模板及可生成圖像和影音的 AI 模型。
EloElo 在 C 輪融資中獲 Hornbill Capital 和 NBC 環球投資 8,000 萬美元,累計融資額達 1.3 億美元,估值為 5 億美元。旗下 Story TV 活躍用戶超過 3,300 萬,提供 6 種語言的 5,000 多部微短劇。Story TV 推出 Dolphin AI 平台,提供影片編輯功能、多種模板及可生成圖像和影音的 AI 模型。
文章以一張照片能否「換」掉一張臉為題,提出照片與人臉相關的個人資料保護疑問。頁面未提供正文,無法確認相關技術或風險細節。
aimodels-fyi 發佈 Qwen-Image-2.1-Turbo-Quantized 入門指南,介紹這組以 Qwen-Image-2.1-Turbo 為基礎、供本地文字生成圖像使用的量化權重。
AI 圖像檔案的 EXIF、XMP、IPTC、C2PA 等嵌入式中繼資料,與像素級 SynthID 水印屬於不同層次,清除中繼資料不會移除水印。作者介紹用 exiftool 檢查資料,以及透過 Canvas API 在瀏覽器本機重新編碼以清除原有中繼資料;JPEG 重新編碼可能有損,色彩設定檔亦可能改變。移除中繼資料不能取代平台或客戶要求的 AI 揭露。
ComfyUI 漫劇動態 AI 影片製作方案提供定製工作流、配套 LoRA/VAE 模型、Python 批次渲染腳本及 Wav2Lip 口型優化模組,涵蓋分鏡動態生成、配音字幕、片段拼接與成片匯出。
作者在擴散模型生成流程中加入 NaN 和像素標準差檢查,避免 fp16 產生的異常張量被寫入 PNG。建議在儲存前執行 `torch.isfinite(tensor).all()`,並檢查解碼後像素的標準差。檢查失敗的樣本可在生成迴圈內重試,並記錄 seed 和提示詞,方便重現。
這份檢查清單建議雙語餐牌與包裝標籤先鎖定中英文文案,再分開生成圖像和排版文字,避免模型自行生成錯誤字形。MOSS-Image AI 可處理可讀的雙語文字,並提供可拖曳的標題、價格及標籤文字框。完成後應逐行核對中英文內容,並把 PDF 放大至 100% 按實際尺寸檢查字距等印刷問題。
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 60 天由 10 億增加約 2 億。他稱 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合計有 2.5 億週活躍用戶,每週生成 15 億張圖片。凡觸發 ChatGPT 聯網搜尋的問題均計作一次搜尋,單純寫作和編程請求不計入。
推薦理由:報道同時比較 ChatGPT 與 Google 的搜尋類查詢量,並列出語音及圖片生成數據,讓讀者可從用戶增長以外瞭解其不同功能的使用規模。
HelloAI 免費方案生成的 HTTP 條件式快取示意圖,把應為「304 Not Modified」的狀態碼畫成「204 Not Modified」,出現實質錯誤。流程箭頭及分欄正確,文字清晰,但第 2 步標籤格式有誤;作者提醒,生成的示意圖仍須逐項核對。
OpenAI 消費者產品負責人 Adam Fry 表示,ChatGPT 周活躍用戶已達 12 億,過去 60 天增加約 2 億,增速約為每 30 天增加 1 億。ChatGPT 搜尋類查詢量約為 Google 的五分之一;只有觸發聯網搜尋的問題才計作搜尋,純寫作和編程請求不計。ChatGPT 每週生成圖片 15 億張,語音輸入和語音對話合計周活躍用戶為 2.5 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 60 天由 10 億增至 12 億。ChatGPT 每週處理的搜尋類查詢量約為 Google 的五分之一,語音輸入和語音對話功能合計有 2.5 億每週活躍用戶,每週生成圖片 15 億張。只有觸發 ChatGPT 聯網搜尋的提問才計入搜尋量,單純的寫作和編程請求不包括在內。
推薦理由:ChatGPT 的搜尋類查詢量以 Google 為比較基準,並限定觸發聯網搜尋才計入,令這項使用規模數據的統計口徑更清晰。
Bezos 和 Jason Statham 最近流傳的植髮照片是經過編輯的假圖,兩人並沒有因此改變一向剃光頭髮的造型。Google 反向圖片搜尋找到 Bezos 2023 年及 Statham 2011 年的原始照片,證實相關圖片經過修改;作者未能確認是否使用 AI 工具製作。 генера
Apple 向 iPhone 推送首個 iOS 27.3 開發者預覽版,為國行用戶帶來「Apple 智能與 Siri」及首批功能。功能包括 Siri 呼出燈效、訊息、FaceTime 通話和電話 App 的即時翻譯、寫作工具、視覺智能、相片消除工具、智繪表情及通知摘要;「千問」擴展則可協助撰寫文本、生成圖像和回答問題。
TailSteer 是一種最終階段訓練框架,透過令早期去噪動態貼近基礎模型,並在軌跡尾段學習保留修正,減少多輪圖片編輯中的累積視覺漂移。FLUX、SenseNova 和 Qwen 系列的實驗顯示,TailSteer 在 15-20 輪編輯中大幅減少漂移,同時大致保留基礎模型在文字生成圖片及單張圖片編輯基準上的表現。
作者用同一提示詞測試六款 AI 圖像生成工具,比較它們製作網誌精選圖片的效果。測試涵蓋 Google Gemini 的 Imagen 4、ChatGPT 的 GPT-4o、Midjourney、Ideogram、Adobe FireFly 及 Canva,各工具在構圖、光線和寫實感上各有差異。作者認為 Ideogram 的效果出色,而挑選合適圖片仍需要人手判斷。
Recraft 比較圖像放大工具與圖像增強工具,指出前者增加像素而不改動圖像內容,後者則可重繪細節、降低雜訊及改善清晰度。圖片原尺寸已足夠但畫面模糊或有雜訊時應使用增強;若須保留內容準確,應選放大,兩者皆需要時先增強再放大。
進博會新聞中心正式啟用,設置5台機械人為記者提供服務,並配置AI工作站支援媒體報道。工作站提供AI海報生成、線索成稿、AI播客及短片創作輔助等服務。新聞中心計劃舉行約10場新聞發布活動、組織15條探館採訪線路,並推出近20場「總裁面對面」採訪活動。
文生圖在廣告營銷、遊戲開發、教育素材及電商時尚等場景具備落地價值,可用於生成配圖、角色概念稿、教材插圖及虛擬模特圖。它擅長創意生成,但不擅長準確渲染文字或精確控制;需要維持角色或產品一致時,應配合參考圖。實際應用宜先從非核心場景起步,並安排人工審核、整理可重用的提示詞及控制成本。
阿里雲通義萬相文生圖應用以 ECS 處理業務及保管 API Key、以 OSS 儲存圖片並提供簽名 URL,再由萬相 API 生成圖像。圖生圖流程會先將參考圖片存入 OSS;生成任務則由 ECS 非同步處理,前端可透過輪詢查詢狀態。
Google 將 Dreambeans 擴展至印度,印度成為該服務首個美國以外市場。Dreambeans 提供根據用戶數碼活動生成的 AI 視覺故事,支援 13 種當地語言。此次擴展把服務帶到美國以外,並以印度作為首個拓展市場。
商湯科技發布日日新 SenseNova6.8Flash 正式版,重點升級辦公協作與設計生成能力,支援長期記憶、跨會話任務協作,以及動態 PPT、動態海報、網頁、SVG 和 Blender3D 創作。模型已開放網上體驗,並同步上線 SenseNovaTokenPlan。使用者可透過智能體與 Blender 協作進行 3D 創作,並根據渲染結果和使用者回饋持續調整。
商湯研究院、香港科技大學 MMLab、斯坦福大學及清華大學智能產業研究院的研究者提出 MT Forcing,以改善多輪圖像編輯中的畫質退化與內容漂移。SenseNova-U1.5 使用該方法後,第八輪指令遵循分數由 4.52 升至 9.17,內容一致性分數由 3.22 升至 7.68;畫質抗漂移分數則在八輪維持 4.20—4.35。其八輪幾何位移均值由 6.34 像素降至 0.74 像素。
作者在配備 4GB VRAM 的 GTX 1650 上實測 Stable Diffusion 1.5 的四種 VRAM 調整,按成本與記憶體節省效果排序;fp16 沒有可測量的耗時,model offload 則是唯一能令 OOM 的生成成功的方法。
Apple 接獲線索後下架 19 款涉事 App,這些 App 暗中提供性暴力深度偽造功能。涉事網絡涉及 400 多個關聯域名和應用,以寵物寫真、語言學習及 AI 健身教練等日常服務作掩護;應用會按用戶來源和語言切換普通功能或隱藏介面,開發者亦曾在通過審核後更換應用調用的網頁內容。
推薦理由:Apple 下架 19 款 App,Meta 對 1.16 萬個相關廣告帳戶採取措施並禁止 209 款應用投放廣告,呈現應用商店與社交平台的清理措施。
StepX-OPD 將多教師在策略蒸餾與少步採樣整合訓練,讓文字生成圖像擴散模型同時習得多項能力並以少量步驟生成。研究在 SD3.5-Medium 和 FLUX.1-dev 上評估,StepX-OPD 在比較的四步方法中取得最高標準化平均分,並超越四十步 Flow-OPD。於 SD3.5-Medium 上,其 GPU 訓練時數較先後進行 DiffusionOPD 和步數蒸餾減少約 37%。
Recraft Logo Maker 提供 AI 標誌製作流程,用戶回答有關業務的問題即可生成設計方向,毋須撰寫提示詞。工具會生成四個不同方向,支援調整顏色和款式,並可在模擬場景預覽後匯出向量檔。目前工具以桌面及流動網頁公開測試;免費方案製作的標誌會公開並僅供個人使用,商業用途須使用付費方案。
2026 年投票時,作者收到一張 AI 生成、文字錯亂且設計雜亂的「I Voted」貼紙,令投票帶來的喜悦變成羞愧。作者對比了其他地方由學生或當地藝術家設計的貼紙,並表示自己不能接受 AI 生成的投票貼紙,擔心這類日常小事會令 AI 逐漸變得習以為常。
上海閔行警方破獲一宗利用 AI 生成虛擬女性人設的網戀詐騙案,團夥以 7 天固定劇本和話術模板推進交往,並發送經 AI 處理的生活照片取信受害者。該團夥騙取全國 15 名受害者共 180 餘萬元,單人最高損失 38 萬餘元;成員被判最高 11 年有期徒刑並處罰金。
Krea 2 Identity Edit v1.2 LoRA 對應三個 ComfyUI 編輯流程,分別處理單圖、遮罩單圖及雙圖參考編輯,差異在輸入路徑與限制方式。三者共用基礎模型、文字編碼器和 VAE;ref_boost 設定分別為 4、3 和 3。遮罩流程會先用 GrowMask 擴張遮罩(expand 6、taper on);作者只檢視已儲存的流程圖,沒有執行推理或基準測試。
mujin 使用配備 4GB VRAM 的 GTX 1650 生成 22 張動漫肖像,以 Python 編寫 ERC-721 和 Seaport 上架層,並將項目部署到 Base。
文章提出一套可在素材備妥後一小時內執行的流程,將單一 SKU 的產品照片轉化為完整廣告素材組。目標是製作 4–6 款靜態廣告(涵蓋 1:1 和 9:16)及一段 9–15 秒短片,並核對品牌元素和匯出檔案命名。作者建議以小額預算測試 3 款靜態素材和 1 段短片,24–48 小時後淘汰低於 CTR/thumb-stop 基準的版本,再調整勝出素材的標題或開首 2 秒。
Promptclay 作者整理出撰寫 AI 圖像提示詞的六項工作,並以五個實例示範如何安排主體、媒介、光線、鏡頭、構圖與限制。文章亦比較 Gemini 與 ChatGPT image 的提示方式,建議把比例寫成文字;Midjourney 的 --ar 9:16 不適用於其他工具。
製作 2D 遊戲精靈圖集時,應按動畫分列、按影格分欄,並保持每格大小一致,方便引擎切分及播放。Ziztu 的 AI 精靈圖集生成器使用 Seedream 5 Flash,約半分鐘可生成一張圖集,每張約 70 credits。圖集不會匯出 JSON、GIF 或影格資料,影格亦可能偏移,需在引擎或編輯器切分並逐格檢查。
這套 Qwen Image 2.1 工作流先以視覺語言模型描述輸入圖片,再結合保留指示生成重建圖片;它不是能保證還原原始像素或缺失細節的傳統升頻工具。工作流從空白潛在表示開始,按像素面積預算計算尺寸,放大上限為每個維度 4 倍,目標不超過 2048² 像素。文章亦提醒,保存的圖表尚未確認可執行,實際結果須檢查。
2026年中國廣播電視精品創作大會將於11月4日在京開幕,蘇超AI創作大賽亦已啟動。大會設1場開幕式暨主論壇、9場平行論壇及6場文藝沙龍。大賽設四大創作賽道,優質獲獎作品將納入聯賽官方數碼資產庫。
文章提出電影級 AI 表情控制方案,以身份鎖定、AU 微表情結構化提示、分層條件權重、面部局部重繪及批次注入工具,處理六類生產故障。內容涵蓋 ComfyUI 工作流、Python 程式碼及批次生成架構,讓身份、表情、姿態與光影條件分開控制。
AI 人像時尚大片生成服務透過阿里雲市場 API 網關提供接入,開發者可用 APPCODE 鑑權,提交人物肖像及時尚主題,生成多套風格硬照。服務採用異步任務,提交後返回任務標識,需輪詢取得圖片 URL 及英文 Prompt。接入時應做好限流與退避,並由調用方負責內容安全及版權復核。
面向審查程式碼變更並回傳結構化結果的市場服務,Node.js 文字轉圖片 API 整合宜以佇列渲染作為預設,並將圖片生成設為可選產物。佇列可處理突發工作及重試,透過 tenantId 和用量事件追蹤各帳戶成本;即時渲染則適合有人等候的單次預覽。
AI 一致角色生成的角色在側面視角容易走樣,原因是正面參考未提供鼻樑、下顎深度等面部幾何資訊,模型只能自行補足。文章建議先建立正面、約 45° 和 90° 參考圖,再以 30°、60°、90°逐步轉向,每一步都對照原始正面圖,並明確描述要保留的面部特徵。每次生成都應沿用已核准的參考圖,測試時只改變鏡頭角度;單靠提示詞不能保證身份一致。
GooDesign 停止讓 LLM 改寫用戶提示詞,改以原文直接送入渲染流程,再用結構化參數補足用戶未指定的渲染需求。保留條件會抽取為機器可讀清單,用於鎖定區域等編輯控制;補充層不可覆蓋用戶原文,判斷不確定時則輸出空物件。團隊另以標註意圖的回歸集、VLM 評分及人工抽查檢查約束是否保留,並分開記錄用戶原文與模型實際接收的提示詞。