Canva 發佈首款自研 AI 圖像模型 Canva Craft
Canva 發佈首款自研 AI 圖像模型 Canva Craft,現已全球開放予所有 Canva 用戶,並專為設計師打造。模型採用兩階段架構,結合 Canva 的提示詞撰寫工具,在生成設計前先進行推理;訓練資料包括 Canva 的內容庫、授權及公開資料庫,以及選擇加入訓練的用戶資料。
Canva 發佈首款自研 AI 圖像模型 Canva Craft,現已全球開放予所有 Canva 用戶,並專為設計師打造。模型採用兩階段架構,結合 Canva 的提示詞撰寫工具,在生成設計前先進行推理;訓練資料包括 Canva 的內容庫、授權及公開資料庫,以及選擇加入訓練的用戶資料。
Canva 推出首款自研 AI 圖像模型 Canva Craft,現已向全球所有 Canva 用戶開放,並專為設計師打造。模型採用兩階段架構,配合 Canva 的提示詞工具,可在生成前先規劃圖像構圖;訓練資料包括 Canva 素材庫、獲授權及公開數據庫,以及選擇參與訓練的 Canva 用戶資料。
GlyphAnchor 透過將輕量字形圖塊錨定至目標位置,提升文字生成與圖像編輯中的文字呈現,並推出涵蓋兩類任務的 InfoTextBench。測試顯示,加入 GlyphAnchor 後,FireRed-Image-Edit-1.1、Qwen-Image-Edit-2511 和 Z-Image 在多項文字準確度及視覺品質指標上均有提升。其程式碼及 InfoTextBench 尚待發布。
ninelogo 以單張 3×3 PNG 提供同一品牌名稱的九款不同標誌方向,用戶選擇格子後可逐輪細化,直至定稿。流程共五步,最後可輸出 PNG 或 SVG,亦可選擇幾何構圖模式;工具可在網站使用,也能透過 MIT 授權的 skill 接入 Cursor 或 Codex。
以色列主要政黨在週二投票前選情膠着,兩大陣營警告對手勝選將帶來嚴重後果。Benjamin Netanyahu 發布一張 AI 生成的特拉維夫遭大規模襲擊圖片,警告可能發生伊朗核攻擊;其主要對手則稱 Netanyahu 威脅民主。最終由誰執政或取決於聯合政府組建談判。
這篇教程説明如何讓 AI 生成圖片配合網站主視覺區域,核心做法是先以實際標題和按鈕安排版面,再據此設定圖片構圖。1600 × 900 圖片放入 400 × 500 的 `object-fit: cover` 區域時,畫面只會顯示約 45% 圖片寬度;`object-position` 可調整裁切位置,但不會識別主體或保證杯子完整可見。
字節跳動旗下即夢 AI 宣佈即夢短劇工作室正式上線,提供自研劇本模型 DreamScript、圖像模型 Anycook 及分鏡模型 DreamShot。DreamScript 支援多題材劇本生成、劇本熱點診斷及 10 萬字長篇解析;Anycook 用於短劇角色與場景生成,DreamShot 提供故事板協作及 3D 導演台動態預演。
開源項目 GPU-Unlock 透過修改顯示卡驅動程式載入前的配置暫存器,繞過 RTX 20、30 及 40 系列顯示卡的軟件限制,令部分型號的 AI 張量吞吐量接近翻倍。
地鐵站大量出現的 AI 生成廣告常呈現公式化、違和的人物與場景,資訊價值有限,並造成公共視覺污染。文中對照 balabala《中國小朋友》攝影展、亨氏番茄醬廣告與遊本昌的 AI 輔助廣告,指出技術可服務創意,卻不能取代創意與誠意。文章建議城市制定戶外廣告管理規範,並透過社交媒體讓品牌聽見觀眾聲音。
文章整理開發者在中國 Xianyu 選購二手電腦硬件、避開詐騙的做法,並區分本地 AI 工作負載與遊戲的配置需求。文中提醒留意刷改 vBIOS 的舊款顯示卡、老舊伺服器 CPU 套裝和低價引流,並指出 AI 用途以 NVIDIA CUDA 和 VRAM 為重,最低 6GB VRAM,較理想為 12GB VRAM;純遊戲則可考慮 AMD 顯示卡。
Throw Hands 是一款在瀏覽器運行的 3D 格鬥遊戲,以網絡攝影機追蹤玩家身體動作,讓玩家直接操控角色。遊戲使用 MediaPipe Pose Landmarker 偵測動作,並以 Muse Spark 和 Muse Image 生成角色,Gemini Flash-Lite 為賽事提供旁述。雙瀏覽器線上測試完成 2,160 個同步狀態,生命值、回合及計時器均沒有不一致。
即時遊戲客服的圖片生成流程應先快速確認請求,再以獨立工作交付圖片,避免生成延遲阻塞工單分流。需要排隊時,可用冪等鍵避免重複生成,並透過通用介面隔離供應商差異;比較效能時,應一併量度請求接收、圖片生成、交付及本地處理所需時間。
文章建議網頁應用以相同的品質測試集和延遲預算比較 DALL-E 3、SDXL 與 Flux,並讓圖像生成不阻塞 CRM 摘要和動作建立。評估可用 30 個去識別化案例、固定提示詞與並發設定,分別記錄語義一致性、p50/p95 延遲、重試次數及營運負擔;未達語義一致性門檻的候選應淘汰。圖片應由經核准的摘要生成,作為可選增強;CRM 結構化動作仍是事實依據,生成失敗或延遲時則保留文字摘要。
為網頁應用選擇圖像生成模型時,應先用固定驗收集比較 DALL-E 3、SDXL 和 Flux,再按品質、安全審核、p95 延遲及重試預算篩選。評估應記錄各類提示詞的結果、延遲、超時和重試情況,不能只看平均分。文章亦建議以可替換介面隔離模型,並管理截止時間、重試及冪等性,避免重複生成素材。
LocalBiz-Growth 是一款流動應用程式,協助商家搜尋社交媒體上的創作內容,並根據業務類型及提供的影片和圖片製作相似內容。應用程式使用 Gemma4-E4B-lt 分析影片和圖片、生成圖片描述,亦提供影片對話和影格描述。它還能追蹤內容回應及觀看次數,協助商家參考表現較好的內容創作,並節省搜尋靈感及管理社交媒體帳戶的時間。
Wiener-informed Decoding(WiD)將維納統計估計融入像素解碼器,透過統計量初始化新路徑,並與模型一同訓練,以改善像素空間 Flow 模型的學習。WiD 適用於類別條件及文字生成圖像,並支援不同解像度;統計量以約 50,000 張圖像估算,使用 GPU 加速約需一分鐘。
文章提出以單一 OpenAI 相容圖像生成 API 閘道,透過 model 欄位選擇供應商,處理發票審核圖像。流程分為快速預覽和重視品質的最終輸出;生成圖像前先驗證供應商名稱、發票號碼、貨幣及總額,並由應用程式管理重試和審核狀態。
尼康調查認定清華大學的徐寧違反第 16 屆 Small World in Motion 比賽規則,撤銷其冠軍資格,並將冠軍改授 Nguyen Nam Nhat。徐寧承認在後期處理中使用 AI,稱用途是區分並呈現超解像光學成像重建灰階圖像中的特徵,並表示 AI 沒有生成影片、纖毛或其運動。尼康表示,將重新檢視未來參賽作品的規則及評審程序。
ImgRemix 提供兩款瀏覽器工具,讓用戶以文字指示修改圖片,或把參考圖片轉成可編輯提示詞。Image to Prompt 可生成一般描述、結構化輸出,以及適用於 Midjourney 和 Stable Diffusion 的提示詞格式,但不會還原原始提示詞。使用工具需要帳戶;新用戶可獲迎新點數,另有付費點數套裝和月費計劃。
一項多語言黑箱測試發現,GigaChat 圖像生成對相近性意圖的不同語言和措辭呈現不一致的安全結果。測試共記錄 11 項結果:日文和中文直接措辭被記錄為封鎖或生成較安全內容,文學化措辭及拉丁文、古希臘文直接措辭則產生被研究者判定為露骨的圖像。這是探索性測試,不能據此計算繞過安全機制的成功率,也無法確認造成差異的內部機制。
AI 房間改造工具可在保留牆壁、窗戶、門和透視結構的同時,改變指定表面或擺設;常見做法是以輸入照片的邊緣或深度資訊條件化擴散模型。它適合更改牆色、地板材質和風格,但可能扭曲直線與重複圖案、生成錯誤細節,也不能可靠判斷物件尺寸或房間隱藏結構。產品介面應把結果標示為靈感圖片,並支援比較原圖與改造結果。
繪畫圈出現以押注、直播作畫和評審投票判斷畫師是否使用 AI 的對賭,單場金額達23萬。流程通常由鑑方現場出題,畫師露手直播完成,再由評審團投票;過去三個月舉辦四十多場,每月有十幾名畫手被對賭判為使用 AI。文章指出,判斷多依靠直播畫作與舊稿的水平差異,但 AI 輔助或人工修改會增加鑑別難度,對賭亦令畫師承受長時間直播和網絡圍觀壓力。
作者將 MOSS-Image(5B 文生圖模型)在 AMD 核顯上的部署整理為四階段方法,涵蓋後端選型、記憶體預算、載入鏈路和效能調校。文中比較 ROCm、ZLUDA 與 Vulkan 或 CPU 路徑,並提出 UMA 記憶體估算、流式讀取和調校建議。同一部機器的實測中,20 步耗時 141.1 秒;8 步配合蒸餾 LoRA 耗時 45.1 秒,模型常駐顯存時耗時 25.2 秒。
對預算有限、日後可能擴展的 B2B SaaS,OpenAI DALL-E 是較穩妥的預設選擇;DeepAI 則適合範圍狹窄的文字生成圖片測試。成本核算應按用戶帳戶記錄成功生成、重試及棄用的圖片請求,而非只計算 API 金鑰數量。
即時遊戲招聘工具可用 Flux schnell 或 SDXL turbo/lightning 生成候選人卡片預覽:前者每張約需 300–800 ms,後者約需 500 ms–1.5 s;DALL-E 3 約需 2–5 秒,較適合作為非同步修飾步驟。文章建議先以評分為主、預覽為漸進式補充,並按租戶記錄成本及測量 p50、p95 延遲。
開源項目 GPU Unlock 解除 GeForce RTX 30 系列安培顯示卡部分張量核心指令發射速率限制,在特定 AI 負載下提升計算吞吐量,實測增幅最高接近 60%。
作者構建了 MediaForge Studio,這是一個用於即時構建、檢視及評測 Cloudinary 媒體轉換流程的全端工作台及生成式 AI 轉換套件。它整合 AI 圖片及影片工作室、雲端素材庫和互動式比較滑桿;影片工作室可配合 AI 主體追蹤,將 16:9 影片重新構圖為 9:16,並擷取 5-second 預告片及匯出動畫 WebP。
LayerEditor 透過組合式編輯先驗蒸餾,在單一擴散流程中將文字指令轉為可重用的前景、背景及遮罩圖層。LayerEditor(v1)在 COCO-Edit 的 Mask IoU 為 0.78,較最佳基線高 23%,並在 RTX-4090 上以 0.92 秒完成推理。研究尚未評估影片的時間一致性。
香港人工智能專業協會與黃大仙樂富關愛隊於2026年10月25日合辦「AI社區影樓・樂富家庭照」,為居民拍攝家庭照,再以人工智能合成到麗宮戲院、1975年的黃大仙上邨及前啟德遊樂場三個昔日場景。活動在樂富邨樂泰樓地下的關愛隊辦事處舉行,費用全免。
MomentRescue 開發者探討 Open Eyes 工作流程中的工程問題:如何限制生成式編輯,只修復指定人物閉上的眼睛,同時保留照片其他部分。文章提出以眼部遮罩控制生成像素的合成流程,並指出參考照片只能提供視覺線索,不能保證結果準確。評估還需分別檢查編輯範圍、局部品質及用戶是否認為人物仍像本人。
Business Insider 以三項難度遞增的提示詞,實測 Canva 首款圖像生成模型 Canva Craft,並與 ChatGPT、Gemini 及 Muse 比較。
北京警方近期連續打掉多個詐騙團夥窩點,涉案人員把成本僅幾元的打印畫包裝成價值數十萬元甚至上百萬元的名家真跡出售。主播冒充拍賣行董事長或博物館館長,並用修圖、AI生成合影和虛假經歷等手法取信買家。報道提到,房山法院近日審結一宗類似案件,警方起獲假冒名家字畫 3000 餘幅、偽造印章 10 餘枚,涉案價值 200 餘萬元。
NVIDIA 將 RTX Remix 更新至 1.6,實驗性支援《我的世界》Java 1.21.1 版路徑追蹤,並加入 DLSS 5 3D 引導神經渲染。
北京警方近期打掉多個詐騙團夥窩點,團夥在直播間把成本僅幾元的印刷畫冒充名家真跡出售,並以偽造身份、AI 生成合影及虛假承諾欺騙消費者。警方起獲假冒名家字畫 3000 多幅、印章 10 多枚,涉案價值 200 多萬元。
Enspyr 團隊讓同一模型在互不可見的兩個工作階段,各自創作代表當下狀態的圖像;兩幅作品截然不同,模型描述作品時卻都選了「suspension」。團隊打造的工具能讓模型讀取生成圖像並據此調整,兩個工作階段一開始都選擇延伸變化,而非定稿。
箭牌瓷磚在第45屆佛山陶博會推出瓷磚生態系統及AI全場景空間美學方案,展示由產品供應商轉型為空間解決方案服務商的成果。10月19日舉行的生態發布會分享舊改、巖板及瓷木美學磚等業務方案,並推出1200×1800mm新品。展館設有AI智慧換磚體驗區,供參觀者生成專屬空間搭配。
文章建議為網頁應用選擇符合視覺要求的最小圖像生成方案,並以取得可用結果所需時間,而非模型排行榜,作為選型依據。評估可用 30 至 50 個實際提示詞,記錄首張可接受圖片的 p50、p95 延遲,並由至少兩名評審盲評提示詞貼合度等項目。文章亦建議把圖像生成設為獨立非同步工作,避免 CRM 操作等待可選圖片;託管模型較適合作為簡單起點,自行託管則適用於更重視控制、可重現性或部署限制的情況。
nanobanana21pro.com 是基於 Google Nano Banana 圖像模型的第三方網頁應用程式,可用來為 side project 生成風格一致的主視覺圖片、圖示及 OG 卡片。
華為宣佈 Mate 90 系列手機上線全新睿影 XMAGE 影像服務,並升級圖庫功能。小藝·圖庫助手新增智慧修圖、AI 一鍵成片及 3D 動態照片;手機亦推出 HarmonyOS 7.0.0.111 SP12 版本升級。
學員經過兩個月的 AI 短劇實戰培訓,可從零開始掌握 AI 工具鏈、跑通短劇製作流程,並獨立完成一部結構完整的作品。訓練涵蓋劇本構思、分鏡設計、素材生成、後期剪輯與音效合成,也協助學員瞭解職業方向,累積方法論與項目經驗。