搜索全球AI产品动态

近日，人工智能领域再次掀起热议，OpenAI旗下的GPT-4o图像生成模型凭借卓越性能，在行业权威评测中脱颖而出。据最新社交媒体讨论透露，GPT-4o在图像生成质量的ELO评分中与新兴模型Reve并列第一，超越了Recraft V3、FLUX1.1[pro]以及Google的Gemini2.0Flash等强劲对手。这一成绩不仅巩固了OpenAI在生成式AI领域的领先地位，也引发了业界对该模型应用潜力的深入探讨。根据相关分析，GPT-4o在多个关键领域展现了无与伦比的优势，尤其是在文字排版、商业图像、人物肖像、未来科幻和动漫风格的图像生成

备受瞩目的 AI 研究公司 Runway 近日隆重推出其下一代人工智能模型系列—— Runway Gen-4。本次发布的 Gen-4模型专注于媒体生成和世界一致性，旨在为用户带来前所未有的创作自由和控制力。其中，最引人瞩目的功能便是其能够精确地生成并保持角色、场景和物体在不同镜头中的高度一致性。告别“换脸”烦恼:角色一致性轻松实现以往的 AI 视频生成模型常常面临角色在不同场景中形象不统一的问题，这给叙事创作带来了诸多挑战。Runway Gen-4革命性地解决了这一痛点。用户只需提供单个角色参

近日，由香港科技大学与音乐领域的 DeepSeek 合作开发的开源音乐生成模型 YuE 正式发布，震惊了不少乐迷和音乐创作者。这一模型不仅能够生成多种风格的音乐，还可以模拟人声，给听众带来全新的音乐体验。YuE 的特点在于其双 LLaMA 语言模型架构，这使其能够无缝适配各种大语言模型，并且能够处理长达5分钟的完整歌曲。这一创新的设计让 YuE 在音乐生成的质量上达到了前所未有的高度，甚至与市场上著名的闭源音乐生成工具 Suno 和 Udio 相抗衡。YuE 可以同时生成专业级的歌声和伴奏，实

在科技界的最新动态中，OpenAI 刚刚宣布，他们在最新的 GPT-4o 模型中集成了迄今为止最先进的图像生成器。OpenAI 的首席执行官萨姆・奥特曼（Sam Altman）在社交媒体平台 X 上兴奋地分享了他第一次看到模型生成的图像时的震惊，认为这简直难以置信，并期待用户们充分发挥他们的创造力。新功能的亮点包括:- 能够精确渲染文本内容，提供高质量的图像效果。- 支持多种输入输出方式，涵盖文本、图像和音频等多种形式。- 理解复杂指令并结合上下文，创造出具有真实感的第一人称视角图像。

2025年3月25日，OpenAI宣布其最新图像生成模型正式内置于GPT-4o中，这一突破性升级为用户带来了更强大的图像生成与编辑体验。据悉，该功能已于今日开始向ChatGPT和Sora的所有Plus、Pro、Team以及免费用户逐步推出。这一消息迅速引发了科技界的广泛关注。

一款名为Reve Image的全新AI图像生成模型正式亮相，迅速引发科技与设计圈的广泛关注。据悉，该模型由Reve团队从零开始打造，专注于提升美学表现、精准的提示遵循能力以及出色的排版设计，旨在为用户提供高质量的视觉创作体验。Reve Image的推出被视为AI图像生成领域的一大突破。有业内人士表示，这款模型在生成图像时展现出强烈的设计感，产出的作品简洁大气，颇具海报风格的视觉冲击力。与此同时，其对用户输入的提示词理解能力尤为突出，能够细致还原创作者的意图，甚至对简单

腾讯混元近日宣布推出 5 个全新的3D生成模型，并全部开源。这些模型基于Hunyuan3D-2. 0 打造，具有生成速度更快、细节更丰富、材质表达更逼真的特点。同时，腾讯自研的3D AI创作引擎也进行了升级，新增多视图输入、模型智能减面和格式全兼容等功能，现已面向C端用户全面开放使用。在这些新模型中，Turbo系列模型在保证高精度和高质量的同时，对几何生成模型进行了数十倍的加速，使整个生成过程能够在 30 秒内完成。这一加速能力源于腾讯混元提出的3D生成加速框架FlashVDM，该框架突破

听说过壕无人性的 OpenAI Sora 吧?动辄几百万美元的训练成本，简直就是视频生成界的“劳斯莱斯”。现在，潞晨科技宣布开源视频生成模型 Open-Sora2.0!仅仅花费了区区20万美元（相当于224张 GPU 的投入），就成功训练出了一个拥有 110亿参数的商业级视频生成大模型。性能直追“OpenAI Sora ”别看 Open-Sora2.0成本不高，实力可一点都不含糊。它可是敢于叫板行业标杆 HunyuanVideo 和拥有300亿参数的 Step-Video 的狠角色。在权威评测 VBench 和用户偏好测试中，Open-Sora2.0的表现都令人刮目相看，多项关键指

是否还在感叹视频制作门槛高，后期编辑太烧脑?别担心，阿里通义Wan团队再次出手，推出了他们最新的重量级模型All-in-One视频生成和编辑模型——VACE。VACE最引人注目的能力之一，便是其强大的按条件生成视频功能。这意味着，你只需要用文字描绘出心中的场景，VACE就能迅速将你的想象变为现实。这如同拥有了一支听你指挥的梦幻摄制组，效率之高令人惊叹!VACE支持多种灵活高效的编辑方式，包括:物体运动轨迹任你掌控。借助 Move-Anything 功能，你可以精确控制视频中任何物体的运动轨迹

还在为短视频配音效抓耳挠腮?还在苦苦寻找合适的BGM却总是差强人意?现在，字节跳动直接放出王炸级AI黑科技，一举打破视频创作的最后一道静音魔咒!他们最新推出的SeedFoley音效生成模型，如同为视频注入了声命之魂，只需轻轻一点，就能为你的视频智能匹配专业级音效，瞬间让你的作品从默片变身有声大片，效果堪称惊艳!更令人振奋的是，这项AI音效神技已火速上线字节跳动旗下视频创作平台即梦，人人都能秒速体验一键音效加持的神奇魔力!SeedFoley究竟是如何做到如此声入人心的?其核

近日，魔乐社区（Modelers）正式上线了由阶跃星辰研发的 Step-Video 和 Step-Audio 两款开源多模态大模型。这两款模型分别用于视频生成和语音交互，旨在为开发者和企业用户提供更强大的 AI 工具。Step-Video 模型的全名为 Step-Video-T2V，这是一款参数量高达300亿的全球最大开源视频生成模型。该模型能够直接生成204帧、540P 分辨率的高质量视频，并在指令遵循、运动平滑性、物理合理性以及美感等方面，表现超越了市场上现有的顶尖开源视频模型。另一方面，Step-Audio 则是业内首款能够生成多种情

3月6日，出门问问（Mobvoi）联合香港科技大学、上海交通大学、南洋理工大学、西北工业大学等顶尖学术机构，共同开源新一代语音生成模型Spark-TTS，并重磅推出其商业化高品质TTS引擎——TicVoice7.0。作为出门问问第七代TTS引擎，TicVoice7.0在语音生成领域实现了重大突破，开启了全新的语音生成范式。

近日，DeepBeepMeep 团队在 GitHub 上发布了 Wan2.1GP，一个针对低端 GPU 用户优化的视频生成模型。该模型基于阿里巴巴的 Wan2.1，旨在为缺乏高性能 GPU 资源的用户提供强大的视频生成能力。Wan2.1GP 的推出标志着视频生成技术的一个重要进步，尤其是在开放源代码领域。图源备注：图片由AI生成，图片授权服务商MidjourneyWan2.1GP 的主要特点包括其优异的性能和广泛的适用性。该模型在多个基准测试中持续超越现有的开源模型和一些商业解决方案，展现出强大的竞争力。此外，T2V-1.3B 模型仅需8.19GB 的

日前，AI科技公司MiniMax 宣布推出其首款文本到图像生成模型 ——Image-01，用户现在可以通过 MiniMax 的 API 平台访问这一服务。Image-01的几个主要特点令人瞩目。该模型具有精确的提示控制能力，基于 MiniMax 在开发 Hailuo AI Video-01系列中的行业领先经验，Image-01能够提供优越的提示与图像之间的保真度。无论是探索不同的艺术风格还是构建复杂的场景，Image-01都能确保产生逻辑一致、艺术质量卓越的视觉作品。另外，Image-01在视觉构图方面表现出色。用户可以将其概念想法转化为引人注目的图像

OpenAI 该公司宣布，其视频生成模型 Sora 现已正式在欧洲地区上线。这意味着，包括欧盟、英国、瑞士、挪威、列支敦士登以及冰岛的用户，现在都能享受到这一创新科技带来的便利。Sora 模型的首次亮相是在2024年2月。经过几个月的测试和优化，该模型于2024年12月向 ChatGPT Plus 和 Pro 用户开放，但遗憾的是，最初并未覆盖到欧洲市场。如今，随着政策和技术的成熟，OpenAI 终于能够在这些地区推出 Sora，使更多用户能够体验到视频生成的乐趣。用户只需是 ChatGPT Plus 或 Pro 的订阅者，就可以轻松

OpenAI 宣布其视频生成模型 Sora 现已正式在欧洲市场推出，覆盖包括欧盟、英国、瑞士、挪威、列支敦士登和冰岛在内的多个国家。这一消息让众多用户期待已久的 Sora 终于能够在这些地区的 ChatGPT Plus 和 Pro 订阅用户中使用。Sora 模型最早于2024年2月亮相，在2024年12月，OpenAI 对 ChatGPT Plus 和 Pro 用户开放了这一功能，但由于地区限制，欧洲用户当时未能使用。这一次，Sora 的上线标志着 OpenAI 在全球扩展其 AI 技术的又一重要一步，进一步推动了视频生成技术的普及。在当前数字内容消费日益增

2025 年 2 月 27 日，Pika Labs通过其官方Twitter账号@pika_labs宣布推出Pika 2.2，这一最新版本的AI视频生成模型迅速引发了全球用户和科技爱好者的热烈反响。根据Twitter上用户发布的消息和反馈，Pika 2. 2 带来了多项令人瞩目的功能升级，包括更长的视频生成时长、更高的分辨率以及创新的帧过渡技术，为用户提供了更强大的创作工具。核心功能亮点根据Twitter用户的帖子，Pika 2. 2 支持最长 10 秒的视频生成，相较于以往版本有了显著提升。此外，该版本将分辨率提升至1080p，确保输出视频更为清晰细

根据公开数据显示，今年1月，快手可灵AI全球月访问用户总数环比增长113%。瑞银近期表示，在线娱乐与教育乃是 AI 落地的核心场景，快手作为应用层的标杆企业，其自主研发的可灵 AI 在全球视频生成模型领域占据领先地位。前不久可灵AI正式上线多图参考参考功能，支持同时参考多个主体。用户可以上传1到4张参考图片，并框选出其中的人物、物品、道具或场景。

近日，阿里巴巴在深夜推出了全新的开源视频生成模型 Wan2.1，该模型凭借14B 的参数量迅速占据了 VBench 榜单的顶端，成为目前视频生成领域的佼佼者。与此之前发布的 QwQ-Max 不同，Wan2.1在复杂运动的细节处理上表现出色，能够流畅地实现多个人物的同步舞蹈，令人惊叹不已。官方演示中，Wan2.1不仅成功克服了静态图像生成中的难题，如文字的处理更是达到了新的高度。对于普通用户来说，虽然14B 的参数在个人消费级显卡上部署较为困难，但阿里还特别推出了一个1.3B 的小版本，支持480P 分

今日，阿里巴巴官方宣布全面开源旗下视频生成模型万相2.1模型，14B和1.3B双版本上线。其中，专业版14B，高性能，提供业界顶尖的表现力可满足对视频质量有极高要求的场景;而极速版1.3B，适合消费级显卡，8.2GB显存即可生成480P高质量视频，适用于二次模型开发和学术研究。据官方介绍，本次开源的 Wan2.1在处理复杂运动、还原真实物理规律、提升影视质感及优化指令遵循方面展现出显著优势，能够满足创作者、开发者和企业用户的多样化需求。借助于通义万相，用户可以轻松实现高质量的