Kling AI 发布 4.0 版本,加入立体声与多语言口型同步并推出 Flash 轻量版
Kling AI 发布 4.0 版本,单次可生成最长 30 秒视频,支持最多 10 张关键帧图像输入,提示词理解扩展到 8,000 tokens。新版本加入双声道立体声和十余种语言的改进口型同步,Omni Reference 单次最多接受 15 个参考素材,并推出最高 720p、20 秒的 Flash 轻量版。
Kling AI 发布 4.0 版本,单次可生成最长 30 秒视频,支持最多 10 张关键帧图像输入,提示词理解扩展到 8,000 tokens。新版本加入双声道立体声和十余种语言的改进口型同步,Omni Reference 单次最多接受 15 个参考素材,并推出最高 720p、20 秒的 Flash 轻量版。
Meta 发布 8160 亿参数开放权重模型 Muse Spark Open,采用混合专家架构,每次处理 Token 激活约 420 亿参数,支持 100 万 Token 上下文及文字、图片、音频、视频输入,借助苹果 MLX 框架可在两台 Mac Studio 组成的约 1TB 内存集群上本地运行。苹果确认 Apple 智能已获批进入中国市场。
Comfy 的集成公告称,Nano Banana 2.1 可在 Partner Nodes 中用于图像生成和编辑,提供不同思考级别、多张参考图及最高 4K 输出选项。具体使用需要相应账户与服务额度;本文说明的是 Comfy 的接入范围,效果与成本未由本站实测。
推荐理由:官方资料直接关系创意工具或生产工作流,能力与实测边界已注明。
Comfy 宣布在 Developer Platform 提供 Router,用同一个接口接入多家媒体模型,并按任务选择提供方。公告列举了首批接入的模型;可用性、单次价格、授权及输出限制需继续核对相应提供方。
推荐理由:官方资料直接关系创意工具或生产工作流,能力与实测边界已注明。
Browzwear 指出,生成式AI图像可以表达轮廓、色彩和表面效果,却通常不包含纸样、缝线、纱向、放松量和真实面料行为。文章建议把概念转入基于版型与面料仿真的3D文件,让技术设计和生产继续处理可制造数据。这里讨论图像到生产的交接,不代表AI图片已经能直接生成合格生产纸样。
推荐理由:直接对应AI设计到生产的断点,区分视觉概念与可制造文件。
Runway以研究预览介绍GWM Worlds 2,将音视频生成用于连续交互环境。文章提出WorldPrompt,用持续世界上下文、首帧、带时间戳的主体动作和相机输入组织生成。官网声明模型生成720p、24fps视频及48,000Hz音频,并展示预编排、轮流决策和实时控制等使用方式;所列影视广告、互动体验及具身智能应用仍属于研究与演示定位。 研究预览不等于所有用户或所有付费套餐已可用。官方说明快速相机旋转可能降低细节、纹理及几何质量,长期记忆不完善,参考图受首帧/预填音视频范围限制;部分演示动作预先编排,且预编排方法质量更好。720p/24fps/音频频率是厂商声明,未本站实测;不把可输入物理规则的生成环境当作工程级准确仿真或量产能力。
推荐理由:官方正文、研究列表与结构化日期日历日一致;参数和演示属厂商声明,不能写成已实测生产能力。 官方声明,未由本站实测。
Comfy 宣布 Trellis.2 与 Pixal3D 可原生运行,并更新 3D 加载、预览、保存、网格后处理及 PBR 贴图流程。文章介绍基于消费级硬件的使用方向;网格可制造性、版权及组件许可仍需针对实际资产核验。
推荐理由:官方资料直接关系创意工具或生产工作流,能力与实测边界已注明。
Comfy 的集成公告介绍 Gemini Video Omni 节点中的 Omni Flash 1.1,涵盖文字、图像及参考视频生成、编辑和场景延展。分辨率、音轨与控制能力是接入说明中的厂商声明,费用与结果未由本站复核。
Comfy 的 Wan 3.0 集成说明介绍较长的视频生成及图像、视频和音频参考输入,并提供不同分辨率与草稿档位。公告中的时长与参考容量是官方说明,实际制作效果、成本与授权仍需按具体服务确认。
Comfy 介绍 Wan Animate 2 及 Lite 变体,使用参考角色图与驱动视频生成角色动画,并提供可选缓存节点。运动还原、身份一致性与提速属于官方介绍;真人肖像与驱动视频须具备相应使用权。
Comfy 的集成说明介绍 Seedance 2.5 在 Partner Nodes 中的视频生成、参考素材、编辑与延展能力,并列出音视频相关控制。具体输出、费用、地区及商用条件需核对相应服务,不把公告参数当作本站实测成绩。
Comfy 官方归档说明宣布 FLUX 3 接入 Partner Nodes,摘要介绍其多模态及原生音频、视频能力。本文仅依据官方公告摘要记录集成消息,详细输入输出、费用和许可仍需核验。
NVIDIA 技术文章解释以视频世界模型为骨干的世界动作模型(WAM),并介绍基于 Cosmos 3 的机器人策略后训练方向。文章将联合预测动作与未来场景作为物理泛化的路径,但不同机器人仍需要各自的后训练与数据适配。这是厂商技术解读,不代表 WAM 必然优于所有 VLA;FLABS 未训练策略或验证真实产线表现,模型、数据与代码需分别核对许可和使用条件。
推荐理由:为机器人与生产自动化开发提供模型架构和后训练方向,区分厂商观点与已验证的生产效果。
NVIDIA 官方教程展示 Alpamayo 2 Super 在自动驾驶研发中的四类用法:生成轨迹与因果推理说明、预测高层动作、回答多相机场景问题,以及生成带二维定位的自动标注。示例使用模型权重和推理笔记本,并讨论开环与闭环评估;权重、代码和示范数据需要分别核对许可及访问条件。厂商示例不能替代真实系统验证,FLABS 未运行模型、训练或验证部署安全。
推荐理由:把多相机推理与自动标注落实到车辆产品开发任务,同时保留评估和许可边界。